商品描述
本書從自動駕駛基礎入手，逐步展開對多傳感器環境感知、路徑規劃與決策、SLAM 建圖以及深度學習融合等核心算法的深入講解。內容覆蓋激光雷達、攝像頭、紅外與超聲波傳感器的感知應用，詳細解析Dijkstra、A*、D* Lite 等經典與動態路徑規劃算法，並結合SLAM、OctoMap 等前沿技術實現實時定位與地圖構建。全書以“理論+ 實戰”為主線，通過豐富的項目案例和代碼實現，幫助讀者從算法原理走向工程實踐，掌握自動駕駛系統的完整開發流程。本書適合自動駕駛領域的工程師與科研人員、車聯網及智能交通行業從業者學習使用，也適合用作高等院校相關專業的教學參考書。
目錄大綱
第1章 自動駕駛基礎
1.1 自動駕駛介紹
1.1.1 自動駕駛的基本概念
1.1.2 自動駕駛的應用領域
1.1.3 自動駕駛國內外發展現狀
1.2 自動駕駛開發基礎
1.2.1 自動駕駛硬件平臺：核心支撐與技術架構
1.2.2 自動駕駛軟件算法：智能決策與協同控制
1.2.3 自動駕駛的測試驗證：全方位保障安全與性能
1.3 自動駕駛開發路線和技術棧
1.3.1 單車智能與車路協同
1.3.2 自動駕駛開發技術棧
第2章 基於激光雷達的環境感知應用實踐
2.1 傳感器技術與激光雷達
2.1.1 自動駕駛中的傳感器類型
2.1.2 自動駕駛中的感知算法
2.1.3 激光雷達感知算法
2.2 基於平面擬合和分割的地面提取
2.2.1 最小二乘法算法和應用實踐
2.2.2 主成分分析算法和應用實踐
2.2.3 RANSAC算法和應用實踐
2.2.4 全局優化方法和應用實踐
2.2.5 “分割-平面”擬合算法和應用實踐
2.3 目標檢測與跟蹤算法應用實踐
2.3.1 聚類算法
2.3.2 分割算法
2.3.3 濾波器算法
2.4 綜合實戰：目標（行人、車輛）跟蹤系統
2.5 綜合實戰：地面和障礙物識別系統
第3章 基於高清攝像頭的視覺環境感知應用實踐
3.1 自動駕駛中的視覺環境感知
3.2 目標檢測和識別應用實踐
3.2.1 基於Haar特征的目標檢測實踐
3.2.2 基於YOLO的目標檢測
3.3 車道檢測應用實踐
3.3.1 霍夫變換實踐
3.3.2 顏色閾值應用實踐
3.3.3 滑動窗口法應用實踐
3.4 目標跟蹤實戰
3.4.1 使用粒子濾波器算法實現目標跟蹤
3.4.2 多假設跟蹤算法實踐
3.5 光流估計應用實踐
3.5.1 光流估計的原理和方法
3.5.2 使用Lucas-Kanade算法實現光流估計
3.5.3 使用Horn-Schunck算法處理指定視頻
3.5.4 使用Block Matching算法實現光流處理
3.6 盲點檢測應用實踐
3.6.1 使用Harris角點檢測算法檢測盲點
3.6.2 使用Shi-Tomasi算法檢測角點
3.7 綜合實戰：實時車道檢測和盲點監測系統
第4章 基於紅外傳感器的環境感知應用實踐
4.1 紅外傳感器在自動駕駛中的作用
4.2 基於紅外傳感器的障礙物檢測與跟蹤
4.2.1 模擬基於距離閾值的障礙物檢測
4.2.2 基於熱圖像的障礙物檢測算法的模擬
4.2.3 基於特征提取的障礙物檢測模擬
4.2.4 基於Arduino的自動駕駛程序
4.3 基於紅外圖像處理的應用實踐
4.3.1 溫度分布分析
4.3.2 熱點檢測
4.3.3 障礙物識別
4.4 綜合實戰：智能障礙物探測器系統
4.5 綜合實戰：輪胎溫度檢測系統
4.6 綜合實戰：指定線路巡邏機器人
4.7 綜合實戰：自動駕駛熱成像系統
第5章 基於超聲波傳感器的環境感知應用實踐
5.1 超聲波傳感器基礎
5.1.1 超聲波傳感器的基本概念
5.1.2 超聲波傳感器在自動駕駛中的應用
5.2 障礙物檢測和距離測量應用實踐
5.2.1 使用時間飛行算法測量與障礙物的距離
5.2.2 使用信號處理算法測量與障礙物的距離
5.2.3 基於HCSR04超聲波傳感器的測距系統
5.3 綜合實戰：智能停車輔助系統
5.4 綜合實戰：智能避障系統
5.5 綜合實戰：自動泊車系統
5.6 綜合實戰：盲點監測系統
第6章 路徑規劃與決策算法的應用實踐
6.1 Dijkstra路徑規劃實踐
6.1.1 Dijkstra算法的基本思想
6.1.2 綜合實戰：探索CS遊戲玩家的最短路徑
6.2 A*算法路徑規劃實踐
6.2.1 A*算法的原理
6.2.2 綜合實戰：基於ROS的汽車路徑規劃系統
6.3 Bellman-Ford路徑規劃實踐
6.3.1 Bellman-Ford的基本思想
6.3.2 Bellman-Ford算法在自動駕駛中的應用
6.4 D*算法路徑規劃應用
6.4.1 D*算法的原理和實現步驟
6.4.2 綜合實戰：動態路徑規劃可視化系統
6.5 D*Lite算法
6.5.1 D*Lite算法的基本思想
6.5.2 綜合實戰：D*Lite路徑規劃系統
第7章 基於SLAM的實時定位與地圖構建應用實踐
7.1 SLAM開發基礎
7.1.1 SLAM的核心功能
7.1.2 FastSLAM算法
7.1.3 Grid-based FastSLAM算法
7.1.4 GMapping算法
7.2 綜合實戰：基於SLAM的輔助駕駛系統
7.3 綜合實戰：基於實時環境的自主導航系統
第8章 OctoMap環境感知應用實踐
8.1 OctoMap介紹
8.1.1 八叉樹和OctoMap
8.1.2 OctoMap在自動駕駛中的作用
8.2 綜合實戰：基於ROS和Octomap的避障和路徑規劃系統
第9章 基於深度學習的實時地圖系統（SLAM+DETR神經網絡+OpenCV+Eigen+LibTorch）
參考文獻
