相關商品
商品簡介
作者簡介
目次
商品簡介
隨著汽車工業和人工智能技術的發展，智能汽車正在向人類走來。這一技術的普及，將從根本上改變人類的生活。在智能汽車時代，出行變得更加安全、便捷、舒適。人機共駕和自動駕駛將改變人類的時空觀念，城市佈局將重新規劃，共享經濟大力發展，全職司機由虛擬駕駛人替代。智能汽車技術作為一種劃時代的技術，目前已經上升到了國家戰略層面。在這樣的時代背景下，本書將從技術層面，對智能汽車的感知、控制、定位和測試驗證等多種關鍵技術進行詳盡分析與解釋，並運用相關的實驗與仿真來論證書中所提出方法的正確性和實際可行性。
作者簡介
韓維建，現任美國福特汽車公司亞太區研究與技術主管。
目次
叢書總序
推薦序一
推薦序二
前言
第1章 緒論1
1.1 智能汽車的發展和現狀1
1.2 智能汽車的意義6
1.2.1 智能汽車對個人的意義6
1.2.2 智能汽車對交通系統的意義7
1.2.3 智能汽車對社會的意義7
1.3 智能汽車的分級8
1.4 智能汽車的關鍵技術10
1.5 智能汽車的技術路線10
1.6 智能汽車時代的來臨12
參考文獻12
第2章 智能汽車的系統構架與主要構成14
2.1 智能汽車的系統構架14
2.1.1 分層遞階式系統構架14
2.1.2 反應式系統構架15
2.1.3 混合式系統構架16
2.2 智能汽車的硬件系統構架17
2.2.1 智能汽車計算平臺18
2.2.2 智能汽車常用傳感器20
2.3 智能汽車的軟件系統構架26
2.3.1 主機操作系統26
2.3.2 中間層運行框架27
2.3.3 應用層27
2.4 智能汽車的通信系統29
2.4.1 智能汽車車內通信29
2.4.2 智能汽車與V2X技術31
參考文獻34
第3章 智能汽車環境感知技術37
3.1 相機模型與李群和李代數基礎37
3.1.1 相機坐標系的定義37
3.1.2 歐式空間坐標轉換38
3.1.3 李群和李代數基礎40
3.2 KITTI數據集介紹44
3.2.1 KITTI數據集採集平臺44
3.2.2 KITTI數據集的類型45
3.2.3 KITTI數據集的格式介紹48
3.3 基於多特徵融合的道路理解方法48
3.3.1 道路環境理解算法架構49
3.3.2 基於特徵融合的道路區域分割50
3.3.3 道路建模與隨動方向濾波器52
3.3.4 基於置信度函數的道路標線識別54
3.3.5 基於粒子對濾波的道路線跟蹤56
3.3.6 試驗結果與分析58
3.4 基於機器學習和粒子濾波的前方車輛識別60
3.4.1 前方車輛識別問題與方法61
3.4.2 路面區域提取方法63
3.4.3 基於機器學習的車輛分層級聯識別66
3.4.4 基於粒子濾波的多目標跟蹤72
3.4.5 試驗結果與分析77
3.4.6 本節小結81
3.5 基於深度學習的環境感知方法81
3.5.1 神經網絡81
3.5.2 卷積神經網絡85
3.5.3 CNN在智能汽車環境感知中的應用88
3.6 基於激光雷達的感知技術93
3.6.1 激光雷達基礎94
3.6.2 LiDAR的外參數標定96
3.6.3 障礙物檢測97
參考文獻98
第4章 智能汽車緊急控制策略101
4.1 轉向避撞效能及可行性分析102
4.1.1 避撞所需最短縱向距離102
4.1.2 不同避撞方式的安全收益106
4.1.3 不同避撞方式對環境感知能力的要求109
4.1.4 不同避撞方式對執行器的要求110
4.2 臨界距離分析113
4.2.1 制動避撞所需的最短縱向距離113
4.2.2 轉向避撞所需的最短縱向距離115
4.3 自動緊急控制127
4.3.1 駕駛員觸發型緊急轉向輔助控制129
4.3.2 矯正型緊急轉向輔助控制142
4.3.3 AEB算法的優化148
4.3.4 制動和轉向避撞控制集成150
4.4 制動轉向協調避撞控制152
4.4.1 車輛模型153
4.4.2 環境模型156
4.4.3 駕駛員模型158
4.4.4 制動轉向協調避撞控制159
4.5 本章小結161
參考文獻162
第5章 智能汽車的導航定位技術164
5.1 基於高精地圖的匹配定位技術164
5.1.1 高精地圖VS傳統電子導航地圖165
5.1.2 高精地圖的繪製與測評166
5.1.3 基於高精地圖三維點雲的車輛匹配定位方法167
5.1.4 高精地圖的未來發展與挑戰169
5.2 基於DR和MM組合的車輛定位方法169
5.2.1 航位推算技術170
5.2.2 地圖匹配技術171
5.2.3 基於卡爾曼濾波器的DR和MM定位信息的融合175
5.2.4 本節小結178
5.3 視覺里程計178
5.3.1 視覺里程計概述179
5.3.2 對極幾何180
5.3.3 PnP算法原理簡介181
5.3.4 直接法181
5.3.5 本節小結182
參考文獻183
第6章 智能汽車試驗驗證技術185
6.1 智能汽車試驗驗證面臨的挑戰186
6.2 智能汽車試驗驗證技術的介紹188
6.2.1 智能汽車測試驗證機理188
6.2.2 ADAS測試評價方法189
6.2.3 高等級自動駕駛車輛測試評價方法201
6.3 智能網聯汽車綜合試驗場204
6.3.1 國外智能網聯汽車綜合試驗場205
6.3.2 國內智能網聯汽車專用試驗場213
參考文獻216
第7章 智能汽車的挑戰與未來219
7.1 智能汽車面臨的挑戰219
7.1.1 法律上的挑戰220
7.1.2 責任判定上的挑戰220
7.1.3 個人隱私權的挑戰220
7.1.4 成本提高帶來的挑戰221
7.1.5 汽車廠商和互聯網廠商合作上的挑戰222
7.1.6 汽車安全的挑戰222
7.2 自動駕駛給人類帶來的變化223
7.2.1 市場份額變化223
7.2.2 商業模式的顛覆223
7.2.3 人們思想的改變224
7.3 智能汽車發展策略224
7.3.1 信息系統224
7.3.2 識別系統225
7.3.3 控制系統226
7.4 可預見的未來226
7.4.1 關鍵的節點：2020年226
7.4.2 混合時代：2020～2050年227
推薦序一
推薦序二
前言
第1章 緒論1
1.1 智能汽車的發展和現狀1
1.2 智能汽車的意義6
1.2.1 智能汽車對個人的意義6
1.2.2 智能汽車對交通系統的意義7
1.2.3 智能汽車對社會的意義7
1.3 智能汽車的分級8
1.4 智能汽車的關鍵技術10
1.5 智能汽車的技術路線10
1.6 智能汽車時代的來臨12
參考文獻12
第2章 智能汽車的系統構架與主要構成14
2.1 智能汽車的系統構架14
2.1.1 分層遞階式系統構架14
2.1.2 反應式系統構架15
2.1.3 混合式系統構架16
2.2 智能汽車的硬件系統構架17
2.2.1 智能汽車計算平臺18
2.2.2 智能汽車常用傳感器20
2.3 智能汽車的軟件系統構架26
2.3.1 主機操作系統26
2.3.2 中間層運行框架27
2.3.3 應用層27
2.4 智能汽車的通信系統29
2.4.1 智能汽車車內通信29
2.4.2 智能汽車與V2X技術31
參考文獻34
第3章 智能汽車環境感知技術37
3.1 相機模型與李群和李代數基礎37
3.1.1 相機坐標系的定義37
3.1.2 歐式空間坐標轉換38
3.1.3 李群和李代數基礎40
3.2 KITTI數據集介紹44
3.2.1 KITTI數據集採集平臺44
3.2.2 KITTI數據集的類型45
3.2.3 KITTI數據集的格式介紹48
3.3 基於多特徵融合的道路理解方法48
3.3.1 道路環境理解算法架構49
3.3.2 基於特徵融合的道路區域分割50
3.3.3 道路建模與隨動方向濾波器52
3.3.4 基於置信度函數的道路標線識別54
3.3.5 基於粒子對濾波的道路線跟蹤56
3.3.6 試驗結果與分析58
3.4 基於機器學習和粒子濾波的前方車輛識別60
3.4.1 前方車輛識別問題與方法61
3.4.2 路面區域提取方法63
3.4.3 基於機器學習的車輛分層級聯識別66
3.4.4 基於粒子濾波的多目標跟蹤72
3.4.5 試驗結果與分析77
3.4.6 本節小結81
3.5 基於深度學習的環境感知方法81
3.5.1 神經網絡81
3.5.2 卷積神經網絡85
3.5.3 CNN在智能汽車環境感知中的應用88
3.6 基於激光雷達的感知技術93
3.6.1 激光雷達基礎94
3.6.2 LiDAR的外參數標定96
3.6.3 障礙物檢測97
參考文獻98
第4章 智能汽車緊急控制策略101
4.1 轉向避撞效能及可行性分析102
4.1.1 避撞所需最短縱向距離102
4.1.2 不同避撞方式的安全收益106
4.1.3 不同避撞方式對環境感知能力的要求109
4.1.4 不同避撞方式對執行器的要求110
4.2 臨界距離分析113
4.2.1 制動避撞所需的最短縱向距離113
4.2.2 轉向避撞所需的最短縱向距離115
4.3 自動緊急控制127
4.3.1 駕駛員觸發型緊急轉向輔助控制129
4.3.2 矯正型緊急轉向輔助控制142
4.3.3 AEB算法的優化148
4.3.4 制動和轉向避撞控制集成150
4.4 制動轉向協調避撞控制152
4.4.1 車輛模型153
4.4.2 環境模型156
4.4.3 駕駛員模型158
4.4.4 制動轉向協調避撞控制159
4.5 本章小結161
參考文獻162
第5章 智能汽車的導航定位技術164
5.1 基於高精地圖的匹配定位技術164
5.1.1 高精地圖VS傳統電子導航地圖165
5.1.2 高精地圖的繪製與測評166
5.1.3 基於高精地圖三維點雲的車輛匹配定位方法167
5.1.4 高精地圖的未來發展與挑戰169
5.2 基於DR和MM組合的車輛定位方法169
5.2.1 航位推算技術170
5.2.2 地圖匹配技術171
5.2.3 基於卡爾曼濾波器的DR和MM定位信息的融合175
5.2.4 本節小結178
5.3 視覺里程計178
5.3.1 視覺里程計概述179
5.3.2 對極幾何180
5.3.3 PnP算法原理簡介181
5.3.4 直接法181
5.3.5 本節小結182
參考文獻183
第6章 智能汽車試驗驗證技術185
6.1 智能汽車試驗驗證面臨的挑戰186
6.2 智能汽車試驗驗證技術的介紹188
6.2.1 智能汽車測試驗證機理188
6.2.2 ADAS測試評價方法189
6.2.3 高等級自動駕駛車輛測試評價方法201
6.3 智能網聯汽車綜合試驗場204
6.3.1 國外智能網聯汽車綜合試驗場205
6.3.2 國內智能網聯汽車專用試驗場213
參考文獻216
第7章 智能汽車的挑戰與未來219
7.1 智能汽車面臨的挑戰219
7.1.1 法律上的挑戰220
7.1.2 責任判定上的挑戰220
7.1.3 個人隱私權的挑戰220
7.1.4 成本提高帶來的挑戰221
7.1.5 汽車廠商和互聯網廠商合作上的挑戰222
7.1.6 汽車安全的挑戰222
7.2 自動駕駛給人類帶來的變化223
7.2.1 市場份額變化223
7.2.2 商業模式的顛覆223
7.2.3 人們思想的改變224
7.3 智能汽車發展策略224
7.3.1 信息系統224
7.3.2 識別系統225
7.3.3 控制系統226
7.4 可預見的未來226
7.4.1 關鍵的節點：2020年226
7.4.2 混合時代：2020～2050年227
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。