定 價(jià)：￥69.00
| 作 者： | 王科，李霖 |
| 出版社： | 機(jī)械工業(yè)出版社 |
| 叢編項(xiàng)： | |
| 標(biāo) 簽： | 暫缺 |
| ISBN： | 9787111613459 | 出版時(shí)間： | 2018-12-01 | 包裝： | 平裝 |
| 開(kāi)本： | 16開(kāi) | 頁(yè)數(shù)： | 字?jǐn)?shù)： |
叢書(shū)總序
推薦序一
推薦序二
前言
第1章 緒論1
1.1 智能汽車(chē)的發(fā)展和現(xiàn)狀1
1.2 智能汽車(chē)的意義6
1.2.1 智能汽車(chē)對(duì)個(gè)人的意義6
1.2.2 智能汽車(chē)對(duì)交通系統(tǒng)的意義7
1.2.3 智能汽車(chē)對(duì)社會(huì)的意義7
1.3 智能汽車(chē)的分級(jí)8
1.4 智能汽車(chē)的關(guān)鍵技術(shù)10
1.5 智能汽車(chē)的技術(shù)路線10
1.6 智能汽車(chē)時(shí)代的來(lái)臨12
參考文獻(xiàn)12
第2章 智能汽車(chē)的系統(tǒng)構(gòu)架與主要構(gòu)成14
2.1 智能汽車(chē)的系統(tǒng)構(gòu)架14
2.1.1 分層遞階式系統(tǒng)構(gòu)架14
2.1.2 反應(yīng)式系統(tǒng)構(gòu)架15
2.1.3 混合式系統(tǒng)構(gòu)架16
2.2 智能汽車(chē)的硬件系統(tǒng)構(gòu)架17
2.2.1 智能汽車(chē)計(jì)算平臺(tái)18
2.2.2 智能汽車(chē)常用傳感器20
2.3 智能汽車(chē)的軟件系統(tǒng)構(gòu)架26
2.3.1 主機(jī)操作系統(tǒng)26
2.3.2 中間層運(yùn)行框架27
2.3.3 應(yīng)用層27
2.4 智能汽車(chē)的通信系統(tǒng)29
2.4.1 智能汽車(chē)車(chē)內(nèi)通信29
2.4.2 智能汽車(chē)與V2X技術(shù)31
參考文獻(xiàn)34
第3章 智能汽車(chē)環(huán)境感知技術(shù)37
3.1 相機(jī)模型與李群和李代數(shù)基礎(chǔ)37
3.1.1 相機(jī)坐標(biāo)系的定義37
3.1.2 歐式空間坐標(biāo)轉(zhuǎn)換38
3.1.3 李群和李代數(shù)基礎(chǔ)40
3.2 KITTI數(shù)據(jù)集介紹44
3.2.1 KITTI數(shù)據(jù)集采集平臺(tái)44
3.2.2 KITTI數(shù)據(jù)集的類型45
3.2.3 KITTI數(shù)據(jù)集的格式介紹48
3.3 基于多特征融合的道路理解方法48
3.3.1 道路環(huán)境理解算法架構(gòu)49
3.3.2 基于特征融合的道路區(qū)域分割50
3.3.3 道路建模與隨動(dòng)方向?yàn)V波器52
3.3.4 基于置信度函數(shù)的道路標(biāo)線識(shí)別54
3.3.5 基于粒子對(duì)濾波的道路線跟蹤56
3.3.6 試驗(yàn)結(jié)果與分析58
3.4 基于機(jī)器學(xué)習(xí)和粒子濾波的前方車(chē)輛識(shí)別60
3.4.1 前方車(chē)輛識(shí)別問(wèn)題與方法61
3.4.2 路面區(qū)域提取方法63
3.4.3 基于機(jī)器學(xué)習(xí)的車(chē)輛分層級(jí)聯(lián)識(shí)別66
3.4.4 基于粒子濾波的多目標(biāo)跟蹤72
3.4.5 試驗(yàn)結(jié)果與分析77
3.4.6 本節(jié)小結(jié)81
3.5 基于深度學(xué)習(xí)的環(huán)境感知方法81
3.5.1 神經(jīng)網(wǎng)絡(luò)81
3.5.2 卷積神經(jīng)網(wǎng)絡(luò)85
3.5.3 CNN在智能汽車(chē)環(huán)境感知中的應(yīng)用88
3.6 基于激光雷達(dá)的感知技術(shù)93
3.6.1 激光雷達(dá)基礎(chǔ)94
3.6.2 LiDAR的外參數(shù)標(biāo)定96
3.6.3 障礙物檢測(cè)97
參考文獻(xiàn)98
第4章 智能汽車(chē)緊急控制策略101
4.1 轉(zhuǎn)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(duì)環(huán)境感知能力的要求109
4.1.4 不同避撞方式對(duì)執(zhí)行器的要求110
4.2 臨界距離分析113
4.2.1 制動(dòng)避撞所需的最短縱向距離113
4.2.2 轉(zhuǎn)向避撞所需的最短縱向距離115
4.3 自動(dòng)緊急控制127
4.3.1 駕駛員觸發(fā)型緊急轉(zhuǎn)向輔助控制129
4.3.2 矯正型緊急轉(zhuǎn)向輔助控制142
4.3.3 AEB算法的優(yōu)化148
4.3.4 制動(dòng)和轉(zhuǎn)向避撞控制集成150
4.4 制動(dòng)轉(zhuǎn)向協(xié)調(diào)避撞控制152
4.4.1 車(chē)輛模型153
4.4.2 環(huán)境模型156
4.4.3 駕駛員模型158
4.4.4 制動(dòng)轉(zhuǎn)向協(xié)調(diào)避撞控制159
4.5 本章小結(jié)161
參考文獻(xiàn)162
第5章 智能汽車(chē)的導(dǎo)航定位技術(shù)164
5.1 基于高精地圖的匹配定位技術(shù)164
5.1.1 高精地圖VS傳統(tǒng)電子導(dǎo)航地圖165
5.1.2 高精地圖的繪制與測(cè)評(píng)166
5.1.3 基于高精地圖三維點(diǎn)云的車(chē)輛匹配定位方法167
5.1.4 高精地圖的未來(lái)發(fā)展與挑戰(zhàn)169
5.2 基于DR和MM組合的車(chē)輛定位方法169
5.2.1 航位推算技術(shù)170
5.2.2 地圖匹配技術(shù)171
5.2.3 基于卡爾曼濾波器的DR和MM定位信息的融合175
5.2.4 本節(jié)小結(jié)178
5.3 視覺(jué)里程計(jì)178
5.3.1 視覺(jué)里程計(jì)概述179
5.3.2 對(duì)極幾何180
5.3.3 PnP算法原理簡(jiǎn)介181
5.3.4 直接法181
5.3.5 本節(jié)小結(jié)182
參考文獻(xiàn)183
第6章 智能汽車(chē)試驗(yàn)驗(yàn)證技術(shù)185
6.1 智能汽車(chē)試驗(yàn)驗(yàn)證面臨的挑戰(zhàn)186
6.2 智能汽車(chē)試驗(yàn)驗(yàn)證技術(shù)的介紹188
6.2.1 智能汽車(chē)測(cè)試驗(yàn)證機(jī)理188
6.2.2 ADAS測(cè)試評(píng)價(jià)方法189
6.2.3 高等級(jí)自動(dòng)駕駛車(chē)輛測(cè)試評(píng)價(jià)方法201
6.3 智能網(wǎng)聯(lián)汽車(chē)綜合試驗(yàn)場(chǎng)204
6.3.1 國(guó)外智能網(wǎng)聯(lián)汽車(chē)綜合試驗(yàn)場(chǎng)205
6.3.2 國(guó)內(nèi)智能網(wǎng)聯(lián)汽車(chē)專用試驗(yàn)場(chǎng)213
參考文獻(xiàn)216
第7章 智能汽車(chē)的挑戰(zhàn)與未來(lái)219
7.1 智能汽車(chē)面臨的挑戰(zhàn)219
7.1.1 法律上的挑戰(zhàn)220
7.1.2 責(zé)任判定上的挑戰(zhàn)220
7.1.3 個(gè)人隱私權(quán)的挑戰(zhàn)220
7.1.4 成本提高帶來(lái)的挑戰(zhàn)221
7.1.5 汽車(chē)廠商和互聯(lián)網(wǎng)廠商合作上的挑戰(zhàn)222
7.1.6 汽車(chē)安全的挑戰(zhàn)222
7.2 自動(dòng)駕駛給人類帶來(lái)的變化223
7.2.1 市場(chǎng)份額變化223
7.2.2 商業(yè)模式的顛覆223
7.2.3 人們思想的改變224
7.3 智能汽車(chē)發(fā)展策略224
7.3.1 信息系統(tǒng)224
7.3.2 識(shí)別系統(tǒng)225
7.3.3 控制系統(tǒng)226
7.4 可預(yù)見(jiàn)的未來(lái)226
7.4.1 關(guān)鍵的節(jié)點(diǎn)：2020年226
7.4.2 混合時(shí)代：2020～2050年227
鄂公網(wǎng)安備 42010302001612號(hào) 