×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
第一本无人驾驶技术书(第2版)

第一本无人驾驶技术书(第2版)

1星价 ¥56.1 (6.3折)
2星价¥56.1 定价¥89.0
暂无评论
图文详情
  • ISBN:9787121364938
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:340
  • 出版时间:2019-09-01
  • 条形码:9787121364938 ; 978-7-121-36493-8

本书特色

介绍无人驾驶这个庞当的AI综合体**的技术点。在*版的基础上,更新*近一两年的技术发展变化,并补充新的知识点,如高清激光雷达、对抗样本攻击等内容,辅以开源代码实践。

内容简介

介绍无人驾驶这个庞当的AI综合体推荐的技术点。在版的基础上,更新很近一两年的技术发展变化,并补充新的知识点,如高清激光雷达、对抗样本攻击等内容,辅以开源代码实践。

目录

1 无人车:正在开始的未来1 1.1 正在走来的无人驾驶2 1.2 无人驾驶的分级4 1.3 无人驾驶系统简介7 1.4 序幕刚启17 1.5 参考资料18 2 激光雷达在无人驾驶中的应用20 2.1 无人驾驶技术简介20 2.2 激光雷达基础知识21 2.3 应用领域?23 2.4 激光雷达技术面临的挑战?25 2.5 展望未来27 2.6 参考资料27 3 图像级高清激光雷达29 3.1 无人驾驶应用的各类激光雷达的点云特性29 3.2 高清激光雷达在构建可靠感知系统时的优势33 3.3 高清激光雷达对定位和运动探测模块的价值35 3.4 高清激光雷达使得点云和图像数据的融合更高效37 3.5 激光雷达未来的发展趋势38 3.6 参考资料39 4 GPS及IMU在无人驾驶中的应用40 4.1 无人驾驶定位技术40 4.2 GPS简介41 4.3 IMU简介43 4.4 GPS和IMU的融合45 4.5 小结46 4.6 参考资料47 5 基于计算机视觉的无人驾驶感知系统48 5.1 无人驾驶的感知48 5.2 KITTI数据集49 5.3 计算机视觉能帮助无人车解决的问题51 5.4 光流和立体视觉52 5.5 物体的识别与追踪54 5.6 视觉里程计算法56 5.7 小结57 5.8 参考资料58 6 卷积神经网络在无人驾驶中的应用59 6.1 CNN简介59 6.2 无人驾驶双目3D感知60 6.3 无人驾驶物体检测64 6.4 小结67 6.5 参考资料68 7 强化学习在无人驾驶中的应用69 7.1 强化学习简介69 7.2 强化学习算法71 7.3 使用强化学习帮助决策75 7.4 无人驾驶的决策介绍78 7.5 参考资料81 8 无人驾驶的行为预测83 8.1 无人驾驶软件系统模块总体架构83 8.2 预测模块需要解决的问题85 8.3 小结95 8.4 参考资料95 9 无人驾驶的决策、规划和控制(1)98 9.1 决策、规划和控制模块概述98 9.2 路由寻径101 9.3 行为决策107 9.4 动作规划115 9.5 反馈控制124 9.6 小结128 9.7 参考资料128 10 无人驾驶的决策、规划和控制(2)130 10.1 其他动作规划算法130 10.2 栅格规划器132 10.3 自由空间TEB规划器138 10.4 小结143 10.5 参考资料144 11 基于ROS的无人驾驶系统145 11.1 无人驾驶:多种技术的集成145 11.2 ROS简介146 11.3 系统可靠性150 11.4 系统通信性能提升152 11.5 系统资源管理与安全性153 11.6 小结153 11.7 参考资料?154 12 无人驾驶的硬件平台155 12.1 无人驾驶:复杂系统155 12.2 传感器平台156 12.3 计算平台173 12.4 控制平台182 12.5 小结188 12.6 参考资料188 13 无人驾驶系统安全190 13.1 针对无人驾驶的安全威胁190 13.2 无人驾驶传感器的安全190 13.3 无人驾驶操作系统的安全192 13.4 无人驾驶控制系统的安全192 13.5 车联网通信系统的安全194 13.6 安全模型校验方法196 13.7 小结197 13.8 参考资料198 14 对抗样本攻击与防御在无人驾驶中的应用200 14.1 对抗样本攻击算法202 14.2 对抗样本防御算法212 14.3 实验平台安装及环境配置215 14.4 AdvBox攻击与防御实验222 14.5 防御建议228 14.6 小结228 14.7 参考资料229 15 ?无人驾驶数据服务通信协议231 15.1 数据服务通信协议发展历史231 15.2 DSRC 232 15.3 C-V2X 238 15.4 3GPP中V2X无线接入标准研究244 15.5 参考资料246 16 无人驾驶模拟器技术249 16.1 为什么需要模拟器249 16.2 模拟器的用途250 16.3 模拟器系统的需求251 16.4 模拟器系统的模块组成251 16.5 模拟器的使用场景及常见模拟器257 16.6 模拟器的研发阶段260 16.7 模拟器仿真的一致性问题261 16.8 小结263 16.9 参考资料264 17 基于Spark与ROS的分布式无人驾驶模拟平台265 17.1 无人驾驶模拟技术265 17.2 基于ROS的无人驾驶模拟器267 17.3 基于Spark的分布式模拟平台269 17.4 小结272 17.5 参考资料272 18 无人驾驶中的高精地图274 18.1 传统电子导航地图274 18.2 服务于无人驾驶场景的高精地图?275 18.3 高精地图的组成和特点276 18.4 构建高精地图279 18.5 高精地图在无人驾驶中的应用286 18.6 高精地图的现状与结论288 18.7 参考资料289 19 高精地图的自动化生产290 19.1 高精地图生产的挑战290 19.2 无人车用高精地图291 19.3 高精地图生产的基本流程294 19.4 机器学习在高精地图生产中的应用297 19.5 基于三维点云的深度学习301 19.6 小结302 19.7 参考资料302 20 面向无人驾驶的边缘高精地图服务308 20.1 边缘计算与高精地图308 20.2 边缘场景下的高精地图服务310 20.3 边缘高精地图生产311 20.4 边缘高精地图内容分发312 20.5 参考框架313 20.6 相关工作314 20.7 小结316 20.8 参考资料317
展开全部

作者简介

刘少山,PerceptIn创始人,CEO。美国加州大学欧文分校(UC-Irvine)计算机博士,研究方向包括智能感知计算、系统软件、体系结构与异构计算。目前主要专注于机器人的核心SLAM与深度学习技术及其在智能硬件上的实现.

唐洁,华南理工大学计算机科学与工程学院副教授。北京理工大学计算机应用博士,美国加州大学欧文分校加州嵌入式系统研究中心博士。现主要从事面向无人驾驶和机器人的大数据计算与存储平台、面向人工智能的计算体系架构、面向机器视觉的嵌入式系统研究。

吴双,依图科技研究科学家,依图硅谷研究院负责人。研究方向包括计算机和生物视觉、互联网广告算法和语音识别,曾在NIPS等国际会议中发表文章。 李力耘,现任职于京东硅谷研发中心自动驾驶团队,担任主任架构师。在加盟京东硅谷研发中心前就职于百度美国硅谷无人驾驶团队。
刘少山,PerceptIn创始人,CEO。美国加州大学欧文分校(UC-Irvine)计算机博士,研究方向包括智能感知计算、系统软件、体系结构与异构计算。目前主要专注于机器人的核心SLAM与深度学习技术及其在智能硬件上的实现. 唐洁,华南理工大学计算机科学与工程学院副教授。北京理工大学计算机应用博士,美国加州大学欧文分校加州嵌入式系统研究中心博士。现主要从事面向无人驾驶和机器人的大数据计算与存储平台、面向人工智能的计算体系架构、面向机器视觉的嵌入式系统研究。 吴双,依图科技研究科学家,依图硅谷研究院负责人。研究方向包括计算机和生物视觉、互联网广告算法和语音识别,曾在NIPS等国际会议中发表文章。 李力耘,现任职于京东硅谷研发中心自动驾驶团队,担任主任架构师。在加盟京东硅谷研发中心前就职于百度美国硅谷无人驾驶团队。 焦加麟,Pony.ai资深软件工程师,美国密歇根大学电子工程硕士,在无人驾驶、高精地图、人工智能、机器学习、搜索、大数据等领域有多年从业经验。 鲍君威,美国加州大学伯克利分校博士。在光学精密测量仪器及传感器领域有近二十年工作和研发经验。2015年年底加入百度自动驾驶事业部,负责车载计算系统及传感器团队。 王超,美国南加州大学计算机硕士。2017年加入滴滴美国研发中心自动驾驶团队。 裴颂文,现任上海理工大学光电信息与计算机工程学院副教授,研究生导师。研究方向为异构计算、深度学习、无人驾驶汽车安全系统、云计算等。 陈辰,美国斯坦福大学电子工程博士。高精地图初创公司DeepMap创始工程师之一。目前在DeepMap负责多传感器数据融合、大规模分布式优化及三维数据机器学习算法开发工作。 邹亮,美国佐治亚大学地理信息科学硕士。2016年,作为创始工程师加入了DeepMap,负责高精地图的采集、制作、更新和维护整个流程及大中华地区的工程技术。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航