人工智能出版工程人工智能:智能驾驶

目录

第1章智能驾驶简介

11智能驾驶的产生与发展

111智能驾驶的萌芽

112智能驾驶的发展

113智能驾驶的未来

12智能驾驶的不确定性

13智能驾驶系统

14智能驾驶技术现状

141国外智能驾驶技术现状

142国内智能驾驶技术现状

第2章智能驾驶系统的体系架构

21传感器配置

211传感器的分类

212传感器比较

22视觉传感器

23雷达传感器

231激光雷达

232毫米波雷达

233超声波雷达

24定位系统

241GPS和北斗

242差分定位技术

243惯性导航系统

244姿态感知

25控制系统

251车辆底层平台

252发动机的控制

253转向控制

254制动控制

255挡位控制

256信号控制

第3章深度学习与智能驾驶

31深度学习概述

311智能驾驶感知系统

312行人检测

32基于特征描述与分类器的行人检测方法及技术

321方向梯度直方图检测方法

322基于深度学习模型的行人检测方法

323双目摄像头立体匹配检测方法

324多传感器融合技术

33端到端的智能驾驶方案

331间接感知方案

332直接感知方案

34行为反射方案

参考文献

第4章智能驾驶的环境感知

41概述

411可行域检测

412目标跟踪技术

413半监督学习

42基于协同学习的非结构化道路可行域检测

421协同训练简介

422增量式支持向量机

423直方图反向投影器

424在线协同学习

425实验结果分析

43基于协同学习的目标跟踪技术

431基于半监督学习的视觉目标跟踪概述

432基于协同学习的粒子滤波方法

433实验结果分析

参考文献

第5章智能驾驶的融合感知

51多源异构传感器介绍

511彩色视觉传感器

512三维激光雷达传感器

513其他传感器

52视觉传感器的标定

521基于Harris算法的角点识别

522相机坐标与图像像素坐标的转换

523多相机联合标定

53激光雷达传感器的标定

531点云数据预处理

532基于KDTree*近邻空间距离的聚类算法

533基于*小二乘法的标定板平面拟合

534基于平面*小包围框的标定板识别

535多雷达联合标定

54视觉相机-激光雷达联合自动标定

541基于重投影法的空间同步标定

542基于多线程的时间同步标定

55基于深度学习的视觉雷达融合方法

551融合方法概述

552雷达稀疏数据的上采样方法

553数据集

554目标分类

555实验结果

56基于分层多视图提案网络的目标检测与识别

561激光雷达投影视图

562三维点云的聚类

563分层多视图提案网络结构

564实验及结果分析

第6章智能驾驶决策

61无人驾驶车辆的智能决策

62驾驶行为选择方法

621不同交通环境中的驾驶行为

622非结构化交通环境中的驾驶行为选择方法

623结构化交通环境中的驾驶行为选择方法

63无人驾驶车辆的路径规划

631车辆的路径规划算法

632非结构化交通环境中的路径规划方法

633结构化交通环境中的路径规划方法

64无人驾驶车辆的速度规划

参考文献

第7章智能驾驶控制

71车辆的建模方法

711车辆的运动学建模

712车辆单轨模型的动力学建模

713车辆双轨模型的动力学建模

72车辆的跟踪控制

73车辆的避障控制

74车辆的稳定性控制

741常规车辆的防翻控制

742四轮独立驱动车辆的制动力分配控制

75车辆的其他控制问题

751车辆的鲁棒性问题

752车辆的特殊问题

参考文献

第8章智能驾驶的安全性

81智能驾驶的安全问题

811安全场

812安全熵

82功能安全

821功能安全的作用

822功能安全架构的分类

823功能安全的发展趋势

83信息安全

参考文献

第9章智能驾驶的未来展望

91智能驾驶的未来发展趋势

92智能网联汽车

93智能驾驶汽车产业化

931国家产业政策

932地方产业政策

参考文献