包邮新能源与智能汽车技术丛书--智能汽车环境感知技术

第1章　绪论0011.1　汽车的智能化0021.1.1　智能汽车0021.1.2　智能网联汽车0021.1.3　无人驾驶汽车0031.2　环境感知技术的重要性0041.3　国内外研究现状0061.3.1　基于图像的环境感知技术0061.3.2　基于点云的环境感知技术0101.3.3　基于多传感器融合的环境感知技术0121.3.4　基于多任务网络的环境感知技术013第2章　智能汽车感知系统及传感器标定方法0152.1　感知系统介绍0162.1.1　感知系统架构0162.1.2　传感器介绍0172.2　单目相机标定0192.2.1　相机成像模型0192.2.2　相机内参标定0222.3　相机和激光雷达联合标定0252.3.1　相机坐标系和激光雷达坐标系的转换模型0252.3.2　外参的联合标定026本章小结031第3章　基于单目视觉的环境感知技术0333.1　深度学习理论及相关方法介绍0343.1.1　注意力机制0343.1.2　注意力机制的计算0343.1.3　自注意力机制0353.2　VisionTransformer0373.3　SwinDeformableTransformer-BiPAFPN-YOLOX目标检测算法0413.3.1　DarkNet53-PAFPN-YOLOX目标检测算法0413.3.2　SwinDeformableTransformer-BiPAFPN-YOLOX目标检测算法整体结构0453.3.3　重建可变形自注意力机制0463.3.4　主干网络：SwinDeformableTransformer0483.3.5　颈部：BiPAFPN0513.4　实验与分析0533.4.1　实验平台搭建0533.4.2　数据集0533.4.3　评价标准0533.4.4　训练策略0553.4.5　实验数据统计与分析0553.5　实车实验0623.5.1　实验设备介绍0623.5.2　实时检测064本章小结067第4章　基于MobileNetv2_CA-YOLOv4的环境感知技术0694.1　MobileNetv2_CA-YOLOv4的轻量化目标检测算法0704.1.1　深度可分离卷积0704.1.2　网络结构的构建0714.1.3　注意力机制及对比0744.1.4　协调注意力机制CoordinateAttention（CA）的嵌入0754.1.5　构造网络损失函数0784.1.6　马赛克图像增强方法0794.2　MobileNetv2_CA-YOLOv4目标检测算法的实验与分析0804.2.1　实验平台0804.2.2　数据集介绍0814.2.3　模型训练0814.2.4　评价指标0824.2.5　实验结果分析0824.2.6　目标检测结果对比086本章小结089第5章　基于MCDVformer的多任务环境感知技术0915.1　多任务主干MCDVformer介绍0925.1.1　整体结构0925.1.2　移位窗口自注意力机制0925.1.3　重建可变形自注意力机制0935.1.4　关键点可变形自/交叉注意力机制0945.1.5　SwinDeformableEncoder-Decoder0955.1.6　密集残差连接0975.2　目标检测实验0985.2.1　数据集与评价标准0985.2.2　训练策略0985.2.3　定量实验分析0995.2.4　定性实验分析1005.3　实例分割实验1015.3.1　数据集、训练策略与评价指标1015.3.2　定量实验分析1015.3.3　定性实验分析1035.4　目标分类实验1035.4.1　数据集以及评价指标1035.4.2　训练策略1045.4.3　定量实验分析1045.5　语义分割实验1065.5.1　数据集与评价指标1065.5.2　训练策略1065.5.3　定量实验分析1065.5.4　定性实验分析1085.6　消融实验1095.7　实车实验1135.7.1　目标检测实车实验1135.7.2　实例分割实车实验1155.7.3　语义分割实车实验117本章小结118第6章　基于点云数据增强的环境感知技术1196.1　点云密度和语义增强框架与流程1206.1.1　点云密度增强1216.1.2　点云语义增强1226.2　点云和图像之间的坐标转换1246.3　数据集和检测器细节1256.4　实验和结果分析1266.4.1　nuScenes数据集的评价指标1266.4.2　nuScenes数据集上的实验结果1276.4.3　KITTI数据集上的实验结果1276.5　消融实验1286.5.1　点云密度增强的有效性验证1296.5.2　点云语义增强的有效性验证1316.5.3　D-SAugmentation整体性能的有效性验证132本章小结134第7章　基于两阶段序列融合的环境感知技术1357.1　多模态传感器数据融合方法及概念1367.2　两阶段序列融合网络1377.3　*近群组关联的点云语义增强1377.3.1　点云语义增强模块1387.3.2　*近群组关联1387.4　基于置信度和距离的非极大值抑制1417.4.1　基于置信度的非极大值抑制1417.4.2　级联距离与置信度的非极大值抑制1417.5　实验结果及分析1437.5.1　数据集介绍1437.5.2　二维检测器的配置1437.5.3　三维检测器的配置1447.5.4　融合模块的配置1447.5.5　检测结果及对比1457.6　消融实验1467.6.1　NGP模块的有效性1467.6.2　C-DNMS模块的有效性1477.6.3　TSF整体网络的有效性149本章小结150第8章　基于多模态融合的环境感知技术1518.1　多模态融合环境感知算法问题描述1528.2　MFF-Net总体框架1538.2.1　空间变换投影（STP）1548.2.2　自适应表达增强（AEE）融合1558.2.3　自适应非极大值抑制（A-NMS）算法1578.3　实验设置1588.3.1　实验环境1588.3.2　网络细节1598.3.3　KITTI数据集评价指标1598.3.4　网络训练参数1598.4　实验结果和分析1608.4.1　KITTI测试结果与分析1608.4.2　nuScenes测试结果与分析1628.5　消融实验1628.5.1　定量实验分析1638.5.2　定性实验分析164本章小结167参考文献168