包邮自动驾驶系统开发

第1章自动驾驶系统概论 1．1自动驾驶的分级 1．2模块化开发结构 1．3端到端开发结构 1．4自动驾驶场景 1．5数据闭环 1．6小结 参考文献
第2章自动驾驶的基础理论 2．1计算机视觉 2．1．1计算机视觉底层 2．1．2计算机视觉中层 2．1．3计算机视觉高层 2．2图像处理 2．2．1图像信号处理器 2．2．2图像滤波 2．2．3图像增强 2．3优化理论 2．4机器学习 2．4．1支持向量机 2．4．2随机森林 2．5深度学习 2．5．1卷积神经网络 2．5．2生成对抗网络 2．5．3递归神经网络 2．5．4Transformer网络 2．6神经网络模型压缩和加速 2．6．1参数修剪和共享 2．6．2低秩分解 2．6．3转移/致密卷积滤波器 2．6．4知识蒸馏 2．6．5MobileNets 2．7小结 参考文献
第3章自动驾驶的硬件平台 3．1传感器 3．1．1摄像头 3．1．2激光雷达 3．1．3毫米波雷达 3．1．4超声波雷达 3．1．5惯导 3．1．6GPS 3．1．7车联网 3．2车体控制 3．2．1VCU/ECU/MCU/HCU 3．2．2CAN总线 3．2．3ESP 3．2．4EPS 3．3计算平台 3．3．1NVIDIA Drive AGX Xavier和Orin 3．3．2Mobileye的EQx 3．3．3TI公司的TDA4VM 3．3．4Qualcomm公司的骁龙Ride 3．4线控底盘 3．5电子电气架构 3．6小结 参考文献
第4章自动驾驶的软件平台 4．1AUTOSAR 4．2软件开发V模型 4．3aSPICE软件开发流程 4．4ISO 26262软件开发流程 4．5NVIDIA DriveWorks 软件平台 4．6车载操作系统 4．6．1ROS 4．6．2QNX 4．6．3BOSCH冰羚 4．6．4DORA 4．7自动驾驶云平台 4．7．1开源分布式深度学习框架 4．7．2自动驾驶云的实例架构 4．8DevOps和MLOps 4．9小结 参考文献
第5章自动驾驶的感知模块 5．1传感器标定 5．1．1摄像头标定 5．1．2激光雷达标定 5．1．3手眼标定 5．1．4摄像头GPS/IMU标定 5．1．5激光雷达摄像头标定 5．1．6摄像头雷达标定 5．1．7激光雷达IMU标定 5．2单目视觉的障碍物测距 5．3单目视觉的深度图估计 5．3．1传统方法 5．3．2深度学习方法 5．4单目视觉的3D障碍物检测 5．5障碍物跟踪 5．5．1单目标 5．5．2多目标 5．5．3基于深度学习的目标跟踪 5．6传感器融合 5．6．1数据级 5．6．2任务级 5．7车道线检测 5．8交通标志检测识别 5．9交通信号灯检测识别 5．10可驾驶区域分割 5．11双目视觉感知 5．11．1立体匹配 5．11．2双目在线标定 5．11．3双目视觉感知系统 5．11．4深度学习的双目视差估计 5．12人体姿态估计 5．13驾驶人监控系统 5．14BEV的视觉感知系统 5．14．1基于单应变换的BEV 5．14．2基于深度的BEV 5．14．3基于MLP的BEV 5．14．4基于Transformer的BEV 5．14．5BEV框架的扩展 5．14．6BEV存在的问题 5．15小结 参考文献
第6章自动驾驶的高清地图 6．1高清地图 6．2语义地图 6．3基于车道线的高清地图 6．4基于深度学习的SLAM方法 6．5小结 参考文献
第7章自动驾驶的定位模块 7．1基于车道线地图的定位 7.2基于激光雷达的定位 7．2．1正态分布变换定位 7．2．2粒子滤波定位 7．2．3直方图滤波器定位 7．3基于传感器融合的定位 7．4基于深度学习的定位方法 7．5小结 参考文献
第8章自动驾驶的规划模块 8．1基本规划理论 8．1．1Frenet坐标系 8．1．2EM规划器 8．2驾驶行为模型和预测 8．2．1驾驶行为预测 8．2．2驾驶行为学习 8．3行人行为模型和预测 8．4驾驶行为克隆 8．5小结 参考文献
第9章自动驾驶的控制模块 9．1车辆的运动学和动力学模型 9．2传统控制算法 9．2．1经典PID控制 9．2．2LQR控制 9．2．3模型预测控制 9．3路径和轨迹稳定的控制方法 9．3．1路径稳定的控制 9．3．2轨迹稳定的控制 9．4基于深度学习的车辆控制 9．4．1端到端的自动驾驶控制 9．4．2基于机器学习的运动控制 9．5小结 参考文献
第10章自动驾驶的仿真模拟模块 10．1传感器 10．1．1摄像头 10．1．2激光雷达 10．1．3毫米波雷达 10．1．4其他传感器 10．2交通模型 10．3车辆和行人模型 10．4数据可视化模型 10．4．1XVIZ 10．4．2streetscape．gl 10．5道路网络仿真 10．5．1道路与环境建模 10．5．2可定制的道具和标志 10．5．3功能性道路网络 10．6场景库的建设和自动驾驶测试 10．6．1场景定义 10．6．2仿真测试方法分类 10．6．3场景库建设 10．6．4场景描述语言OpenSCENARIO 10．7基于数字孪生的安全紧要场景泛化 10．8小结 参考文献
第11章安全模型 11．1基本概念 11．2NHTSA 11．3ISO 26262 11．4ISO/PAS 21448 SOTIF 11．5Intel Mobileye RSS安全模型 11．6网络安全 11．7自动驾驶系统的安全解决方案 11．8自动驾驶的V&V技术 11．9小结 参考文献
第12章自动和自主泊车 12．1自动泊车系统的基本介绍 12．2环视视觉系统标定 12．3鱼眼摄像头的感知系统 12．4泊车位检测 12．5泊车的运动规划 12．6泊车中的传感器融合 12．7自动代客泊车 12．8泊车场的语义地图和定位 12．9自动泊车的深度学习规划技术 12．10小结 参考文献
第13章车联网 13．1智能网联汽车 13．2车载网络与社交物联网 13．3边缘计算
13．4车辆路端的协同技术 13．5自动驾驶的协同感知 13．6编组车队的协同规划和控制 13．7小结 参考文献
第14章神经渲染技术 14．1原始NeRF 14．2NeRF的加速方法 14．2．1AutoInt 14．2．2PlenOctree 14．2．3Plenoxel 14．3动态场景的渲染 14．4NeRF重打光技术 14．5NeRF的泛化技术 14．5．1GRAF 14．5．2GIRAFFE 14．6质量改进的技术 14．6．1MipNeRF 14．6．2NeRFinthedark 14．7小结 参考文献
第15章扩散模型 15．1基于分数生成网络 15．2去噪扩散概率模型 15．3DDIM 15．4SDE 15.5图像/视频合成 15．5．1图像 15．5．2视频 15．5．3新视图合成 15．6图像图像翻译 15．7文本图像/视频的合成 15．8扩散模型的改进 15．9小结 参考文献
附录