包邮量产自动驾驶

背景篇 第1章 绪论 1.1 行业先驱们 1.1.1 世界的洪流 1.1.2 我们的探索 1.2 量产赛道的形成 1.3 量产研发体系 1.4 本书主要内容 产品篇 第2章 产品方案 2.1 光明的前景 2.2 明确车型定位 2.3 框定功能范围 2.4 定义产品细节 2.5 小结 第3章 传统ADAS功能 3.1 ADAS的由来 3.2 报警类功能 3.3 紧急控制类功能 3.4 舒适控制类功能 3.5 小结 第4章 行车功能 4.1 什么是行车功能 4.2 自适应巡航 4.3 车道巡航 4.4 巡航换道 4.5 高速导航巡航 4.6 城市导航巡航 4.7 脱手和脱眼 4.8 小结 第5章 泊车功能 5.1 泊车功能的定义 5.2 自动泊车辅助 5.3 远程召唤 5.4 记忆泊车 5.5 代客泊车 5.6 远程监控泊车 5.7 小结 算法篇 第6章 数据驱动的自动驾驶算法 6.1 自动驾驶算法的组成 6.2 数据驱动思想 6.3 学习什么 6.4 向谁学习 6.4.1 云端大模型真值系统 6.4.2 高精密设备真值系统 6.4.3 高精度地图真值系统 6.4.4 自动化真值方案应用 6.5 如何学习 6.5.1 数据预处理 6.5.2 网络结构设计 6.5.3 模型训练 6.6 小结 第7章 感知与融合 7.1 “看得见且看得准” 7.2 视觉感知 7.2.1 图像分类 7.2.2 单帧二维检测 7.2.3 单帧三维检测 7.2.4 时空多帧检测 7.3 激光感知 7.3.1 传统方法检测 7.3.2 基于点云投影的检测 7.3.3 基于点云特征表示的检测 7.3.4 时空多帧检测 7.4 毫米波雷达感知 7.4.1 回波信号处理 7.4.2 传统方法检测 7.4.3 基于2D图的检测 7.4.4 基于点云的检测 7.5 超声波雷达感知 7.5.1 传统方法检测 7.5.2 数据驱动检测方法探讨 7.6 多传感器时空融合 7.6.1 目标级融合 7.6.2 特征级融合 7.6.3 数据级融合 7.7 小结 第8章 建图和定位 8.1 看不见的地方靠记忆 8.2 SLAM技术 8.2.1 前端里程计 8.2.2 后端优化 8.2.3 回环检测 8.2.4 建图 8.3 高精度地图 8.4 众包建图 8.4.1 车端建图数据生成 8.4.2 云端自动化建图 8.5 在线建图 8.6 高精度定位 8.6.1 室外环境定位 8.6.2 室内环境定位 8.7 数据驱动建图定位方法 8.7.1 重建的新视角合成 8.7.2 数据驱动里程计 8.7.3 数据驱动元素匹配 8.8 小结 第9章 预测、规划以及控制 9.1 通过预判来博弈 9.2 目标物轨迹预测 9.2.1 传统方法 9.2.2 序列网络预测 9.2.3 图网络预测 9.2.4 生成网络预测 9.3 自车轨迹规划 9.3.1 常规的行车规划 9.3.2 常规的泊车规划 9.3.3 三维时空联合规划 9.3.4 数据驱动规划 9.4 车辆控制 9.4.1 几何路径跟踪 9.4.2 LQR路径跟踪 9.4.3 PID纵向跟踪 9.4.4 MPC轨迹跟踪 9.5 小结 系统篇 0章 系统架构 10.1 自动驾驶系统架构的组成 10.2 电子电器架构 10.2.1 整车电子电器架构演进趋势 10.2.2 域外架构 10.2.3 域内架构 10.3 域控制器架构 10.3.1 硬件架构 10.3.2 软件架构 10.4 域内传感器架构 10.4.1 场景建模 10.4.2 运动建模 10.4.3 检测能力建模 10.4.4 视场范围校核 10.4.5 域控制器资源校核 10.4.6 选型和布置 10.4.7 典型设计方案 10.5 小结 1章 关联系统方案 11.1 自动驾驶不可独善其身 11.2 时间同步 11.2.1 时间同步需求 11.2.2 时间同步协议 11.2.3 时间同步方案 11.3 传感器标定 11.3.1 标定需求分析 11.3.2 量产标定总体方案 11.3.3 传感器生产线内参标定 11.3.4 整车生产线外参标定 11.3.5 外参故障诊断 11.3.6 在线外参标定 11.4 高精度地图系统适配 11.4.1 地图车云安全链路 11.4.2 地图下载和 新 11.4.3 车端地图渲染显示 11.5 泊车远程在线监控 11.5.1 数据生产端 11.5.2 数据传输端 11.5.3 数据使用端 11.6 数据闭环 11.6.1 车端数据生产 11.6.2 云端数据应用 11.7 软件OTA升级 11.8 小结 2章 关联零部件需求 12.1 兄弟齐心，其利断金