包邮智能汽车传感器:原理·设计·应用

第1章 智能汽车传感器概述 1.1 汽车智能化 001 1.1.1 什么是智能化？ 001 1.1.2 汽车智能化的重要载体——ADAS 002 1.2 汽车传感器基础知识 005 1.2.1 常见的汽车传感器有哪些？ 006 1.2.2 传感器在汽车安全系统上的应用 010 1.2.3 传统燃油汽车常用传感器解析 011 1.2.4 看图了解汽车传感器的安装位置 016 1.3 自动驾驶相关传感器对比 023 1.3.1 不同传感器市场规模比较 023 1.3.2 不同传感器性能比较 023 1.4 智能汽车传感器发展现状与趋势 025 1.4.1 智能汽车传感器发展现状 025 1.4.2 智能汽车传感器发展趋势 030 第2章 车载摄像头 035 2.1 车载摄像头概述 035 2.2 产业应用：特斯拉FSD全视觉智能驾驶 036 2.2.1 什么是FSD ？ 036 2.2.2 FSD 发展历史 036 2.2.3 FSD 为什么要采用端到端技术？ 037 2.2.4 FSD 核心架构 038 2.2.5 端到端的核心算法 041 2.3 车载摄像头ISP 技术 049 2.3.1 什么是ISP ？ 049 2.3.2 自动驾驶系统中ISP的特殊性 050 2.3.3 ISP 图像质量调试 053 2.4 车载摄像头发展趋势 057 2.4.1 市场方面 057 2.4.2 产业链方面 071 第3章 激光雷达 3.1 激光雷达概述 077 3.1.1 激光雷达的作用与发展历程 077 3.1.2 激光雷达技术分类 080 3.1.3 激光雷达系统的组成与参数 081 3.2 激光雷达的不同技术路线对比 083 3.2.1 单线与多线 083 3.2.2 ToF 与FMCW 084 3.2.3 EEL 与VCSEL 085 3.2.4 905nm 波长与1550nm 波长 087 3.3 激光雷达应用 087 3.3.1 激光雷达应用图示 087 3.3.2 激光雷达为自动驾驶困境提供解决方案 089 3.4 激光雷达标定 092 3.4.1 单线激光雷达标定 092 3.4.2 多线激光雷达标定 093 3.4.3 常用的一些标定方法 096 3.4.4 外部搜索 099 3.4.5 激光雷达与摄像头的时空标定 100 3.5 激光雷达产业链 107 第4章 4D毫米波雷达 4.1 4D 毫米波雷达概述 109 4.2 4D 毫米波雷达的信号处理流程 110 4.3 提高分辨率的方法 113 4.4 外部校准 113 4.5 基于学习的雷达点云生成 113 4.6 感知应用 116 4.7 定位和地图应用 119 4.8 未来发展趋势 121 第5章 超声波传感器 5.1 超声波传感器概述 122 5.1.1 超声波传感器基础知识 122 5.1.2 超声波系统理论 126 5.1.3 超声波传感过程的影响因素 131 5.1.4 超声波传感器的发展趋势 133 5.2 超声波传感器应用场景 134 5.2.1 超声波传感器在汽车上的应用图示 134 5.2.2 超声波传感器在ADAS 中的具体应用 136 第6章 智能汽车传感器标定技术 6.1 机器视觉：摄像头标定技术 139 6.1.1 成像几何模型 139 6.1.2 典型标定方法 141 6.1.3 自动驾驶中的摄像头标定 141 6.2 用OpenCV（C++）实现摄像头/ 图像的畸变校正 147 6.3 摄像头内外参标定实例 150 6.4 摄像头和激光雷达联合标定实例 153 6.4.1 所需软件与开发步骤 153 6.4.2 联合校准 154 第7章 智能汽车传感器融合技术 7.1 视觉方案与多传感器融合方案 160 7.1.1 视觉方案与多传感器融合方案概述 160 7.1.2 传感器融合（软件） 162 7.2 多传感器后融合技术 163 7.2.1 自动驾驶模块化的传感器后融合方法 163 7.2.2 FOP-MOC 模型 165 7.3 多传感器前融合技术 166 7.3.1 MV3D 166 7.3.2 AVOD 167 7.3.3 F-PointNet 169 7.4 多传感器硬件系统的设计思路 170 7.5 多传感器系统的同步 170 7.6 多传感器融合算法 174 7.7 基于卡尔曼滤波/扩展卡尔曼滤波的感知融合 177 7.8 传感器融合后的应用示例 178 附录 智能驾驶功能中英文对照 参考文献