新書推薦：
《
Python贝叶斯深度学习
》
售價：HK$
89.4
《
文本的密码：社会语境中的宋代文学
》
售價：HK$
67.2
《
启微·狂骉年代：西洋赛马在中国
》
售價：HK$
78.4
《
有趣的中国古建筑
》
售價：HK$
67.0
《
十一年夏至
》
售價：HK$
76.2
《
如何打造成功的商业赛事
》
售價：HK$
89.5
《
万千教育学前·透视学前儿童的发展：解析幼儿教师常问的那些问题
》
售價：HK$
58.2
《
慈悲与玫瑰
》
售價：HK$
87.4
|
| 內容簡介： |
|
《现代测绘技术与智能驾驶》围绕现代测绘技术在智能驾驶中的应用与发展，从智能驾驶的底层逻辑到顶层设计，从单车智能驾驶到车路协同智能驾驶，从算法设计到应用，较全面地介绍智能驾驶技术，包括现代测绘科学的形成与发展、智能驾驶系统构成、基于视觉和激光点云的环境探测、面向智能驾驶的高精度地图、智能驾驶自主定位技术、智能驾驶规划与控制技术、车路协同智能驾驶等内容及智能驾驶未来发展展望。
|
| 目錄：
|
目录
第1章 绪论 1
1.1 智能驾驶的一般理解与意义 1
1.2 智能驾驶发展现状 4
1.2.1 智能驾驶发展历史 4
1.2.2 国外智能驾驶研究现状 10
1.2.3 国内智能驾驶研究现状 17
1.3 现代测绘技术发展与智能驾驶 21
1.3.1 导航定位与智能驾驶 21
1.3.2 地理信息与智能驾驶 23
1.3.3 高精度地图与智能驾驶 27
参考文献 29
第2章 智能驾驶系统构成 36
2.1 智能驾驶系统平台综述 36
2.2 智能驾驶系统结构 38
2.2.1 从单车智能到智能网联 38
2.2.2 平台体系分层 39
2.3 车辆线控底盘 40
2.4 传感器及其集成 41
2.4.1 传感器分类 41
2.4.2 时间同步 43
2.5 智能驾驶域控制器 43
2.6 智能驾驶软件算法设计 44
参考文献 45
第3章 基于视觉的环境探测 47
3.1 智能驾驶中的机器视觉 47
3.1.1 机器视觉的三个层次 48
3.1.2 智能驾驶中常用的视觉特征 48
3.1.3 智能驾驶中常用的特征分类 51
3.2 车道线检测与跟踪 53
3.2.1 车道线检测框架 53
3.2.2 边缘特征提取 53
3.2.3 基于B-snake模板的车道线检测算法 54
3.2.4 基于车道模型和EKF的车道线检测算法 56
3.2.5 基于深度学习的车道线检测 59
3.3 行人目标检测 61
3.3.1 行人检测算法框架 61
3.3.2 目标特征提取 61
3.3.3 特征分类 61
3.3.4 行人检测与跟踪算法 63
3.4 车辆检测及跟踪 67
3.4.1 车辆检测算法框架 67
3.4.2 车辆检测算法 68
3.4.3 车辆跟踪算法 70
3.5 交通标牌与交通灯识别 71
3.5.1 概述 71
3.5.2 交通标牌与交通灯识别难点 72
3.5.3 交通标牌与交通灯识别方法 72
3.5.4 交通标牌与交通灯识别的异同 78
参考文献 79
第4章 基于激光点云的实时环境探测 81
4.1 激光雷达与智能驾驶的发展 81
4.1.1 激光雷达测距原理 81
4.1.2 激光雷达发展简史 83
4.1.3 激光雷达成像原理 83
4.1.4 激光雷达在智能驾驶中的应用 87
4.1.5 激光雷达在自主车的安装发展 89
4.2 激光点云数据处理 94
4.2.1 点云数据采集过程 95
4.2.2 点云数据坐标计算 96
4.2.3 点云数据结构化处理 97
4.2.4 点云数据点特征提取 100
4.2.5 点云数据直线段提取 102
4.2.6 点云数据平面段提取 104
4.3 道路动态目标检测与跟踪 107
4.3.1 目标建模 108
4.3.2 目标检测方法 110
4.3.3 目标跟踪方法 116
参考文献 121
第5章 面向智能驾驶的高精度地图 127
5.1 传统导航地图的产生和发展 127
5.1.1 导航电子地图的兴起 127
5.1.2 地图空间实体数据结构 128
5.1.3 导航电子地图的内容 129
5.1.4 导航电子地图的数据库标准和格式 130
5.1.5 导航电子地图的制作流程 132
5.2 高精度地图的表达和生成 133
5.2.1 高精度地图的概念 133
5.2.2 高精度地图的格式规范 135
5.2.3 高精度地图的采集 140
5.2.4 高精度地图的制作流程 141
5.3 地图辅助智能驾驶应用 142
5.3.1 地图与智能驾驶的关系 142
5.3.2 高精度地图辅助智能驾驶的应用 143
参考文献 144
第6章 智能驾驶自主定位技术 149
6.1 坐标基准及转换 149
6.1.1 坐标系及姿态表达 149
6.1.2 传感器模型 154
6.1.3 Kalman滤波 160
6.2 GNSS/INS组合导航定位技术 163
6.2.1 惯性导航机械编排 164
6.2.2 GNSS/INS组合导航模型 168
6.3 即时定位与构图技术 173
6.3.1 SLAM技术的分类 174
6.3.2 基于概率的SLAM模型 177
6.3.3 基于扩展Kalman滤波的SLAM 模型 179
6.3.4 SLAM/INS组合导航模型 181
6.3.5 GNSS/INS/SLAM组合导航模型 183
6.4 基于高精度地图的定位技术 187
6.4.1 基于特征地图的定位 187
6.4.2 基于拓扑地图的定位 193
6.4.3 基于栅格概率地图的定位 199
参考文献 204
第7章 智能驾驶规划与控制技术 212
7.1 智能驾驶决策与规划系统概述 212
7.1.1 城市环境下智能驾驶车辆决策设计面临的问题 212
7.1.2 武汉大学智能驾驶车辆的决策系统 214
7.2 路径规划算法 218
7.2.1 路径规划算法概述 218
7.2.2 图搜索类算法 221
7.2.3 采样类算法 225
7.2.4 基于Anytime和CL_SST的规划系统 229
7.2.5 基于动态规划的智能驾驶路径规划系统 249
7.3 路径跟踪控制方法 258
7.3.1 控制系统概述 258
7.3.2 智能驾驶车辆横向控制算法 259
7.3.3 典型几何跟踪控制器 261
7.3.4 CF_Pursuit的设计 263
7.3.5 横向控制器对比试验 268
参考文献 271
第8章 车路协同智能驾驶 277
8.1 车路协同概述 277
8.1.1 国外车路协同技术发展 277
8.1.2 国内车路协同技术发展 278
8.1.3 车路协同智能驾驶系统来临 279
8.2 智能路侧系统 279
8.2.1 智能路侧系统的发展 279
8.2.2 智能路侧系统的特点 280
8.2.3 智能路侧系统的基本原理及设计 281
8.3 智能网联汽车 291
8.3.1 智能网联汽车的系统框架 291
8.3.2 智能网联汽车的安全防护设计 291
8.4 基于5G的车路协同智能驾驶系统 293
8.4.1 基于5G的车路协同智能驾驶系统关键子系统 293
8.4.2 车路协同系统测试与验证 295
8.5 车路协同系统面临的挑战 296
参考文献 297
第9章 智能驾驶未来发展展望 298
9.1 智能驾驶发展综述 298
9.2 智能驾驶高精度地图及定位技术 299
9.2.1 智能驾驶地图 299
9.2.2 智能驾驶定位技术 299
9.2.3 地图与定位技术面临的挑战 300
9.3 对抗攻击与安全防护 300
9.3.1 智能驾驶系统安全 301
9.3.2 智能驾驶安全发展趋势 302
9.4 “小特慢”场景应用 304
9.4.1 自主导航机器人应用 304
9.4.2 封闭园区/景区/厂区车 305
9.4.3 末端物流配送 307
参考文献 307
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
