新書推薦：
《
津轻：日本无赖派文学代表太宰治自传性随笔集
》
售價：HK$
66.7
《
河流之齿
》
售價：HK$
59.8
《
新经济史革命：计量学派与新制度学派
》
售價：HK$
89.7
《
盗墓笔记之秦岭神树4
》
售價：HK$
57.3
《
逃不开的科技创新战争
》
售價：HK$
103.3
《
希腊文明3000年（古希腊的科学精神，成就了现代科学之源）
》
售價：HK$
82.8
《
粤行丛录（岭南史料笔记丛刊）
》
售價：HK$
80.2
《
岁月待人归：徐悲鸿自述人生艺术
》
售價：HK$
61.4
|
| 編輯推薦： |
|
熊光明，北京理工大学机械与车辆学院副教授，工学博士。长期从事智能车辆科研/教学工作，发表SCI/EI论文60多篇，编著有智能车辆相关书籍6部，授权国家发明专利二十余项。获2014年度汽车工程学会优秀论文奖。2015年获得北京理工大学优秀硕士生指导教师称号。2017年获得部级科技进步二等奖1项，获得兵器集团科技进步三等奖1项。编著“无人驾驶汽车概论”获得兵工高校优秀教材一等奖。2017年获北京理工大学优秀教学成果一等奖。编著“无人驾驶车辆理论与设计”获得2019年兵工高校精品教材和北京理工大学精品教材。2020年获北京理工大学优秀教学成果二等奖。2021年编写教材入选工信部十四五规划教材。
|
| 內容簡介： |
本书是《智能车辆理论与应用》一书的修订版（第2版），同时也是“智能车辆理论与应用”研究生慕课配套教材。全书共9章，包括：概述；智能车辆环境感知；深度学习及其在环境感知中的应用；智能车辆SLAM；智能车辆行为决策；智能车辆运动规划；智能车辆模型预测控制；智能网联；智能车辆测试方法与评价。
为了方便教学，书中增加了大量的实际操作案例，包括基于ROS框架的可通行区域检测、基于Python库scikit-learn的激光雷达点云负障碍检测、基于Adaboost与摄像机图像的车辆检测、采用ResNet模型使用Keras框架的场景识别、自制数据集并训练YOLO v5检测模型、ORB SLAM、ROS与V-REP联合仿真实现运动规划案例、综合测试案例等。
本书可作为高等院校机械工程、自动化、计算机等专业的研究生教材，也可供各类具有一定基础知识的智能车辆从业人员参考使用。
|
| 目錄：
|
第1章概论001
1.1智能车辆概述001
1.2人工智能概述002
1.3智能车辆体系结构005
第2章智能车辆环境感知009
2.1以斜坡为例的可通行区域检测009
2.1.1检测原理009
2.1.2场景构建010
2.1.3检测程序012
2.1.4操作步骤021
2.2基于机器学习与激光雷达点云的负障碍检测023
2.2.1三种机器学习算法介绍023
2.2.2数据采集与处理026
2.2.3基于Python库scikit-learn的实现028
2.3基于Adaboost与摄像机图像的车辆检测035
2.3.1分类器训练参数设置035
2.3.2正负样本的提供036
2.3.3训练分类器037
2.3.4使用级联分类器检测041
第3章深度学习及其在环境感知中的应用044
3.1卷积神经网络044
3.2越野环境场景识别047
3.2.1场景数据集047
3.2.2道路类型识别048
3.3目标检测模型及其在智能车上的应用057
3.3.1YOLO系列目标检测模型057
3.3.2应用案例060
3.4基于深度学习的车道线语义分割067
3.4.1车道线分割网络设计与训练067
3.4.2车道线检测网络的压缩与加速076
智能车辆理论与应用:慕课版（第2版）目录第4章智能车辆SLAM078
4.1SLAM概述078
4.2视觉SLAM081
4.2.1算法框架与前端搭建081
4.2.2图优化概述087
4.2.3非回环分层模型090
4.2.4ORB-SLAM运行及数据处理094
4.3激光雷达SLAM100
4.3.1激光雷达SLAM概述100
4.3.2基于特征概率栅格地图的激光雷达里程计101
4.3.3基于图优化的激光雷达SLAM后端110
第5章智能车辆行为决策117
5.1高速道路环境下智能车辆超车行为决策117
5.1.1基于层次状态机的超车行为建模119
5.1.2基于人工神经网络的超车意图产生122
5.1.3基于规则的超车条件判定126
5.2无信号灯十字交叉口智能车辆行为决策129
5.2.1无信号灯十字交叉口场景分析129
5.2.2基于模糊逻辑的驾驶员激进程度识别130
5.2.3基于相对驾驶激进程度的无信号灯交叉口决策方法131
5.3车辆跟驰类人驾驶学习系统134
5.3.1类人驾驶学习系统设计134
5.3.2强化学习与马尔可夫决策过程135
5.3.3Q Learning与NQL（Neural-Q Learning）137
5.3.4NQL求解过程140
5.3.5NQL算法流程142
5.4定距离跟驰仿真试验144
5.4.1仿真系统设计144
5.4.2定距离跟驰模型144
5.4.3试验结果与分析146
第6章智能车辆运动规划148
6.1概述148
6.1.1基于采样的运动规划算法148
6.1.2基于搜索的运动规划算法151
6.1.3基于优化的运动规划算法152
6.2静态环境下的运动规划153
6.2.1代价地图153
6.2.2运动规划154
6.2.3V-REP场景构建及仿真展示156
6.2.4ROS程序165
6.2.5参数解析167
6.3动态环境下的运动规划172
6.3.1碰撞检测方法172
6.3.2速度重规划算法176
6.3.3基于状态空间采样的路径规划算法181
第7章智能车辆模型预测控制184
7.1车辆动力学模型184
7.1.1定义坐标系184
7.1.2车辆动力学模型185
7.1.3轮胎模型186
7.2模型预测控制理论推导与求解186
7.2.1模型预测控制算法186
7.2.2非线性模型预测控制188
7.2.3线性时变模型预测控制190
7.3基于动力学模型的轨迹跟踪控制196
7.3.1预测模型196
7.3.2代价函数199
7.3.3优化求解200
7.4MATLAB仿真实例201
7.4.1代码介绍201
7.4.2仿真分析207
第8章智能网联215
8.1基于网联技术的多车编队自动驾驶215
8.1.1车辆编队总体方案216
8.1.2多车编队系统架构219
8.1.3编队车辆平台软件结构220
8.2基于V2X的红绿灯路口通行224
8.2.1单个红绿灯路口通行策略的制定224
8.2.2通行多个红绿灯路口方法229
8.2.3仿真试验232
8.3基于V2X的遮挡环境下智能车辆避撞行人239
8.3.1基于V2X的避撞系统239
8.3.2基于分级冲突区域的行人避撞方法241
8.3.3通信延时与丢包的影响分析245
第9章智能车辆测试与评价251
9.1基于ROS V-REP的智能车辆综合测试251
9.1.1安装ROS V-REP251
9.1.2安装依赖项257
9.1.3V-REP模型搭建259
9.1.4联合仿真测试262
9.2智能车辆测评体系281
9.2.1复杂交通环境下智能车辆性能测试内容281
9.2.2基于集成测试方法的性能测试282
9.2.3智能车辆性能测试环境构建283
9.2.4智能车辆性能评价方法284
参考文献287
|
| 內容試閱：
|
2018年，我们出版了本科生教材《无人驾驶车辆理论与设计》和研究生教材《智能车辆理论与应用》，其中《智能车辆理论与应用》一书是北京理工大学机械工程“智能车辆基础”专业核心课教材。
2019年，在北京理工大学教务部立项资助下，由本团队精心打造的“无人驾驶车辆”慕课在中国大学MOOC网站上线，该课程是针对初学者选材制作的。
2020年2月，国家发展和改革委员会等11部委联合发布《智能汽车创新发展战略》，这对进一步加快“智能车辆技术”人才培养提出了更高要求。
*高教司司长吴岩指出，融合了“互联网 ”“智能 ”技术的在线教学已经成为高等教育在教与学方面的重要发展方向。
2020年，“智能车辆基础”课程入选北京理工大学研究生教育培养综合改革项目（重点项目）——研究生网络共享课程建设项目。
项目组根据智能车辆技术发展成果和国家发展战略相关文件，着手准备研究生网络共享课程的制作，并同步开展《智能车辆理论与应用》一书的修订再版工作，在成体系的智能车辆技术人才培养模式上做出进一步的探索与实践，为智能车辆高端技术人才培养贡献力量。
修订后的内容共分9章。第1章在第1版的基础上，增加了目前智能车辆上广为应用的ROS的相关介绍。第2章是全新的内容，从应用的角度，结合基于ROS框架的可通行区域检测、基于（传统）机器学习与激光雷达点云的负障碍检测、基于Adaboost与摄像机图像的车辆检测等具体案例介绍智能车辆环境感知技术。第3章是全新的内容，介绍了越野环境场景识别、目标检测模型及其在智能车辆上的应用、基于深度学习的车道线语义分割等具体应用案例。第4章把SLAM作为独立的一章，体现出SLAM技术在智能车辆上的发展地位。第5章仍沿用第1版的内容。第6章是全新的内容，结合一个具体的ROS操作介绍了静态环境下的运动规划，并介绍了动态环境下的运动规划。第7章对第1版内容进行了修订，并增加了详细方案。第8章是全新的内容，从基于网联技术的多车编队自动驾驶、基于V2X的红绿灯路口通行方法、基于V2X的遮挡环境下智能车辆避撞行人等方面阐述了智能网联技术在智能车辆上的应用。第9章对第1版书中ROS VREP案例进行了详细介绍。
本次修订版由熊光明、于会龙、龚建伟、邸慧军执笔，由陈慧岩审稿。实验室教师吕超、吴绍斌，研究生陈晨、黄书昊、马君驿、于全富、杨天、李江南、周梦如等参加了部分章节的编写及部分文字、图表的修订工作。
本书撰写过程中融入了作者长期科研实践，参与这些实践项目并对本书内容做出贡献的研究生有张玉、陈建松、丁泽亮、韩雨、季开进、朱宝昌、王超然、王超、李明红、文巧稚、宋威龙、陈昕、徐优志等，在此向他们在实验室期间做出的贡献表示感谢。本书也参考了国内外公开发表的资料，也向相关资料的作者表示感谢。
本书的出版得到北京理工大学2020年研究生教育培养综合改革项目——研究生教材建设立项资助。
智能车辆理论仍在不断发展过程中，我们将根据技术进展以及实际教学效果持续改进提高。欢迎社会各界提出意见和建议。
|
|
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
