《智慧型駕駛技術：路徑規劃與導航控制》是2020年6月機械工業出版社出版的圖書，作者是余伶俐、周開軍、陳白帆。
基本介紹
- 書名：智慧型駕駛技術：路徑規劃與導航控制
- 作者：余伶俐、周開軍、陳白帆
- 出版社：機械工業出版社
- 出版時間：2020年6月
- 頁數：228 頁
- 定價：79 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787111653271
內容簡介,作者簡介,目錄,
內容簡介
本書主要介紹智慧型駕駛技術的路徑規劃與導航控制，內容涉及基於視覺協同顯著性交通標誌牌檢測、地圖創建與全局路徑規劃、車輛行為決策與運動規劃、車輛軌跡跟蹤控制以及無模型智慧型駕駛控制技術。書中首先論述了基於聚類、顯著性線索分析以及幾何約束模型檢測交通標誌牌的方法。其次，闡述了基於ArcGis分析工具的地圖創建和全局路徑規劃方法。而後，探討了基於有限狀態機的駕駛行為決策方法，在此基礎上，利用RRT算法、曲線近似法、Frenet坐標系法分別實現了智慧型駕駛車輛運動規劃。接下來，研究基於深度強化學習的智慧型駕駛車輛路徑規劃方法。並完成了幾何規則的軌跡跟蹤控制，實現了智慧型駕駛公交的自主泊車。最後，研究了基於數據驅動的智慧型駕駛公交主動轉向控制方法，分別用仿真軟體PreScan和TruckSim進行了智慧型駕駛公車輛的仿真實驗。
本書可作為高等院校智慧型科學與技術、自動化、人工智慧等專業研究生或高年級本科生的專業基礎課程教材，亦可供人工智慧、智慧型駕駛、決策規劃、導航控制領域的廣大科技工作者閱讀和思考。
作者簡介
中南大學人工智慧系副教授，主持多項國家重點研發計畫子任務、湖南省科技重大專項子課題、國家自然科學基金等項目。承擔了兩期的中車時代電動汽車“智慧型駕駛決策與控制系統”開發，在湖南湘江新區與智慧公交示範運營線路上完成了3500 km測試，獲得了湖南省頒發的第一輛智慧型駕駛公車牌照。發表學術論文50多篇，申請發明專利25項，其中發明專利授權19項，獲批軟體著作權9項，編著專著/教材5部。為國家“智慧型科學系列課程”教學團隊成員，教育部“智慧型控制”資源共享課程主講教師之一，獲省級教學競賽一等獎、全國智慧型設計大賽優秀指導教師獎等。
周開軍
湖南工商大學教授、碩士生導師，美國布蘭戴斯大學國家複雜系統研究中心訪問學者，湖南省青年骨幹教師，湖南工商大學151人才。現任電子工程系主任，先後主持國家自然科學基金青年項目和面上項目、國家留學基金項目、省部級以上科研項目5項、產學研校企合作項目2項；在”Neurocomputing”、”Applied Intelligence”等期刊發表高水平論文40餘篇，申請國家發明專利5項，授權4項，出版學術專著1部，登記軟體著作權4項。兼任湖南省科技廳項目評審專家、湖南省電子信息研究會常務理事、中國自動化學會、湖南省人工智慧學會會員、”IEEE Journal of Selected Topics in Signal Processing”、”IEEE Access”等期刊審稿人。
陳白帆
中南大學副教授，碩士生導師，湖南省人工智慧學會副秘書長，湖南省自興人工智慧研究院副院長，長期從事智慧型駕駛、移動機器人等套用理論研究。先後主持國家自然科學基金項目、湖南省自然科學基金項目，參與國家自然科學基金重大計畫、國家重點研發計畫、湖南省科技重大專項子課題。發表高水平論文30餘篇，編著專著/教材3部。國家“智慧型科學系列課程”教學團隊成員，教育部“人工智慧”精品資源共享課程主講教師之一，國家十二五規劃教材、國家教育部科技進步一等獎教材“人工智慧及套用”作者之一。
目錄
前言
第1章 緒論 1
1.1 智慧型駕駛公車輛發展現狀 1
1.2 全局路徑規劃方法研究現狀 3
1.3 行為決策與運動規劃方法研究現狀 4
1.4 跟蹤控制方法研究現狀 5
參考文獻 6
第2章 基於視覺協同顯著性的交通標誌牌檢測 14
2.1 基於視覺協同顯著性的交通標誌牌檢測框架設計 14
2.1.1 基於聚類的圖間/圖內顯著性檢測模型子框架 15
2.1.2 幾何結構約束模型子框架 15
2.2 基於視覺協同顯著性的圖像檢測算法 18
2.2.1 基於聚類的視覺協同顯著性檢測 18
2.2.2 視覺顯著性線索分析 19
2.2.3 協同顯著圖的生成 20
2.2.4 各顯著性線索的特性分析 22
2.2.5 幾何結構約束模型 24
2.3 顯著性檢測實驗與分析 26
2.3.1 單圖像顯著性檢測實驗分析 26
2.3.2 圖像對協同顯著性檢測實驗分析 28
2.3.3 多圖像協同顯著性檢測實驗分析 29
2.3.4 運行速度測試分析 32
2.3.5 聚類數目影響分析 33
2.4 複雜場景中交通標誌牌的檢測實驗分析 34
2.5 本章小結 36
參考文獻 36
第3章 智慧型駕駛公車輛全局路徑規劃方法 40
3.1 基於ArcGIS地圖創建及全局規劃 41
3.1.1 ArcGIS系統概述 41
3.1.2 基於ArcGIS的地圖創建 42
3.1.3 基於ArcGIS網路分析工具的全局路徑規劃 55
3.2 最優路徑信息處理 56
3.2.1 全局坐標系轉換 56
3.2.2 全局路徑插值 57
3.3 地圖創建及全局規劃仿真實驗 58
3.4 本章小結 61
參考文獻 61
第4章 智慧型駕駛公車輛行為決策與運動規劃方法 64
4.1 基於分層有限狀態機的智慧型駕駛公車輛決策模型 64
4.1.1 頂層狀態機設計 65
4.1.2 底層狀態機設計 65
4.1.3 雙層擴展有限狀態機行為決策方法 67
4.1.4 基於分層有限狀態機的行為決策實驗 67
4.2 基於快速搜尋隨機樹的動態路徑規劃方法 70
4.2.1 RRT算法 70
4.2.2 基於起點與終點位姿約束的雙向RRT算法 71
4.2.3 基於起點與終點位姿約束的RRT算法仿真實驗 73
4.3 基於曲線近似的智慧型駕駛公車輛動態軌跡規劃方法 73
4.3.1 基於貝塞爾曲線的路徑平滑與拼接 74
4.3.2 基於約束的多項式動態軌跡規劃方法 79
4.4 基於Frenet坐標系的智慧型駕駛公車輛運動規劃方法 86
4.4.1 Frenet坐標系的建立 86
4.4.2 橫縱向軌跡解耦規劃 87
4.4.3 基於車輛約束的最優軌跡選擇 89
4.4.4 基於Frenet坐標系的軌跡規劃仿真實驗 90
4.5 智慧型駕駛公車輛行為決策與運動規劃方法套用實例 100
4.5.1 基於高精度地圖與紅外信標的智慧型駕駛公車輛自動啟停實現方法 100
4.5.2 智慧型駕駛公車輛行為決策與運動規劃實車實驗 103
4.6 本章小結 105
參考文獻 105
第5章 基於深度強化學習的智慧型駕駛公車輛路徑規劃方法 107
5.1 深度強化學習方法的理論講解 107
5.1.1 強化學習理論基礎 107
5.1.2 深度學習理論基礎 112
5.1.3 基於深度強化學習的路徑規劃概述 113
5.2 基於深度強化學習的網路模型構建 116
5.3 基於深度強化學習的環境模型構建 123
5.3.1 虛擬環境構建 123
5.3.2 環境模型套用策略 124
5.3.3 模型訓練 125
5.4 基於深度強化學習的路徑規劃實現方法 127
5.4.1 深度強化學習的算法框架 127
5.4.2 關鍵環境回報值選取 128
5.4.3 基於深度強化學習的路徑規劃方法實驗分析 130
5.4.4 多種軌跡規劃方法對比實驗分析 135
5.5 本章小結 143
參考文獻 143
第6章 智慧型駕駛公車輛軌跡跟蹤控制方法 146
6.1 智慧型駕駛公車輛運動學與動力學模型 146
6.1.1 運動學模型 146
6.1.2 動力學模型 147
6.2 智慧型駕駛公車輛軌跡跟蹤控制 149
6.2.1 基於航向預測的軌跡跟蹤控制及仿真 149
6.2.2 基於運動學模型的軌跡跟蹤控制 152
6.2.3 智慧型駕駛公車輛速度控制方法 155
6.3 智慧型駕駛公車輛自主泊車控制 158
6.3.1 基於Akerman轉向幾何的路徑規劃 159
6.3.2 基於車輛運動學模型及位置補償的控制器 160
6.3.3 智慧型駕駛公車輛自主泊車仿真驗證及實車實驗 161
6.4 基於PreScan的智慧型駕駛公車輛仿真環境 163
6.4.1 場景搭建 164
6.4.2 聯合仿真 172
6.5 本章小結 173
參考文獻 174
第7章 基於數據驅動的智慧型駕駛公車輛主動轉向控制方法 177
7.1 基於數據驅動的主動轉向控制系統概述 177
7.1.1 智慧型駕駛公車輛主動轉向控制系統概述 177
7.1.2 數據驅動控制方法概述 177
7.1.3 軌跡跟蹤誤差的向量描述 178
7.1.4 基於數據驅動的車輛模型線上辨識方法 179
7.1.5 基於數據驅動的主動轉向控制系統框架 181
7.2 基於自抗擾控制的主動轉向控制方法 182
7.2.1 自抗擾控制方法概述 182
7.2.2 自抗擾控制器設計 182
7.2.3 基於自抗擾控制的主動轉向控制器設計 188
7.3 基於無模型自適應的主動轉向控制方法 189
7.3.1 無模型自適應控制方法概述 189
7.3.2 基於預瞄偏差角的跟蹤控制方案 189
7.3.3 基於無模型自適應的主動轉向控制器設計 190
7.4 基於TruckSim的跟蹤控制仿真方法 191
7.4.1 聯合仿真平台的搭建 191
7.4.2 仿真環境下跟蹤控制性能驗證 199
7.4.3 控制器遷移至真實環境的可行性評估 203
7.5 本章小結 204
參考文獻 204
附錄 206
第8章 智慧型駕駛技術展望 213
8.1 智慧型駕駛路徑規劃技術展望 213
8.2 智慧型駕駛跟蹤控制技術展望 214
8.3 智慧型駕駛仿真環境展望 215
8.4 技術展望 216
8.5 本章小結 217
參考文獻 217
