內容簡介
《無人駕駛:人工智慧如何顛覆汽車(雙色版)》是為從事無人駕駛車輛(智慧型網聯汽車)開發相關工作人員的入門技術書。作者分享了他們打造無人駕駛車輛系統的實踐經驗。《無人駕駛:人工智慧如何顛覆汽車(雙色版)》由9章組成,第1章概述了無人駕駛系統;第2章著重介紹無人駕駛車輛定位技術;第3章討論了傳統的環境感知技術;第4章討論基於深度學習的環境感知技術;第5章介紹了行為預測和路徑規劃技術;第6章著重介紹運動決策、規劃與控制子系統的反饋控制;第7章介紹基於增強學習的規劃和控制技術;第8章深入研究無人駕駛客戶端系統的設計細節;第9章詳細介紹了無人駕駛雲平台。
《無人駕駛:人工智慧如何顛覆汽車(雙色版)》對在校學生、研究人員和相關從業人員都大有益處。無論你是本科生還是研究生,只要對無人駕駛感興趣,都可以在這裡找到無人駕駛技術的全面介紹。
圖書目錄
第1章無人駕駛系統簡介
1.1無人駕駛技術概述/002
1.2無人駕駛算法/002
1.2.1感測/003
1.2.2感知/004
1.2.3目標識別與跟蹤/006
1.2.4決策/006
1.3無人駕駛客戶端系統/008
1.3.1機器人作業系統/008
1.3.2硬體平台/011
1.4無人駕駛雲平台/011
1.4.1仿真模擬/011
1.4.2高精度地圖生成/012
1.4.3深度學習模型訓練/013
1.5一切剛剛開始/014
第2章無人駕駛車輛的定位系統
2.1採用全球導航衛星系統定位/015
2.1.1GNSS概述/015
2.1.2GNSS誤差分析/017
2.1.3星基增強系統/018
2.1.4載波相位差分技術和差分GNSS/019
2.1.5精確點定位/020
2.1.6全球定位系統和慣性導航系統的融合/022
2.2採用雷射雷達和高精度地圖定位/023
2.2.1雷射雷達概述/023
2.2.2高精度地圖概述/026
2.2.3雷射雷達和高精度地圖定位/030
2.3視覺里程計/034
2.3.1立體視覺里程計/035
2.3.2單目視覺里程計/036
2.3.3視覺慣性里程計/036
2.4航位推算和輪式里程計/038
2.4.1輪式編碼器/038
2.4.2輪式里程計誤差/039
2.4.3減少輪式里程計誤差/040
2.5多感測器融合/042
2.5.1卡內基梅隆大學無人駕駛城市挑戰賽車Boss/042
2.5.2史丹福大學無人駕駛城市挑戰賽車Junior/044
2.5.3梅賽德斯賓士無人駕駛車Bertha/045
參考文獻/047
第3章無人駕駛的感知系統
3.1概述/051
3.2數據集/052
3.3目標識別/054
3.4語義分割/056
3.5立體視覺、光流和場景流/058
3.5.1立體視覺與深度信息/058
3.5.2光流/059
3.5.3場景流/059
3.6目標跟蹤/061
3.7總結/063
參考文獻/064
第4章深度學習在無人駕駛感知系統中的套用
4.1卷積神經網路/068
4.2目標檢測/069
4.3語義分割/072
4.4立體視覺和光流/075
4.4.1立體視覺/075
4.4.2光流/076
4.5總結/079
參考文獻/080
第5章預測與路徑規劃
5.1規劃與控制模組概覽/082
5.1.1架構:廣義上的規劃與控制/082
5.1.2各個模組的範圍:以模組的方式解決問題/084
5.2交通預測/087
5.2.1將行為預測作為分類問題/088
5.2.2車輛軌跡生成/093
5.3車道級的路徑規劃/094
5.3.1為路徑規劃創建權重有向圖/096
5.3.2典型的路徑規划算法/098
5.3.3規劃圖損失:強弱路徑規劃/102
5.4總結/103
參考文獻/103
第6章決策、規劃和控制
6.1行為決策/105
6.1.1馬爾可夫決策過程方法/107
6.1.2基於場景的分治法/109
6.2運動規劃/116
6.2.1車輛模型、道路模型、SL坐標系/118
6.2.2劃分為路徑規劃和速度規劃的運動規劃/119
6.2.3劃分為縱向規劃和橫向規劃的運動規劃/126
6.3反饋控制/130
6.3.1腳踏車模型/130
6.3.2PID控制/132
6.4總結/133
參考文獻/134
第7章基於增強學習的規劃和控制
7.1概述/136
7.2增強學習/138
7.2.1Q?學習/140
7.2.2ACTOR?CRITIC方法/144
7.3無人駕駛中基於學習的規劃和控制/146
7.3.1行為決策中的增強學習/147
7.3.2基於增強學習的規劃和控制/147
7.4總結/150
參考文獻/150
第8章無人駕駛客戶端系統
8.1無人駕駛系統:一個複雜的系統/152
8.2無人駕駛的作業系統/154
8.2.1ROS綜述/154
8.2.2系統可靠性/156
8.2.3性能最佳化/157
8.2.4資源管理與安全性/157
8.3計算平台/158
8.3.1計算平台的實現/158
8.3.2現有的計算解決方案/159
8.3.3計算機體系結構設計的探索/160
參考文獻/164
第9章無人駕駛雲平台
9.1概述/165
9.2基礎架構/166
9.2.1分散式計算框架/167
9.2.2分散式存儲/167
9.2.3異構計算/168
9.3仿真模擬/170
9.3.1BinPipeRDD/171
9.3.2連線ROS與Spark引擎/172
9.3.3性能表現/173
9.4模型訓練/173
9.4.1為什麼使用S
作者簡介
劉少山博士是PerceptIn的主席和創始人之一,他的研究重點是計算機架構、大數據平台、深度學習基礎框架和機器人技術,他曾擔任百度矽谷無人駕駛系統團隊負責人。
李力耘博士現於百度矽谷研究中心擔任
軟體架構師。作為百度無人駕駛團隊的早期成員之一,他一直在主導和推進其無人駕駛技術的開發,包括百度無人駕駛車輛的智慧型行為決策、運動規劃和車輛控制等。
吳雙博士現為Yitu公司科學家,曾擔任百度矽穀人工智慧型實驗室高級研究員,在百度USDC擔任高級架構師。
瓊盧克﹒高迪奧特(JeanLuc Gaudiot)博士目前擔任
加州大學歐文分校電子工程和計算機科學系教授,他曾擔任IEEE內部多種職位,並於2017年當選為IEEE計算機協會主席。