前言

近年來，隨著全球人工智能技術的發展，智能車輛技術得到了迅猛的發展。

2017年12月，北京市在國內首次發布關於自動駕駛上路測試的相關政策文件，進一步在全國範圍內掀起了智能車輛研究熱潮。

與智能車輛技術如火如荼的發展大潮不相配的是，人纔的緊缺。高等院校承擔著人纔培養的重任。北京理工大學機械工程2016版碩士研究生培養方案中已經增設了智能車輛相關課程。本書正是在北京理工大學研究生院的資助下，著手編寫的面向研究生的教材。

本書也是我們已經編寫出版的“無人駕駛車輛理論與設計”本科生教材的提高篇。在本科生教材中，我們從初學者更容易理解的感知、定位導航、路徑規劃以及路徑跟蹤等角度進行了介紹，更強調基礎知識。本書則主要考慮深度學習、強化學習等人工智能技術以及智能網聯技術在智能車輛的發展，同時結合研究生層次的培養特點進行撰寫。

全書共8章。第1章介紹了智能車輛研究範疇，並對人工智能、機器學習、深度學習以及濾波技術基礎進行了介紹。第2章從廣義的角度把智能車輛所用的視覺傳感器，分為主動視覺傳感器（如激光雷達）和被動視覺傳感器（如攝像機），並從使用主動視覺傳感器和使用被動視覺傳感器的角度介紹了智能車輛視覺技術，包括基於三維激光雷達的目標檢測、使用機器視覺（攝像機）的可通行區域檢測、視覺SLAM。第3章介紹了深度卷積神經網絡（Deep
Convolutional Neural Networks）、深度學習(Deep
Learning)基本框架結構；並通過實例介紹了深度學習在智能車輛目標檢測中的應用。第4章以基於網聯技術的多車編隊自動駕駛為例，介紹了智能網聯繫統結構、行車規則和編隊各車之間的信息傳輸規則及通信軟件結構；以V2V通信與車載傳感器信息融合的匝道入口避撞繫統為例，對比分析了有/無V2V通信以及二者信息融合的自動駕駛繫統；以基於V2V的遮擋情況下的AEB技術為例，介紹了必須引入V2X的自動駕駛場景，並分析了通信時延的影響。第5章介紹了智能車輛行為決策與類人駕駛，包括高速道路環境下智能車輛超車行為決策、無信號燈交叉口智能車輛行為決策以及基於強化學習的車輛跟馳問題的類人駕駛學習繫統。第6章介紹了智能車輛路徑規劃與速度規劃。第7章介紹了智能車輛模型預測控制方法。第8章介紹了基於ROS V-REP的智能車輛測試方法，以及考慮駕乘人員主觀感受的智能車輛主客觀評價方法。為了方便教學，書中適當章節增加了ORB-SLAM、Caffe
SSD、Prescan、ROS V-REP等相關實例分析。

本書由陳慧岩、熊光明、龔建偉、邸慧軍主編。北京理工大學智能車輛研究所教師翟湧、呂超、吳紹斌，博士研究生張玉、劉凱、王威、楊磊，碩士研究生堯玲、王超、李明紅、徐樂、朱寶昌、康子怡、楊天、丁澤亮、吳孟澤、周昌儀參加了部分章節的編寫及部分文字、圖表的修訂工作。

本書在編寫過程中參考了國內外公開發表的資料，在此向相關資料的作者表示感謝。

智能車輛理論仍在不斷發展過程中，我們將根據技術進展以及實際教學效果，及時修改完善本教材，歡迎社會各界提出意見和建議，以滿足智能車輛高層次人纔培養的需要。

編者