●1 無人車：正在開始的未來 1 1.1 正在走來的無人駕駛 2 1.2 自動駕駛的分級 4 1.3 無人駕駛繫統簡介 7 1.4 序幕剛啟 18 1.5 參考資料 18 2 光學雷達在無人駕駛技術中的應用 21 2.1 無人駕駛技術簡介 21 2.2 光學雷達基礎知識 22 2.3 LiDAR在無人駕駛技術中的應用領域 24 2.4 LiDAR技術面臨的挑戰 26 2.5 展望未來 28 2.6 參考資料 28 3 GPS及慣性傳感器在無人駕駛中的應用 30 3.1 無人駕駛定位技術 30 3.2 GPS簡介 31 3.3 慣性傳感器簡介 34 3.4 GPS和慣性傳感器的融合 36 3.5 結論 37 3.6 參考資料 38 4 基於計算機視覺的無人駕駛感知繫統 39 4.1 無人駕駛的感知 39 4.2 KITTI數據集 40 4.3 計算機視覺能幫助無人車解決的問題 42 4.4 Optical Flow和立體視覺 43 4.5 物體的識別與追蹤 45 4.6 視覺裡程計算法 47 4.7 結論 48 4.8 參考資料 49 5 卷積神經網絡在無人駕駛中的應用 50 5.1 CNN簡介 50 5.2 無人駕駛雙目3D感知 51 5.3 無人駕駛物體檢測 54 5.4 結論 59 5.5 參考資料 59 6 增強學習在無人駕駛中的應用 61 6.1 增強學習簡介 61 6.2 增強學習算法 63 6.3 使用增強學習幫助決策 68 6.4 無人駕駛的決策介紹 70 6.5 參考資料 74 7 無人駕駛的規劃與控制 75 7.1 規劃與控制簡介 75 7.2 路由尋徑 77 7.3 行為決策 84 7.4 動作規劃 93 7.5 反饋控制 101 7.6 無人車規劃控制結語 105 7.7 參考資料 105 8 基於ROS的無人駕駛繫統 108 8.1 無人駕駛：多種技術的集成 108 8.2 機器人操作繫統（ROS）簡介 110 8.3 繫統可靠性 115 8.4 繫統通信性能提升 116 8.5 繫統資源管理與安全性 117 8.6 結論 118 8.7 參考資料 118 9 無人駕駛的硬件平臺 120 9.1 無人駕駛：復雜繫統 120 9.2 傳感器平臺 121 9.3 計算平臺 140 9.4 控制平臺 150 9.5 結論 157 9.6 參考資料 158 10 無人駕駛繫統安全 160 10.1 針對無人駕駛的安全威脅 160 10.2 無人駕駛傳感器的安全 160 10.3 無人駕駛操作繫統的安全 162 10.4 無人駕駛控制繫統的安全 163 10.5 車聯網通信繫統的安全性 165 10.6 安全模型校驗方法 168 10.7 參考資料 169 11 基於Spark與ROS的分布式無人駕駛模擬平臺 171 11.1 無人駕駛模擬技術 171 11.2 基於ROS的無人駕駛模擬器 173 11.3 基於Spark的分布式的模擬平臺 175 11.4 結論 178 11.5 參考資料 178 12 無人駕駛中的高精度地圖 180 12.1 電子地圖分類 180 12.2 高精度地圖的特點 183 12.3 高精度地圖的生產 185 12.4 無人駕駛場景中的應用 188 12.5 高精度地圖的現狀與結論 190 12.6 參考資料 191 13 無人駕駛的未來 192 13.1 無人駕駛的商業前景 192 13.2 無人車面臨的障礙 194 13.3 無人駕駛產業 198 13.4 全球化下的無人駕駛 203 13.5 無人駕駛發展對策 205 13.6 可預見的未來 207 13.7 參考資料 208
內容簡介
無人駕駛是人工智能發展到2017年的綜合能力展現，是一個復雜的繫統，涉及的技術點種類多且跨度大，入門者常常不知從何入手。本書首先宏觀地呈現了無人駕駛的整體技術架構，概述了無人駕駛中涉及的各個技術點。 在讀者對無人駕駛技術有了宏觀認識後，本書深入淺出地講解了無人駕駛定位導航、感知、決策與控制等算法、深度學習在無人駕駛中的應用、無人駕駛繫統軟件和硬件平臺、無人駕駛安全以及無人駕駛雲平臺等多個主要技術點。 本書的作者都是無人駕駛行業的從業者與研究人員，有著多年無人駕駛及人工智能技術的實戰經驗。
