●第1章 概述
1.1 自動駕駛汽車介紹
1.1.1 自動駕駛汽車概念與分級
1.1.2 自動駕駛汽車關鍵技術
1.2 自動駕駛汽車的規劃與控制
1.2.1 概念與意義
1.2.2 路徑規劃
1.2.3 自動駕駛汽車控制
1.3 規劃控制中的機器學習基本思想
1.4 本章小結
參考文獻
第2章 全局路徑規劃
2.1 全局路徑規劃概述
2.2 車用地圖與導航技術
2.2.1 車用高精地圖
2.2.2 高精地圖與汽車導航
2.2.3 路徑規劃算法分類
2.2.4 Dijkstra算法
2.2.5 Floyd算法
2.2.6 A*算法
2.2.7 RRT算法
2.2.8 路徑規劃算法的發展
2.3 本章小結
參考文獻
第3章 汽車行為決策
3.1 汽車行為決策算法概述
3.2 交通環境行為預測
3.2.1 交通參與者行為預測
3.2.2 安全性評估算法
3.3 汽車行為決策理論
3.3.1 無人駕駛行為決策繫統
3.3.2 基於規則的行為決策
3.3.3 馬爾可夫決策過程
3.4 本章小結
參考文獻
第4章 汽車運動規劃
4.1 汽車可行駛區域生成
4.2 汽車局部軌跡規劃
4.2.1 局部軌跡生成主要方法
4.2.2 局部軌跡直接構造法
4.2.3 路徑速度分解法
4.2.4 機器學習在局部路徑規劃中的應用
4.3 駕駛舒適度評價體繫
4.4 本章小結
參考文獻
第5章 自動駕駛汽車控制
5.1 汽車運動控制理論
5.1.1 經典控制理論
5.1.2 現代控制理論
5.2 汽車模型
5.2.1 汽車動力學
5.2.2 汽車運動學
5.3 汽車運動控制
5.3.1 概述
5.3.2 預瞄跟隨控制
5.3.3 前饋控制
5.3.4 反饋控制
5.3.5 橫向控制
5.3.6 縱向控制
5.3.7 橫縱向協同控制
5.4 本章小結
參考文獻
第6章 基於Apollo平臺的決策與控制實踐
6.1 Apollo平臺安裝簡介
6.1.1 安裝Git LFS
6.1.2 下載Apollo源代碼
6.1.3 安裝Docker CE環境
6.1.4 編譯源代碼
6.1.5 啟動Apollo仿真平臺
6.2 基於本地Apollo環境的Planning模塊調試
6.2.1 進入Apollo環境
6.2.2 基於數據包制作相對地圖
6.2.3 Planning模塊運行調試
6.2.4 Planning模塊可配置參數文件
6.3 Apollo仿真平臺
6.3.1 仿真平臺的真實性
6.3.2 仿真平臺的全面性
6.3.3 仿真繫統的結構
6.3.4 動態變速仿真技術
6.3.5 仿真平臺實踐
6.4 Apollo案例分析
6.4.1 阿波龍
6.4.2 阿波牛
6.5 本章小結
參考文獻