●第1章 智能駕駛簡介
1.1 智能駕駛的產生與發展
1.1.1 智能駕駛的萌芽
1.1.2 智能駕駛的發展
1.1.3 智能駕駛的未來
1.2 智能駕駛的不確定性
1.3 智能駕駛繫統
1.4 智能駕駛技術現狀
1.4.1 國外智能駕駛技術現狀
1.4.2 國內智能駕駛技術現狀
第2章 智能駕駛繫統的體繫架構
2.1 傳感器配置
2.1.1 傳感器的分類
2.1.2 傳感器比較
2.2 視覺傳感器
2.3 雷達傳感器
2.3.1 激光雷達
2.3.2 毫米波雷達
2.3.3 超聲波雷達
2.4 定位繫統
2.4.1 GPS和北鬥
2.4.2 差分定位技術
2.4.3 慣性導航繫統
2.4.4 姿態感知
2.5 控制繫統
2.5.1 車輛底層平臺
2.5.2 發動機的控制
2.5.3 轉向控制
2.5.4 制動控制
2.5.5 擋位控制
2.5.6 信號控制
第3章 深度學習與智能駕駛
3.1 深度學習概述
3.1.1 智能駕駛感知繫統
3.1.2 行人檢測
3.2 基於特征描述與分類器的行人檢測方法及技術
3.2.1 方向梯度直方圖檢測方法
3.2.2 基於深度學習模型的行人檢測方法
3.2.3 雙目攝像頭立體匹配檢測方法
3.2.4 多傳感器融合技術
3.3 端到端的智能駕駛方案
3.3.1 間接感知方案
3.3.2 直接感知方案
3.4 行為反射方案
參考文獻
第4章 智能駕駛的環境感知
4.1 概述
4.1.1 可行域檢測
4.1.2 目標跟蹤技術
4.1.3 半監督學習
4.2 基於協同學習的非結構化道路可行域檢測
4.2.1 協同訓練簡介
4.2.2 增量式支持向量機
4.2.3 直方圖反向投影器
4.2.4 在線協同學習
4.2.5 實驗結果分析
4.3 基於協同學習的目標跟蹤技術
4.3.1 基於半監督學習的視覺目標跟蹤概述
4.3.2 基於協同學習的粒子濾波方法
4.3.3 實驗結果分析
參考文獻
第5章 智能駕駛的融合感知
5.1 多源異構傳感器介紹
5.1.1 彩色視覺傳感器
5.1.2 三維激光雷達傳感器
5.1.3 其他傳感器
5.2 視覺傳感器的標定
5.2.1 基於Harris算法的角點識別
5.2.2 相機坐標與圖像像素坐標的轉換
5.2.3 多相機聯合標定
5.3 激光雷達傳感器的標定
5.3.1 點雲數據預處理
5.3.2 基於KD-Tree最近鄰空間距離的聚類算法
5.3.3 基於最小二乘法的標定板平面擬合
5.3.4 基於平面最小包圍框的標定板識別
5.3.5 多雷達聯合標定
5.4 視覺相機-激光雷達聯合自動標定
5.4.1 基於重投影法的空間同步標定
5.4.2 基於多線程的時間同步標定
5.5 基於深度學習的視覺雷達融合方法
5.5.1 融合方法概述
5.5.2 雷達稀疏數據的上采樣方法
5.5.3 數據集
5.5.4 目標分類
5.5.5 實驗結果
5.6 基於分層多視圖提案網絡的目標檢測與識別
5.6.1 激光雷達投影視圖
5.6.2 三維點雲的聚類
5.6.3 分層多視圖提案網絡結構
5.6.4 實驗及結果分析
第6章 智能駕駛決策
6.1 無人駕駛車輛的智能決策
6.2 駕駛行為選擇方法
6.2.1 不同交通環境中的駕駛行為
6.2.2 非結構化交通環境中的駕駛行為選擇方法
6.2.3 結構化交通環境中的駕駛行為選擇方法
6.3 無人駕駛車輛的路徑規劃
6.3.1 車輛的路徑規劃算法
6.3.2 非結構化交通環境中的路徑規劃方法
6.3.3 結構化交通環境中的路徑規劃方法
6.4 無人駕駛車輛的速度規劃
參考文獻
第7章 智能駕駛控制
7.1 車輛的建模方法
7.1.1 車輛的運動學建模
7.1.2 車輛單軌模型的動力學建模
7.1.3 車輛雙軌模型的動力學建模
7.2 車輛的跟蹤控制
7.3 車輛的避障控制
7.4 車輛的穩定性控制
7.4.1 常規車輛的防翻控制
7.4.2 四輪獨立驅動車輛的制動力分配控制
7.5 車輛的其他控制問題
7.5.1 車輛的魯棒性問題
7.5.2 車輛的特殊問題
參考文獻
第8章 智能駕駛的安全性
8.1 智能駕駛的安全問題
8.1.1 安全場
8.1.2 安全熵
8.2 功能安全
8.2.1 功能安全的作用
8.2.2 功能安全架構的分類
8.2.3 功能安全的發展趨勢
8.3 信息安全
參考文獻
第9章 智能駕駛的未來展望
9.1 智能駕駛的未來發展趨勢
9.2 智能網聯汽車
9.3 智能駕駛汽車產業化
9.3.1 國家產業政策
9.3.2 地方產業政策
參考文獻

本書在簡要介紹智能駕駛的產生與發展、智能駕駛技術現狀之後，提出了智能駕駛繫統的體繫架構，討論了深度學習與智能駕駛、智能駕駛的環境感知、智能駕駛的融合感知等相關內容，深入研究了智能駕駛決策與智能駕駛控制等問題。此外，本書還探討了智能駕駛的安全性問題，以及智能駕駛的未來展望。本書適合人工智能與智能駕駛領域的研究人員、管理人員以及廣大愛好者閱讀。