高级检索结果页
欢迎来到工程科技数字图书馆 登录 注册
关于我们
 
您当前的位置:图书 > 智能汽车关键技术与设计方法

智能汽车关键技术与设计方法

ISBN:
版印次:
作者:
出版时间:
定价:

本书第1章回顾了智能汽车的发展历程和现状,并从个人、交通系统和社会等不同层面分析了智能汽车的意义,介绍了智能汽车主要的发展路线和趋势。第2章以智能汽车系统构架为对象,阐述了智能汽车的基本构架与构建方法,并分别从硬件构架和软件构架两个角度探讨了智能汽车的基础软硬件模块。第3章着重介绍了智能汽车环境感知技术,从道路的理解到车辆的识别,从机器学习再到深度学习,提出了相关的具体解决方法,并通过实验进行了可行性验证。第4章从智能汽车控制的角度出发,介绍了智能汽车紧急控制策略,在理论上进行了详尽的分析与论证,提出了相关的控制策略,并通过仿真验证了策略的有效性和可靠性。第5章针对智能汽车的导航定位技术,从高精地图、DR到视觉里程计,重点介绍了基于DR与地图匹配相结合的导航定位方法。第6章介绍了智能汽车的测试方法,分析了现行技术条件下国内外智能汽车测试方法,展示了当前全球最先进的汽车测试基础设施与条件。最后,第7章讨论了智能汽车发展所面临的挑战和未来的发展趋势。

丛书总序
推荐序一
推荐序二
前言
第1章 绪论
 1.1 智能汽车的发展和现状
 1.2 智能汽车的意义
  1.2.1 智能汽车对个人的意义
  1.2.2 智能汽车对交通系统的意义
  1.2.3 智能汽车对社会的意义
 1.3 智能汽车的分级
 1.4 智能汽车的关键技术
 1.5 智能汽车的技术路线
 1.6 智能汽车时代的来临
 参考文献
第2章 智能汽车的系统构架与主要构成
 2.1 智能汽车的系统构架
  2.1.1 分层递阶式系统构架
  2.1.2 反应式系统构架
  2.1.3 混合式系统构架
 2.2 智能汽车的硬件系统构架
  2.2.1 智能汽车计算平台
  2.2.2 智能汽车常用传感器
 2.3 智能汽车的软件系统构架
  2.3.1 主机操作系统
  2.3.2 中间层运行框架
  2.3.3 应用层
 2.4 智能汽车的通信系统
  2.4.1 智能汽车车内通信
  2.4.2 智能汽车与V2X技术
 参考文献
第3章 智能汽车环境感知技术
 3.1 相机模型与李群和李代数基础
  3.1.1 相机坐标系的定义
  3.1.2 欧式空间坐标转换
  3.1.3 李群和李代数基础
 3.2 KITTI数据集介绍
  3.2.1 KITTI数据集采集平台
  3.2.2 KITTI数据集的类型
  3.2.3 KITTI数据集的格式介绍
 3.3 基于多特征融合的道路理解方法
  3.3.1 道路环境理解算法架构
  3.3.2 基于特征融合的道路区域分割
  3.3.3 道路建模与随动方向滤波器
  3.3.4 基于置信度函数的道路标线识别
  3.3.5 基于粒子对滤波的道路线跟踪
  3.3.6 试验结果与分析
 3.4 基于机器学习和粒子滤波的前方车辆识别
  3.4.1 前方车辆识别问题与方法
  3.4.2 路面区域提取方法
  3.4.3 基于机器学习的车辆分层级联识别
  3.4.4 基于粒子滤波的多目标跟踪
  3.4.5 试验结果与分析
  3.4.6 本节小结
 3.5 基于深度学习的环境感知方法
  3.5.1 神经网络
  3.5.2 卷积神经网络
  3.5.3 CNN在智能汽车环境感知中的应用
 3.6 基于激光雷达的感知技术
  3.6.1 激光雷达基础
  3.6.2 LiDAR的外参数标定
  3.6.3 障碍物检测
 参考文献
第4章 智能汽车紧急控制策略
 4.1 转向避撞效能及可行性分析
  4.1.1 避撞所需最短纵向距离
  4.1.2 不同避撞方式的安全收益
  4.1.3 不同避撞方式对环境感知能力的要求
  4.1.4 不同避撞方式对执行器的要求
 4.2 临界距离分析
  4.2.1 制动所需的最短纵向距离
  4.2.2 转向避撞所需的最短纵向距离
 4.3 自动紧急控制
  4.3.1 驾驶员触发型紧急转向辅助控制
  4.3.2 矫正型紧急转向辅助控制
  4.3.3 AEB算法的优化
 4.4 制动转向协调避撞控制
  4.4.1 车辆模型
  4.4.2 环境模型
  4.4.3 驾驶员模型
  4.4.4 制动转向协调避撞控制
 4.5 本章小结
 参考文献
第5章 智能汽车的导航定位技术
 5.1 基于高精地图的匹配定位技术
  5.1.1 高精地图VS传统导航地图
  5.1.2 高精地图的绘制与测评
  5.1.3 基于高精地图三维点云的车辆匹配定位方法
  5.1.4 高精地图的未来发展与挑战
 5.2 基于DR和MM组合的车辆定位方法
  5.2.1 航位推算技术
  5.2.2 地图匹配技术
  5.2.3 基于卡尔曼滤波器的DR和MM定位信息的融合
  5.2.4 本节小结
 5.3 视觉里程计
  5.3.1 视觉里程计概述
  5.3.2 对极几何
  5.3.3 PnP算法原理简介[7]
  5.3.4 直接法
  5.3.5 本节小结
 参考文献
第6章 智能汽车试验验证技术
 6.1 智能汽车试验验证面临的挑战
 6.2 智能汽车试验验证技术的介绍
  6.2.1 智能汽车测试验证机理
  6.2.2 ADAS测试评价方法
  6.2.3 高等级自动驾驶车辆测试评价方法
 6.3 智能网联汽车综合试验场
  6.3.1 国外智能网联汽车综合试验场
  6.3.2 国内智能网联汽车专用试验场
 参考文献
第7章 智能汽车的挑战与未来
 7.1 智能汽车面临的挑战
  7.1.1 法律上的挑战
  7.1.2 责任判定上的挑战
  7.1.3 个人隐私权的挑战
  7.1.4 成本提高带来的挑战
  7.1.5 汽车厂商和互联网厂商合作上的挑战
  7.1.6 汽车安全的挑战
 7.2 自动驾驶给人类带来的变化
  7.2.1 市场份额变化
  7.2.2 商业模式的颠覆
  7.2.3 人们思想的改变
 7.3 智能汽车发展策略
  7.3.1 信息系统
  7.3.2 识别系统
  7.3.3 控制系统
 7.4 可预见的未来
  7.4.1 关键的节点:2020年
  7.4.2 混合时代:2020~2050年
  7.4.3 真正的自动驾驶时代:2050年以后
 参考文献

机工科技数字图书馆