本书介绍智能车辆的决策、规划与控制。包括：第1章绪论，第2章智能车辆自主决策理论与方法，第3章智能车辆规划与控制基础，第4章智能车辆轨迹规划理论与方法，第5章智能车辆跟随控制理论与方法。本书结合具体应用案例进行讲解，扫描书中章节案例中的二维码可获取源代码；每章结尾附有精选习题，方便读者对内容进行巩固和理解。
本书可作为高等院校智能车辆方向研究生与高年级本科生教材，亦可为从事智能车辆研究的科研人员和企业人员进行参考。

第1章 绪论
1.1 智能汽车的基本模块与分级
1.2 国外智能汽车发展历程
1.2.1 从“机”到“电”——无线电遥控汽车
1.2.2 新希望的出现——机器视觉的引入
1.2.3 自动驾驶技术的推进——美国ALV计划
1.2.4 从理论转变为现实——CMU的NavLab
1.2.5 以竞赛促技术发展——美国的DARPA挑战赛
1.2.6 智能汽车的“遍地开花”
1.3 中国智能汽车的发展历程
1.3.1 中国的“CMU”——国防科技大学
1.3.2 中国的“DARPA”——中国智能车未来挑战赛
1.3.3 中国的“谷歌”——百度
1.4 智能汽车国内外相关政策与法规
习题
参考文献
第2章 智能车辆自主决策理论与方法
2.1 机器学习概述
2.1.1 机器学习定义及发展历程
2.1.2 机器学习分类及常用方法
2.1.3 机器学习在智能汽车中的应用
2.2 基于规则的智能车辆决策方法
2.3 基于博弈论的智能车辆决策方法
2.4 基于模仿学习的智能车辆决策方法
2.5 基于强化学习的智能车辆方法
习题
参考文献
第3章 智能车辆规划与控制基础
3.1 路径规划基础知识
3.1.1 平面内的Frenet坐标系
3.1.2 调和函数
3.1.3 几何样条曲线
3.1.4 二次规划问题
3.2 现代控制理论基础
3.2.1 线性时不变系统的可控性和可观测性
3.2.2 动态系统的稳定性判据
3.3 动态规划和哈密顿-雅可比-贝尔曼方程
3.4 常用控制方法介绍
3.4.1 线性二次规划控制器
3.4.2 非线性系统的“输入-输出”线性化
3.4.3 滑模控制
3.4.4 反演控制
3.5 车辆二自由度动力学模型
习题
参考文献
第4章 智能车辆轨迹规划理论与方法
4.1 道路模型
4.2 人工势场法
4.2.1 人工势场理论在车辆局部路径规划中的应用
4.2.2 弹性绳和虚拟人工势场的路径规划理论
4.3 RRT算法
4.4 智能群落算法
4.5 基于几何曲线和最优思想的路径规划
4.5.1 基于多项式曲线和最优选择机制的路径规划
4.5.2 基于自然三次样条曲线和二次规划的路径规划
4.6 智能车辆速度规划方法
4.6.1 基于序列二次规划的预瞄速度规划
4.6.2 基于三次自然样条曲线的最优速度规划
习题
参考文献
第5章 智能车辆跟随控制理论与方法
5.1 简单驾驶员PID“预瞄-跟随”模型
5.2 最优预瞄路径跟随模型
5.2.1 MacAdam最优“预瞄-跟随”模型
5.2.2 基于最优曲率控制的预瞄跟随理论
5.3 基于LQR的多点预瞄路径跟随模型
5.4 基于无约束MPC的路径跟随模型
5.5 速度跟随控制
5.5.1 基于“输入输出”线性化和滑膜控制的速度跟踪控制器
5.5.2 基于“输入输出”线性化和反演控制的速度跟踪控制器
5.5.3 跟车情景下的速度规划和控制
5.6 基于五自由度非线性车辆动力学模型的轨迹跟随控制
5.6.1 基于一阶泰勒展开的非线性系统线性化
5.6.2 受约束的模型预测控制优化求解
习题
参考文献