《智能网联汽车：激光与视觉SLAM详解》
本书对激光SLAM和视觉SLAM技术进行了系统介绍，涉及基础理论、关键技术、应用实践及未来趋势，并探讨了它们与智能网联汽车的关系。既是想要在自动驾驶和智能汽车领域取得突破的从业者的阅读选择，也是追求SLAM技术深度与广度的专业人士的学习资料。
具体来说，本书从智能网联汽车的基本概念入手，详细介绍了SLAM技术的发展历程、架构设计、核心算法以及在自动驾驶等级中的应用现状和技术难点。不仅分析了多传感器融合技术的同步与标定方法、融合策略，还深入探讨了激光SLAM和视觉SLAM的点云处理、关键帧提取、后端优化等关键技术，并通过Cartographer、LOAM、LeGO-LOAM、LIO-SAM等算法的代码实战，展示了SLAM技术的实际应用。此外，着重讲解了深度学习在SLAM中的应用，如相机重定位、特征点提取与匹配、视觉里程计、回环检测以及语义SLAM的近期新进展。最后，展望了激光SLAM和视觉SLAM技术的未来发展趋势，提供了宝贵的行业洞察。
总的来说，本书适合自动驾驶、机器人技术、计算机视觉及相关领域的研究人员、工程师以及高等院校相关专业的师生阅读。通过本书，读者不仅能够获得SLAM技术的全面系统知识，还能深入理解其在智能网联汽车等领域的应用，为未来的研究与开发工作打下坚实的基础。

《蜂窝车联网与网联自动驾驶》
本书汇聚网联自动驾驶与蜂窝通信技术领域的研究成果，不仅包含电信和汽车领域专家的行业见解，还包含工业与学术界的近期新技术进展与理论知识。
蜂窝车联网技术使车辆

《智能网联汽车：激光与视觉SLAM详解》
前言
作者介绍
第1章智能网联汽车及SLAM
概述1
1.1基本概念1
1.1.1智能网联汽车1
1.1.2SLAM定义2
1.1.3地图的分类与作用4
1.1.4SLAM技术探讨7
1.2SLAM的应用现状10
1.2.1自动驾驶等级10
1.2.2技术难点11
1.2.3SLAM的优势13
1.3SLAM架构13
1.3.1环境感知13
1.3.2环境绘图14
1.3.3运动规划16
1.3.4车辆控制17
1.3.5监控系统17
1.4SLAM的发展阶段与应用前景18
1.4.1SLAM演进的3个阶段18
1.4.2SLAM的应用前景19
第2章自动驾驶常用传感器及
原理21
2.1激光雷达22
2.1.1激光雷达的种类22
2.1.2三角测距激光雷达24
2.1.3ToF激光雷达24
2.1.4机械式激光雷达27
2.1.5混合固态激光雷达28
2.1.6固态激光雷达29
2.1.7竞品对比31
2.1.8核心部件33
2.1.9应用及展望34
2.2深度相机34
2.2.1ToF深度相机35
2.2.2结构光深度相机37
2.2.3双目深度相机38
2.2.4应用及展望41
2.3毫米波雷达43
2.3.1工作原理43
2.3.2测距功能原理44
2.3.3测速功能原理46
2.3.4角度估算原理48
2.3.5FoV计算原理48
2.3.6核心参数49
2.3.7应用及展望50
第3章多传感器融合51
3.1同步与标定52
3.1.1时间硬同步52
3.1.2时间软同步55
3.1.3空间标定56
3.2融合策略66
3.2.1后融合67
3.2.2前融合73
3.3应用分析77
3.3.1自动驾驶应用78
3.3.2移动机器人应用79
3.3.3机械臂应用80
第4章激光SLAM81
4.1点云预处理82
4.1.1点云滤波82
4.1.2点云分割84
4.1.3点云运动补偿86
4.2前端里程计89
4.2.1基于直接匹配的迭代
最近点算法89
4.2.2基于特征匹配的正态
分布变换算法92
4.2.3ICP算法与NDT算法
的比较96
4.3关键帧提取97
4.3.1基于帧间运动的关键帧
提取97
4.3.2基于时间间隔的关键帧
提取98
4.4后端优化100
4.4.1基于图优化的后端
优化101
4.4.2基于滤波器的后端
优化102
4.5激光SLAM算法实战106
4.5.1Cartographer算法106
4.5.2Cartographer代码实战109
4.5.3LOAM算法112
4.5.4LOAM代码实战：
A-LOAM118
4.5.5LeGO-LOAM算法120
4.5.6LeGO-LOAM代码实战125
4.5.7LIO-SAM算法127
4.5.8LIO-SAM代码实战133
第5章视觉SLAM136
5.1前端视觉里程计137
5.1.1基于特征点法的视觉里
程计137
5.1.2基于直接法的视觉里
程计152
5.2后端非线性优化155
5.2.1BA优化155
5.2.2位姿图优化157
5.3回环检测158
5.3.1词袋模型159
5.3.2深度学习模型161
5.4建图162
5.4.1度量地图162
5.4.2拓扑地图162
5.4.3特征点地图163
5.5常用的视觉SLAM算法163
5.5.1ORB SLAM 2架构164
5.5.2SVO架构174
5.5.3DSO架构178
5.5.4VINS-Mono架构182
5.5.5代码实战190
第6章深度学习在SLAM中的
应用193
6.1深度学习与相机重定位193
6.1.1基于深度神经网络的
相机重定位方法194
6.1.2基于检索的相机重定位
方法194
6.1.3全场景理解195
6.2深度学习与特征点的提取及
匹配196
6.2.1深度卷积神经网络特征
点的鉴别196
6.2.2LIFT：基于深度学习的经
典局部特征提取方法197
6.2.3MatchNet：通过统一特征
和度量学习实现基于补丁
的匹配198
6.2.4UCN：通用的图像关联
预测器201
6.3深度学习与视觉里程计203
6.4深度学习与回环检测207
6.5深度学习与语义SLAM208
6.5.1语义分割网络209
6.5.2构建语义地图212
6.5.3ORB SLAM实际操作215
第7章SLAM技术展望217
7.1激光SLAM的应用及展望218
7.1.1激光SLAM的应用现状218
7.1.2激光SLAM的未来趋势220
7.2视觉SLAM的应用及展望220
7.2.1视觉SLAM的应用
现状221
7.2.2视觉SLAM的未来
趋势222
后记223

《蜂窝车联网与网联自动驾驶》
译者序

贡献者名单

序一

序二

序三

序四

前言

第1章  概述  1

1.1  C-V2X的背景与意义  2

1.1.1  智能交通系统  2

1.1.2  网联自动驾驶  3

1.1.3  网联道路交通参与者服务  3

1.2  迈向网联自动驾驶的通信与汽车联合

发展路线图  4

1.2.1  电信行业对网联驾驶的期待  4

1.2.2  汽车行业在自动驾驶领域的愿景  6

1.2.3  网联自动驾驶联合发展路线图  7

1.3  网联自动驾驶中的通信技术  9

1.3.1  IEEE V2X标准化  10

1.3.2  C-V2X的标准化和法规  11

1.4  本书结构  13

参考文献  16

第2章  业务模式  19

2.1  市场分析  20

2.2  CAD与CRU的服务定义  21

2.2.1  现有的CAD与CRU服务  22

2.2.2  新兴的CAD服务  23

2.2.3  新兴的CRU服务  24

2.3  技术组件  24

2.4  应用实践  25

2.4.1  用户配置与SIM卡开卡  25

2.4.2  路由策略  26

2.4.3  漫游以及跨运营商合作  26

2.4.4  可能的业务模式演变  27

2.5  V2X的商业市场机遇  31

2.5.1  5G赋能的CAD业务模式  31

2.5.2  安全通信认证  35

2.5.3  OTA软件更新  38

2.6  5G V2X组件的业务模式分析  41

2.6.1  定位  42

2.6.2  V2X无线电设计  43

2.6.3  网络流程  47

2.6.4  端到端安全  50

2.6.5  增强边缘计算  51

2.6.6  小结  52

2.7  本章总结  52

参考文献  54

第3章  标准化和法规  55

3.1  标准化进程综述  56

3.1.1  通用要求  56

3.1.2  ITS相关的标准化和监管机构  56

3.1.3  3GPP结构和标准化进程  60

3.2  法规和频谱分配  62

3.2.1  欧洲的C-V2X政策和法规  62

3.2.2  V2X通信的无线电频谱分配  62

3.3  V2X通信技术解决方案标准化  64

3.3.1  V2X通信简史  65

3.3.2  全球DSRC/C-V2X规范概述  66

3.3.3  3GPP的C-V2X标准化：1G到5G的

通信发展状况以及5G发展趋势  70

3.4  应用层面  76

3.4.1  欧盟的标准化工作  76

3.4.2  美国的标准化工作  76

3.5  本章总结  78

参考文献  78

第4章  频谱和信道建模  81

4.1  V2X通信的频谱和监管  81

4.1.1  欧洲的频段情况  82

4.1.2  其他地区的频段情况  83

4.1.3  全球频谱拍卖情况  85

4.1.4  全球频谱协调  98

4.1.5  小结  100

4.2  信道建模  101

4.2.1  传播环境  101

4.2.2  信道建模框架以及差距分析  103

4.2.3  路径损耗模型  104

4.2.4  当前V2X信道测量方法和模型  110

4.2.5  小结  118

参考文献  118

第5章  V2X无线电接口  121

5.1  毫米波谱中V2X通信的波束成形

技术  122

5.1.1  为移动多用户场景进行波束

优化  122

5.1.2  波束成形多播  127

5.1.3  基于波束的广播  130

5.2  物理层和介质访问控制层扩展  134

5.2.1  信道状态信息获取与MU-MIMO

接收机设计  135

5.2.2  参考信号设计  140

5.2.3  同步性  146

5.2.4  调度和功率控制  149

5.3  车载直连通信实现的技术特性  154

5.3.1  UE协同增强可靠性  154

5.3.2  全双工  162

5.4  本章总结  164

参考文献  165

第6章  网络增强  169

6.1  网络切片  170

6.1.1  网络切片和3GPP  170

6.1.2  网络切片和V2X  171

6.2  SDN的作用和V2X中的NFV  173

6.3  云化架构  176

6.4  本地端到端路径  177

6.5  多运营商支持  178

6.6  本章总结  181

参考文献  182

第7章  支持V2X应用适配的增强  183

7.1  背景  184

7.2  用于处理V2X用例的增强应用和

网络之间的交互  186

7.2.1  C-V2X连接协商  186

7.2.2  用例感知的多RAT多链路连接  188

7.2.3  基于位置感知的调度  189

7.3  直连通信和空口通信的冗余调度器  191

7.3.1  应用层或设施层  191

7.3.2  传输层  193

7.3.3  RRC层  195

7.4  本章总结  195

参考文献  196

第8章  无线电定位与视觉定位技术  198

8.1  无线电定位技术  200

8.1.1  用例与需求  200

8.1.2  新空口Rel 16中的无线电定位

技术  201

8.1.3  Rel 16后续演进的无线电定位

方法  202

8.1.4  技术组件补充  207

8.1.5  无线电定位方法的局限  209

8.1.6  小结  210

8.2  视觉定位技术  211

8.2.1  车辆定位系统构建  211

8.2.2