1.本书为“智能网联汽车核心技术丛书”中的一本，技术体系完整。2.本书内容丰富，深浅适中，适合绝大对数行业内的读者学习。3.丛书作者队伍庞大且专业，内容质量有所保障。

《智能网联汽车环境感知技术》是“智能网联汽车核心技术丛书”中的一册。本书内容依托“杭州职业技术学院文库”，深入解析了自动驾驶感知系统，涵盖车载传感器、定位导航、车联网通信、计算机视觉感知及目标检测与识别等关键技术领域，剖析了其核心原理、相关算法及系统架构，展现了自动驾驶技术的前沿进展与应用实践。从车辆“感官”到智能决策，本书为读者揭示自动驾驶背后的技术奥秘，助力行业发展。本书适合智能网联汽车环境感知方向的技术人员阅读参考，也可供智能网联汽车行业的政策制定者、企业管理者、科研工作者以及汽车第三方检测机构人员阅读，同时也可以作为高等院校及大中专院校汽车相关专业的参考教材。

第1章  自动驾驶感知系统概述0011.1  自动驾驶系统的技术架构0021.1.1  自动驾驶“三横两纵”架构0021.1.2  自动驾驶的四大关键技术0051.1.3  自动驾驶的计算平台架构0071.1.4  自动驾驶的软件系统框架0101.2  感知系统框架与关键技术0131.2.1  感知系统整体架构0131.2.2  车载传感器技术0141.2.3  定位导航技术0161.2.4  车联通信技术0171.3  感知系统测试技术与方法0191.3.1  图像系统测试0211.3.2  激光雷达系统测试0221.3.3  融合感知系统测试023第2章  车载传感器技术0252.1  车载摄像头0262.1.1  车载摄像头原理与分类0262.1.2  车载摄像头的部件构成0292.1.3  车载摄像头的玩家群像0312.1.4  车载摄像头的技术趋势0332.2  激光雷达0352.2.1  激光雷达的原理与应用0352.2.2  激光雷达的类型与特点0372.2.3  激光雷达的零部件构成0392.2.4  激光雷达的产业链图谱0412.3  超声波雷达0442.3.1  超声波雷达的特点与原理0442.3.2  超声波雷达的类型与参数0462.3.3  超声波雷达的行业竞争格局0482.4  毫米波雷达0502.4.1  毫米波雷达特性与优势0502.4.2  毫米波雷达的工作原理0512.4.3  毫米波雷达在自动驾驶中的应用0532.4.4  毫米波雷达在智能交通中的应用054第3章  定位导航技术0583.1  全球导航卫星系统0593.1.1  全球定位系统的原理0593.1.2  全球定位系统的构成0613.1.3  全球主流的导航卫星系统0623.1.4  基于GPS的汽车导航系统0653.2  惯性导航系统0673.2.1  惯性导航技术的演变发展0673.2.2  惯性导航系统结构与类型0693.2.3  惯性导航系统的工作原理0713.2.4  惯性导航系统的核心算法0733.3  高精度地图技术0763.3.1  高精度地图技术特点与应用0763.3.2  自动驾驶的高精度定位技术0793.3.3  国外高精度地图的发展现状0813.3.4  我国高精度地图的发展现状082第4章  车联网通信技术0844.1  车联网概念、内涵及架构0854.1.1  车联网的概念及内涵0854.1.2  车联网功能架构体系0894.1.3  车联网技术标准体系0914.1.4  车联网产业发展现状0934.2  车联网通信的技术路线0944.2.1  DSRC技术0944.2.2  LTE-V2X技术0964.2.3  5G-V2X技术0984.3  5G车联网整体解决方案1004.3.1  车联网面临的技术挑战1004.3.2  5G车联网的应用优势1024.3.3  5G车联网关键技术1044.3.4  5G车联网解决方案107第5章  计算机视觉感知技术1115.1  计算机视觉的原理与任务1125.1.1  计算机视觉的概念与原理1125.1.2  任务1：图像分类1135.1.3  任务2：目标检测1165.1.4  任务3：目标跟踪1175.1.5  任务4：图像分割1185.1.6  任务5：影像重建1205.2  基于深度学习的目标检测算法1215.2.1  单阶段目标检测算法1225.2.2  二阶段目标检测算法1255.2.3  无锚点目标检测算法1295.2.4  目标检测算法的性能比较1315.3  基于深度学习的深度估计1325.3.1  传统单目深度估计的方法1325.3.2  传统双目深度估计的方法1345.3.3  基于深度学习的单目深度估计1365.3.4  双目立体视觉匹配的算法流程1385.3.5  基于场景的深度估计数据集1405.4  SLAM技术与应用1415.4.1  SLAM系统结构与原理1415.4.2  SLAM分类与流程1455.4.3  激光雷达主流的SLAM算法1475.4.4  基于SLAM的自动驾驶应用151第6章  目标检测与识别技术1546.1  道路检测与识别1556.1.1  道路检测与识别方法1556.1.2  道路检测与识别算法1576.1.3  道路障碍物检测与识别1596.1.4  可行驶区域检测与识别1616.2  车辆检测与识别1636.2.1  车型检测与识别方法1636.2.2  车牌检测与识别方法1666.2.3  车辆时空参数识别1696.2.4  车辆重量参数识别1726.3  行人检测与识别1746.3.1  行人检测系统的技术与应用1746.3.2  基于计算机视觉的行人检测1766.3.3  行人检测与跟踪的主要方法1786.4  交通标志检测与识别1806.4.1  交通标志识别的技术原理1806.4.2  道路交通标志识别的方法1826.4.3  道路交通标志识别的应用184第7章  多传感器信息融合技术1877.1  多传感器信息融合的原理与结构1887.1.1  多传感器信息融合的工作原理1887.1.2  多传感器信息融合的主要优势1897.1.3  多传感器信息融合的三个层次1917.1.4  多传感器信息融合的系统结构1927.2  多传感器信息融合的算法与技术1957.2.1  随机类信息融合算法1957.2.2  AI类信息融合算法1987.3  基于多传感器信息融合的环境感知策略1997.3.1  基于信息融合的感知系统1997.3.2  多传感器信息融合与目标探测2017.3.3  面向自动驾驶的融合策略2037.3.4  可行驶区域探测信息融合205参考文献207