第1章 无人驾驶系统简介
1.1 无人驾驶技术概述
1.2 无人驾驶算法
1.2.1 传感
1.2.2 感知
1.2.3 目标识别与跟踪
1.2.4 决策
1.3 无人驾驶客户端系统
1.3.1 机器人操作系统
1.3.2 硬件平台
1.4 无人驾驶云平台
1.4.1 仿真模拟
1.4.2 高精度地图生成
1.4.3 深度学习模型训练
1.5 一切刚刚开始
第2章 无人驾驶车辆的定位系统
2.1 采用全球导航卫星系统定位
2.1.1 GNSS概述
2.1.2 GNSS误差分析
2.1.3 星基增强系统
2.1.4 载波相位差分技术和差分GNSS
2.1.5 精确点定位
2.1.6 全球定位系统和惯性导航系统的融合
2.2 采用激光雷达和高精度地图定位
2.2.1 激光雷达概述
2.2.2 高精度地图概述
2.2.3 激光雷达和高精度地图定位
2.3 视觉里程计
2.3.1 立体视觉里程计
2.3.2 单目视觉里程计
2.3.3 视觉惯性里程计
2.4 航位推算和轮式里程计
2.4.1 轮式编码器
2.4.2 轮式里程计误差
2.4.3 减少轮式里程计误差
2.5 多传感器融合
2.5.1 卡内基梅隆大学无人驾驶城市挑战赛车Boss
2.5.2 斯坦福大学无人驾驶城市挑战赛车Junior
2.5.3 梅赛德斯-奔驰无人驾驶车Bertha
参考文献
第3章 无人驾驶的感知系统
3.1 概述
3.2 数据集
3.3 目标识别
3.4 语义分割
3.5 立体视觉、光流和场景流
3.5.1 立体视觉与深度信息
3.5.2 光流
3.5.3 场景流
3.6 目标跟踪
3.7 总结
参考文献
第4章 深度学习在无人驾驶感知系统中的应用
4.1 卷积神经网络
4.2 目标检测
4.3 语义分割
4.4 立体视觉和光流
4.4.1 立体视觉
4.4.2 光流
4.5 总结
参考文献
第5章 预测与路径规划
5.1 规划与控制模块概览
5.1.1 架构：广义上的规划与控制
5.1.2 各个模块的范围：以模块的方式解决问题
5.2 交通预测
5.2.1 将行为预测作为分类问题
5.2.2 车辆轨迹生成
5.3 车道级的路径规划
5.3.1 为路径规划创建权重有向图
5.3.2 典型的路径规划算法
5.3.3 规划图损失：强弱路径规划
5.4 总结
参考文献
第6章 决策、规划和控制
6.1 行为决策
6.1.1 马尔可夫决策过程方法
6.1.2 基于场景的分治法
6.2 运动规划
6.2.1 车辆模型、道路模型、SL坐标系
6.2.2 划分为路径规划和速度规划的运动规划
6.2.3 划分为纵向规划和横向规划的运动规划
6.3 反馈控制
6.3.1 自行车模型
6.3.2 PID控制
6.4 总结
参考文献
第7章 基于增强学习的规划和控制
7.1 概述
7.2 增强学习
7.2.1 Q-学习
7.2.2 ACTOR-CRITIC方法
7.3 无人驾驶中基于学习的规划和控制
7.3.1 行为决策中的增强学习
7.3.2 基于增强学习的规划和控制
7.4 总结
参考文献
第8章 无人驾驶客户端系统
8.1 无人驾驶系统：一个复杂的系统
8.2 无人驾驶的操作系统
8.2.1 ROS综述
8.2.2 系统可靠性
8.2.3 性能优化
8.2.4 资源管理与安全性
8.3 计算平台
8.3.1 计算平台的实现
8.3.2 现有的计算解决方案
8.3.3 计算机体系结构设计的探索
参考文献
第9章 无人驾驶云平台
9.1 概述
9.2 基础架构
9.2.1 分布式计算框架
9.2.2 分布式存储
9.2.3 异构计算
9.3 仿真模拟
9.3.1 BinPipeRDD
9.3.2 连接ROS与Spark引擎
9.3.3 性能表现
9.4 模型训练
9.4.1 为什么使用Spark引擎
9.4.2 训练平台架构
9.4.3 异构计算
9.5 高精度地图生成
9.5.1 高精度地图
9.5.2 云端地图生成
9.6 总结
参考文献

刘少山，李力耘，唐洁，吴双，琼卢克·高迪奥特著的《无人驾驶（人工智能如何颠覆汽车双色版）》是为从事无人驾驶车辆（智能网联汽车）开发相关工作人员的入门技术书。作者分享了他们打造无人驾驶车辆系统的实践经验。本书由9章组成，第1章概述了无人驾驶系统；第2章着重介绍无人驾驶车辆定位技术；第3章讨论了传统的环境感知技术；第4章讨论基于深度学习的环境感知技术；第5章介绍了行为预测和路径规划技术；第6章着重介绍运动决策、规划与控制子系统的反馈控制；第7章介绍基于增强学习的规划和控制技术；第8章深入研究无人驾驶客户端系统的设计细节；第9章详细介绍了无人驾驶云平台。
本书对在校学生、研究人员和相关从业人员都大有益处。无论你是本科生还是研究生，只要对无人驾驶感兴趣，都可以在这里找到无人驾驶技术的全面介绍。