![]()
内容推荐 本书是《智能车辆理论与应用》一书的修订版(第2版),同时也是“智能车辆理论与应用”研究生慕课配套教材, 全书共9章,包括:概述;智能车辆环境感知;深度学习及其在环境感知中的应用;智能车辆SLAM;智能车辆行为慕课网址如下:https://www.xuetangx.com/learm/bitP0861003987/7526890/progress。决策;智能车辆运动规划;智能车辆模型预测控制;智能网联;智能车辆测试方法与评价。 为了方便教学,书中增加了大量的实际操作案例,包括基于ROS框架的可通行区域检测、基于Python库scikit-learn的激光雷达点云负障碍检测、基于Adaboost与摄像机图像的车辆检测、采用ResNet模型使用Keras框架的场景识别、自制数据集并训练YOLO v5检测模型、ORB SLAM、ROS与V-REP联合仿真实现运动规划案例、综合测试案例等。 本书可作为高等院校机械工程、自动化、计算机等专业的研究生教材,也可供各类具有一定基础知识的智能车辆从业人员参考使用。 目录 第1章 概论 1.1 智能车辆概述 1.2 人工智能概述 1.3 智能车辆体系结构 第2章 智能车辆环境感知 2.1 以斜坡为例的可通行区域检测 2.1.1 检测原理 2.1.2 场景构建 2.1.3 检测程序 2.1.4 操作步骤 2.2 基于机器学习与激光雷达点云的负障碍检测 2.2.1 三种机器学习算法介绍 2.2.2 数据采集与处理 2.2.3 基于Python库scikit-learn的实现 2.3 基于Adaboost与摄像机图像的车辆检测 2.3.1 分类器训练参数设置 2.3.2 正负样本的提供 2.3.3 训练分类器 2.3.4 使用级联分类器检测 第3章 深度学习及其在环境感知中的应用 3.1 卷积神经网络 3.2 越野环境场景识别 3.2.1 场景数据集 3.2.2 道路类型识别 3.3 目标检测模型及其在智能车上的应用 3.3.1 YOLO系列目标检测模型 3.3.2 应用案例 3.4 基于深度学习的车道线语义分割 3.4.1 车道线分割网络设计与训练 3.4.2 车道线检测网络的压缩与加速 第4章 智能车辆SLAM 4.1 SLAM概述 4.2 视觉SLAM 4.2.1 算法框架与前端搭建 4.2.2 图优化概述 4.2.3 非回环分层模型 4.2.4 ORB-SLAM运行及数据处理 4.3 激光雷达SLAM 4.3.1 激光雷达SLAM概述 4.3.2 基于特征概率栅格地图的激光雷达里程计 4.3.3 基于图优化的激光雷达SLAM后端 第5章 智能车辆行为决策 5.1 高速道路环境下智能车辆超车行为决策 5.1.1 基于层次状态机的超车行为建模 5.1.2 基于人工神经网络的超车意图产生 5.1.3 基于规则的超车条件判定 5.2 无信号灯十字交叉口智能车辆行为决策 5.2.1 无信号灯十字交叉口场景分析 5.2.2 基于模糊逻辑的驾驶员激进程度识别 5.2.3 基于相对驾驶激进程度的无信号灯交叉口决策方法 5.3 车辆跟驰类人驾驶学习系统 5.3.1 类人驾驶学习系统设计 5.3.2 强化学习与马尔可夫决策过程 5.3.3 Q Learning 与 NQL (Neural-Q Learning) 5.3.4 NQL求解过程 5.3.5 NQL算法流程 5.4 定距离跟驰仿真试验 5.4.1 仿真系统设计 5.4.2 定距离跟驰模型 5.4.3 试验结果与分析 第6章 智能车辆运动规划 6.1 概述 6.1.1 基于采样的运动规划算法 6.1.2 基于搜索的运动规划算法 6.1.3 基于优化的运动规划算法 6.2 静态环境下的运动规划 6.2.1 代价地图 6.2.2 运动规划 6.2.3 V-REP场景构建及仿真展示 6.2.4 ROS程序 6.2.5 参数解析 6.3 动态环境下的运动规划 6.3.1 碰撞检测方法 6.3.2 速度重规划算法 6.3.3 基于状态空间采样的路径规划算法 第7章 智能车辆模型预测控制 7.1 车辆动力学模型 7.1.1 定义坐标系 7.1.2 车辆动力学模型 7.1.3 轮胎模型 7.2 模型预测控制理论推导与求解 7.2.1 模型预测控制算法 7.2.2 非线性模型预测控制 7.2.3 线性时变模型预测控制 7.3 基于动力学模型的轨迹跟踪控制 7.3.1 预测模型 7.3.2 代价函数 7.3.3 优化求解 7.4 MATLAB仿真实例 7.4.1 代码介绍 7.4.2 仿真分析 第8章 智能网联 8.1 基于网联技术的多车编队自动驾驶 8.1.1 车辆编队总体方案 8.1.2 多车编队系统架构 8.1.3 编队车辆平台软件结构 8.2 基于V2X的红绿灯路口通行. 8.2.1 单个红绿灯路口通行策略的制定 8.2.2 通行多个红绿灯路口方法 8.2.3 仿真试验 8.3 基于V2X的遮挡环境下智能车辆避撞行人 8.3.1 基于V2X的避撞系统. 8.3.2 基于分级冲突区域的行人避撞方法 8.3.3 通信延时与丢包的影响分析 第9章 智能车辆测试与评价 9.1 基于ROS+V-REP的智能车辆综合测试 9.1.1 安装ROS+V-REP 9.1.2 安装依赖项 9.1.3 V-REP模型搭建. 9.1.4 联合仿真测试 9.2 智能车辆测评体系 9.2.1 复杂交通环境下智能车辆性能测试内容 9.2.2 基于集成测试方法的性能测试 9.2.3 智能车辆性能测试环境构建 9.2.4 智能车辆性能评价方法 参考文献 |