本书为全面、系统讲解汽车自动驾驶相关技术的实验教材，与理论教材对应，在引入实验平台与基础环境的基础上，分别设置车联网、高精地图和车辆定位、视觉目标感知、激光雷达点云处理、决策规划技术、车辆纵横向控制等实验内容，最后进行功能集成与整车测试。
由浅入深的实验课程设计给读者提供了自动驾驶汽车开发的实践机会，这体现了自动驾驶技术要求软硬件结合的开发特点；在对理论与算法理解的基础上，力图使读者掌握硬件的使用与调试方法，形成开发实际系统的能力。
本书内容涉及面较广，且面向汽车自动驾驶的实际开发过程，既可供相关领域研究人员和技术人员阅读参考，也可供车辆工程及其他相关专业的本科高年级学生课堂学习或自学使用。

实验1 实验平台与基础环境建立
1.1 实验目的
1.2 实验过程简介
1.2.1 实验过程
1.2.2 实验条件
1.3 前导知识
1.3.1 小车实验平台的系统架构
1.3.2 平台软件的组成
1.3.3 Cyber RT框架与代码编辑
1.3.4 工具链简介
1.4 实验步骤
1.4.1 小车硬件的拆解与安装
1.4.2 小车车载系统操作与软件调试
思考题
参考文献
实验2 车联网
2.1 实验目的
2.2 实验过程简介
2.2.1 实验小车通信基础实验
2.2.2 车载通信系统硬件操作及接口配置实验
2.2.3 实验条件
2.3 前导知识
2.3.1 以太网通信实现代码与相关库基础
2.3.2 车联网通信设备硬件及软件接口简介
2.4 实验步骤
2.4.1 实验小车通信基础与分布式云任务适配实验
2.4.2 车载系统硬件操作及通信接口配置实验
思考题
参考文献
实验3 高精地图和车辆定位
3.1 实验目的
3.2 实验过程简介
3.3 前导知识
3.3.1 常用地图软件介绍及操作
3.3.2 定位源介绍
3.3.3 UWB定位方法
3.4 实验步骤
3.4.1 基于高精地图的室外定位实验
3.4.2 基于UWB的室内定位实验
思考题
参考文献
实验4 视觉目标感知：传统CV方法
4.1 实验目的
4.2 实验过程简介
4.3 前导知识
4.3.1 摄像头传感器介绍
4.3.2 OpenCV介绍及基本操作
4.3.3 视频数据格式及使用OpenCV操作
4.3.4 图像色彩模式
4.3.5 使用OpenCV库对图像进行透视变换
4.3.6 灰度图处理及二值化
4.3.7 边缘提取及图像掩码
4.3.8 滑动窗口提取车道线
4.4 实验步骤
4.4.1 俯视图透视变换实验
4.4.2 图像坐标系到车身坐标系转换实验
4.4.3 实车标定实验
4.4.4 车道线提取实验
思考题
参考文献
实验5 视觉目标感知：深度学习方法
5.1 实验目的
5.2 实验过程简介
5.3 前导知识
5.3.1 AI Studio介绍及使用
5.3.2 小车硬件平台介绍
5.3.3 Jupyter Notebook介绍
5.3.4 Logistic回归模型
5.3.5 YOLOv3图像识别模型
5.3.6 数据集解释与项目说明
5.4 实验步骤
5.4.1 Logistic回归模型识别图像实验
5.4.2 从图像中识别交通标示牌
思考题
参考文献
实验6 激光雷达点云处理
6.1 实验目的
6.2 实验过程简介
6.3 前导知识
6.3.1 激光雷达的安装与使用方法
6.3.2 ApolloScape自动驾驶数据集
6.3.3 PCL的基本操作方法
6.3.4 点云聚类算法的基本流程
6.4 实验步骤
6.4.1 点云数据可视化操作
6.4.2 点云数据地面分割操作
6.4.3 点云数据目标聚类操作
思考题
参考文献
实验7 决策规划技术
7.1 实验目的
7.2 实验过程简介
7.2.1 实验条件
7.2.2 实验过程
7.3 前导知识
7.3.1 应用场景介绍
7.3.2 决策规划算法
7.4 实验步骤
7.4.1 分解式决策规划实验
7.4.2 集中式决策规划实验
思考题
参考文献
实验8 车辆纵横向控制
8.1 实验目的
8.2 实验过程简介
8.3 前导知识
8.3.1 小车控制平台介绍
8.3.2 CarSim动力学仿真软件介绍
8.4 实验步骤
8.4.1 小车控制实验
8.4.2 CarSim软件仿真实验
8.4.3 CarSim-Simulink联合仿真实验
思考题
参考文献
实验9 自动驾驶功能集成与整车测试
9.1 实验目的
9.2 实验过程简介
9.2.1 实验过程
9.2.2 实验条件
9.3 前导知识
9.3.1 功能模块回顾
9.3.2 小车自动驾驶整车开发集成
9.3.3 小车自动驾驶整车测试
9.4 实验步骤
9.4.1 功能模块单元测试
9.4.2 小车自动驾驶集成联调与测试
思考题
参考文献