书籍详情
智能车辆理论与应用：慕课版（第2版）
作者：熊光明，于会龙，龚建伟，邸慧军 著
出版社：北京理工大学出版社
出版时间：2022-01-01
ISBN：9787576304671
定价：¥78.00
购买这本书可以去
内容简介
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。
作者简介
熊光明，北京理工大学机械与车辆学院副教授，工学博士。长期从事智能车辆科研/教学工作，发表SCI/EI论文60多篇，编著有智能车辆相关书籍6部，授权国家发明专利二十余项。获2014年度汽车工程学会优秀论文奖。2015年获得北京理工大学优秀硕士生指导教师称号。2017年获得部级科技进步二等奖1项，获得兵器集团科技进步三等奖1项。编著“无人驾驶汽车概论”获得兵工高校优秀教材一等奖。2017年获北京理工大学优秀教学成果一等奖。编著“无人驾驶车辆理论与设计”获得2019年兵工高校精品教材和北京理工大学精品教材。2020年获北京理工大学优秀教学成果二等奖。2021年编写教材入选工信部十四五规划教材。
目录
第1章概论001
1.1智能车辆概述001
1.2人工智能概述002
1.3智能车辆体系结构005
第2章智能车辆环境感知009
2.1以斜坡为例的可通行区域检测009
2.1.1检测原理009
2.1.2场景构建010
2.1.3检测程序012
2.1.4操作步骤021
2.2基于机器学习与激光雷达点云的负障碍检测023
2.2.1三种机器学习算法介绍023
2.2.2数据采集与处理026
2.2.3基于Python库scikit-learn的实现028
2.3基于Adaboost与摄像机图像的车辆检测035
2.3.1分类器训练参数设置035
2.3.2正负样本的提供036
2.3.3训练分类器037
2.3.4使用级联分类器检测041
第3章深度学习及其在环境感知中的应用044
3.1卷积神经网络044
3.2越野环境场景识别047
3.2.1场景数据集047
3.2.2道路类型识别048
3.3目标检测模型及其在智能车上的应用057
3.3.1YOLO系列目标检测模型057
3.3.2应用案例060
3.4基于深度学习的车道线语义分割067
3.4.1车道线分割网络设计与训练067
3.4.2车道线检测网络的压缩与加速076
智能车辆理论与应用:慕课版（第2版）目录第4章智能车辆SLAM078
4.1SLAM概述078
4.2视觉SLAM081
4.2.1算法框架与前端搭建081
4.2.2图优化概述087
4.2.3非回环分层模型090
4.2.4ORB-SLAM运行及数据处理094
4.3激光雷达SLAM100
4.3.1激光雷达SLAM概述100
4.3.2基于特征概率栅格地图的激光雷达里程计101
4.3.3基于图优化的激光雷达SLAM后端110
第5章智能车辆行为决策117
5.1高速道路环境下智能车辆超车行为决策117
5.1.1基于层次状态机的超车行为建模119
5.1.2基于人工神经网络的超车意图产生122
5.1.3基于规则的超车条件判定126
5.2无信号灯十字交叉口智能车辆行为决策129
5.2.1无信号灯十字交叉口场景分析129
5.2.2基于模糊逻辑的驾驶员激进程度识别130
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131
5.3车辆跟驰类人驾驶学习系统134
5.3.1类人驾驶学习系统设计134
5.3.2强化学习与马尔可夫决策过程135
5.3.3Q Learning与NQL（Neural-Q Learning）137
5.3.4NQL求解过程140
5.3.5NQL算法流程142
5.4定距离跟驰仿真试验144
5.4.1仿真系统设计144
5.4.2定距离跟驰模型144
5.4.3试验结果与分析146
第6章智能车辆运动规划148
6.1概述148
6.1.1基于采样的运动规划算法148
6.1.2基于搜索的运动规划算法151
6.1.3基于优化的运动规划算法152
6.2静态环境下的运动规划153
6.2.1代价地图153
6.2.2运动规划154
6.2.3V-REP场景构建及仿真展示156
6.2.4ROS程序165
6.2.5参数解析167
6.3动态环境下的运动规划172
6.3.1碰撞检测方法172
6.3.2速度重规划算法176
6.3.3基于状态空间采样的路径规划算法181
第7章智能车辆模型预测控制184
7.1车辆动力学模型184
7.1.1定义坐标系184
7.1.2车辆动力学模型185
7.1.3轮胎模型186
7.2模型预测控制理论推导与求解186
7.2.1模型预测控制算法186
7.2.2非线性模型预测控制188
7.2.3线性时变模型预测控制190
7.3基于动力学模型的轨迹跟踪控制196
7.3.1预测模型196
7.3.2代价函数199
7.3.3优化求解200
7.4MATLAB仿真实例201
7.4.1代码介绍201
7.4.2仿真分析207
第8章智能网联215
8.1基于网联技术的多车编队自动驾驶215
8.1.1车辆编队总体方案216
8.1.2多车编队系统架构219
8.1.3编队车辆平台软件结构220
8.2基于V2X的红绿灯路口通行224
8.2.1单个红绿灯路口通行策略的制定224
8.2.2通行多个红绿灯路口方法229
8.2.3仿真试验232
8.3基于V2X的遮挡环境下智能车辆避撞行人239
8.3.1基于V2X的避撞系统239
8.3.2基于分级冲突区域的行人避撞方法241
8.3.3通信延时与丢包的影响分析245
第9章智能车辆测试与评价251
9.1基于ROS+V-REP的智能车辆综合测试251
9.1.1安装ROS+V-REP251
9.1.2安装依赖项257
9.1.3V-REP模型搭建259
9.1.4联合仿真测试262
9.2智能车辆测评体系281
9.2.1复杂交通环境下智能车辆性能测试内容281
9.2.2基于集成测试方法的性能测试282
9.2.3智能车辆性能测试环境构建283
9.2.4智能车辆性能评价方法284
参考文献287
1.1智能车辆概述001
1.2人工智能概述002
1.3智能车辆体系结构005
第2章智能车辆环境感知009
2.1以斜坡为例的可通行区域检测009
2.1.1检测原理009
2.1.2场景构建010
2.1.3检测程序012
2.1.4操作步骤021
2.2基于机器学习与激光雷达点云的负障碍检测023
2.2.1三种机器学习算法介绍023
2.2.2数据采集与处理026
2.2.3基于Python库scikit-learn的实现028
2.3基于Adaboost与摄像机图像的车辆检测035
2.3.1分类器训练参数设置035
2.3.2正负样本的提供036
2.3.3训练分类器037
2.3.4使用级联分类器检测041
第3章深度学习及其在环境感知中的应用044
3.1卷积神经网络044
3.2越野环境场景识别047
3.2.1场景数据集047
3.2.2道路类型识别048
3.3目标检测模型及其在智能车上的应用057
3.3.1YOLO系列目标检测模型057
3.3.2应用案例060
3.4基于深度学习的车道线语义分割067
3.4.1车道线分割网络设计与训练067
3.4.2车道线检测网络的压缩与加速076
智能车辆理论与应用:慕课版（第2版）目录第4章智能车辆SLAM078
4.1SLAM概述078
4.2视觉SLAM081
4.2.1算法框架与前端搭建081
4.2.2图优化概述087
4.2.3非回环分层模型090
4.2.4ORB-SLAM运行及数据处理094
4.3激光雷达SLAM100
4.3.1激光雷达SLAM概述100
4.3.2基于特征概率栅格地图的激光雷达里程计101
4.3.3基于图优化的激光雷达SLAM后端110
第5章智能车辆行为决策117
5.1高速道路环境下智能车辆超车行为决策117
5.1.1基于层次状态机的超车行为建模119
5.1.2基于人工神经网络的超车意图产生122
5.1.3基于规则的超车条件判定126
5.2无信号灯十字交叉口智能车辆行为决策129
5.2.1无信号灯十字交叉口场景分析129
5.2.2基于模糊逻辑的驾驶员激进程度识别130
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131
5.3车辆跟驰类人驾驶学习系统134
5.3.1类人驾驶学习系统设计134
5.3.2强化学习与马尔可夫决策过程135
5.3.3Q Learning与NQL（Neural-Q Learning）137
5.3.4NQL求解过程140
5.3.5NQL算法流程142
5.4定距离跟驰仿真试验144
5.4.1仿真系统设计144
5.4.2定距离跟驰模型144
5.4.3试验结果与分析146
第6章智能车辆运动规划148
6.1概述148
6.1.1基于采样的运动规划算法148
6.1.2基于搜索的运动规划算法151
6.1.3基于优化的运动规划算法152
6.2静态环境下的运动规划153
6.2.1代价地图153
6.2.2运动规划154
6.2.3V-REP场景构建及仿真展示156
6.2.4ROS程序165
6.2.5参数解析167
6.3动态环境下的运动规划172
6.3.1碰撞检测方法172
6.3.2速度重规划算法176
6.3.3基于状态空间采样的路径规划算法181
第7章智能车辆模型预测控制184
7.1车辆动力学模型184
7.1.1定义坐标系184
7.1.2车辆动力学模型185
7.1.3轮胎模型186
7.2模型预测控制理论推导与求解186
7.2.1模型预测控制算法186
7.2.2非线性模型预测控制188
7.2.3线性时变模型预测控制190
7.3基于动力学模型的轨迹跟踪控制196
7.3.1预测模型196
7.3.2代价函数199
7.3.3优化求解200
7.4MATLAB仿真实例201
7.4.1代码介绍201
7.4.2仿真分析207
第8章智能网联215
8.1基于网联技术的多车编队自动驾驶215
8.1.1车辆编队总体方案216
8.1.2多车编队系统架构219
8.1.3编队车辆平台软件结构220
8.2基于V2X的红绿灯路口通行224
8.2.1单个红绿灯路口通行策略的制定224
8.2.2通行多个红绿灯路口方法229
8.2.3仿真试验232
8.3基于V2X的遮挡环境下智能车辆避撞行人239
8.3.1基于V2X的避撞系统239
8.3.2基于分级冲突区域的行人避撞方法241
8.3.3通信延时与丢包的影响分析245
第9章智能车辆测试与评价251
9.1基于ROS+V-REP的智能车辆综合测试251
9.1.1安装ROS+V-REP251
9.1.2安装依赖项257
9.1.3V-REP模型搭建259
9.1.4联合仿真测试262
9.2智能车辆测评体系281
9.2.1复杂交通环境下智能车辆性能测试内容281
9.2.2基于集成测试方法的性能测试282
9.2.3智能车辆性能测试环境构建283
9.2.4智能车辆性能评价方法284
参考文献287
猜您喜欢
