无人驾驶车辆目标检测与运动跟踪

　　目标检测和跟踪是无人驾驶车辆/智能车辆环境感知和任务场景检测的重要技术，是无人驾驶车辆安全行驶、避让动态障碍物、真正拥有自主决策能力的基本条件。本书围绕无人驾驶车辆在非结构化场景和部分结构化场景的环境感知需求，根据作者研究团队多年的研究成果，结合智能驾驶系统和平台特性，对目标检测与跟踪相关的基本概念、理论、方法和技术进行了系统的论述，从静态目标的检测到动态目标的检测与跟踪开展由浅入深的介绍。相关技术也可应用在无人驾驶车辆任务模块的目标检测与跟踪过程中。本书多学科交叉性和实践性强，为方便作为教材和教学参考书使用，增加了一些实例内容，同时建立了专门的网页介绍了可供本书使用的数据集。可作为从事无人驾驶车辆、智能车辆领域研究的科技工作者与工程技术人员的参考书，也可以作为智能车辆、机器人、计算机视觉、人工智能以及自动控制方向的研究生教材和实验、实践配套材料。

　　邸慧军，分别于2002年和2009年获清华大学计算机科学与技术专业工学学士和博士学位，2008-2009年在德国慕尼黑西门子公司中央研究所做访问学者，2009-2012年在清华大学计算机科学与技术系从事博士后研究。2012年7月至今在北京理工大学计算机学院从事教学及科研工作。主要研究兴趣包括计算机视觉、人工智能、无人驾驶、机器学习、智能系统。

第 1章　绪论
1.1　无人驾驶车辆及相关技术的发展历程
1.2　无人驾驶车辆环境感知系统与架构
1.3　国内外研究情况
第 2章　目标检测与运动跟踪基础理论与技术
2.1　深度神经网络
2.2　卡尔曼滤波
2.3　多传感器信息融合技术
2.4　小结
第3章　静态目标检测与识别
3.1　静态障碍物检测
3.2　平坦区域检测
3.3　环境要素识别与分割
3.4　小结
第4章 动态目标检测与识别
4.1　基于视觉的目标检测
4.2　激光雷达点云中的目标检测
4.3　视觉和激光雷达融合的目标检测
4.4　小结
第5章　动态目标跟踪
5.1　多目标数据关联
5.2　目标运动状态估计与轨迹预测
5.3　目标跟踪管理
5.4　试验分析
5.5　小结
第6章　目标三维位姿估计
6.1　基于视觉的三维位姿估计的总体思路
6.2　基于投票和多任务联合学习的两阶段位姿估计
6.3　基于几何约束的端到端位姿估计
6.4　试验与结果分析
6.5　小结