目录



前言

第1章自动驾驶环境感知概述

1.1自动驾驶环境感知介绍

1.2车载感知系统组成简介


第2章车载传感器介绍

2.1摄像头

2.1.1概述

2.1.2工作原理

2.1.3优缺点

2.1.4摄像头在自动驾驶汽车上的应用

2.2激光雷达

2.2.1概述

2.2.2工作原理

2.2.3优缺点

2.2.4激光雷达在自动驾驶汽车中的应用

2.3毫米波雷达

2.3.1概述

2.3.2工作原理

2.3.3优缺点

2.3.4毫米波雷达在自动驾驶汽车中的应用

2.4超声波雷达

2.4.1概述

2.4.2工作原理

2.4.3优缺点

2.4.4超声波雷达在自动驾驶汽车上的应用

2.5惯性导航

2.5.1概述

2.5.2工作原理

2.5.3优缺点

2.5.4惯性导航在自动驾驶汽车上的应用

2.6本章小结

参考文献


第3章传感器标定

3.1概述

3.2摄像头的标定

3.2.1摄像头内参数标定

3.2.2摄像头间外参的标定

3.3激光雷达的标定

3.3.1激光雷达与激光雷达之间的外参标定

3.3.2激光雷达与摄像机的标定

3.4联合标定实验

3.5本章小结

参考文献






第4章计算机视觉与神经网络

4.1无人驾驶与计算机视觉

4.1.1生物视觉

4.1.2边缘检测

4.1.3图像分割

4.1.4神经网络与深度学习

4.1.5深度学习与传统学习

4.1.6计算机视觉在自动驾驶中的应用

4.2深度前馈网络

4.2.1神经元

4.2.2网络结构

4.2.3深度前馈网络

4.2.4参数学习

4.3卷积神经网络

4.3.1卷积的概念

4.3.2卷积神经网络的性质

4.3.3卷积神经网络基本结构

4.3.4典型卷积神经网络

参考文献


第5章环境感知与识别

5.1环境感知与识别概述

5.2障碍物检测

5.2.1基于图像的障碍物检测

5.2.2基于激光雷达的障碍物检测

5.2.3基于视觉和激光雷达融合的障碍物检测

5.3车道线检测

5.3.1基于传统计算机视觉的车道线检测

5.3.2基于深度学习的车道线检测

5.3.3基于激光雷达的车道线检测

5.4红绿灯检测

5.4.1基于传统视觉方法的红绿灯检测

5.4.2基于深度学习的红绿灯检测

5.4.3高精地图结合

5.5场景流

5.5.1概述

5.5.2深度估计

5.5.3光流估计

5.6基于V2X的道路环境感知技术

5.6.1V2X技术

5.6.2路侧感知技术

5.7红绿灯检测实验

5.7.1Apollo红绿灯数据集

5.7.2实验流程

5.8本章小结

参考文献


第6章自动驾驶道路复杂场景语义理解

6.1ApolloScape数据集

6.2可行驶区域检测

6.2.1基于传统计算机视觉的可行驶区域检测

6.2.2基于深度学习的可行驶区域检测

6.3复杂场景理解

6.3.1问题分析与应用场景

6.3.2CNN+LSTM实现

6.4动态场景理解

6.4.1多目标跟踪

6.4.2路径实时预测

6.4.3行人手势识别

6.5基于PointNet的点云分类和语义分割实验

6.5.1应用模型介绍

6.5.2实验环境

6.5.3PointNet++代码运行

6.6本章小结

参考文献


第7章多传感器融合

7.1概述

7.2多传感器信息融合基础理论

7.2.1多传感器信息融合概述

7.2.2多传感器融合结构

7.2.3多传感器融合算法

7.3多传感器后融合技术

7.3.1Ulm自动驾驶： 模块化的融合方法

7.3.2FOPMOC模型

7.4多传感器前融合技术

7.4.1MV3D

7.4.2AVOD

7.4.3FPointNet

7.5本章小结

参考文献