智能車輛理論與應用：慕課版（第2版）

定　價：￥78.00

作　者：	熊光明，于會龍，龔建偉，邸慧軍著
出版社：	北京理工大學出版社
叢編項：	北京理工大學“雙一流”建設精品出版工程
標　簽：	暫缺

購買這本書可以去

ISBN：	9787576304671	出版時間：	2022-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	304	字數(shù)：

內(nèi)容簡介

　　本書是《智能車輛理論與應用》一書的修訂版（第2版），同時也是“智能車輛理論與應用”研究生慕課配套教材。全書共9章，包括：概述；智能車輛環(huán)境感知；深度學習及其在環(huán)境感知中的應用；智能車輛SLAM；智能車輛行為決策；智能車輛運動規(guī)劃；智能車輛模型預測控制；智能網(wǎng)聯(lián)；智能車輛測試方法與評價。 為了方便教學，書中增加了大量的實際操作案例，包括基于ROS框架的可通行區(qū)域檢測、基于Python庫scikit-learn的激光雷達點云負障礙檢測、基于Adaboost與攝像機圖像的車輛檢測、采用ResNet模型使用Keras框架的場景識別、自制數(shù)據(jù)集并訓練YOLO v5檢測模型、ORB SLAM、ROS與V-REP聯(lián)合仿真實現(xiàn)運動規(guī)劃案例、綜合測試案例等。 本書可作為高等院校機械工程、自動化、計算機等專業(yè)的研究生教材，也可供各類具有一定基礎(chǔ)知識的智能車輛從業(yè)人員參考使用。

作者簡介

　　熊光明，北京理工大學機械與車輛學院副教授，工學博士。長期從事智能車輛科研/教學工作，發(fā)表SCI/EI論文60多篇，編著有智能車輛相關(guān)書籍6部，授權(quán)國家發(fā)明專利二十余項。獲2014年度汽車工程學會優(yōu)秀論文獎。2015年獲得北京理工大學優(yōu)秀碩士生指導教師稱號。2017年獲得部級科技進步二等獎1項，獲得兵器集團科技進步三等獎1項。編著“無人駕駛汽車概論”獲得兵工高校優(yōu)秀教材一等獎。2017年獲北京理工大學優(yōu)秀教學成果一等獎。編著“無人駕駛車輛理論與設計”獲得2019年兵工高校精品教材和北京理工大學精品教材。2020年獲北京理工大學優(yōu)秀教學成果二等獎。2021年編寫教材入選工信部十四五規(guī)劃教材。

圖書目錄

第1章概論001
1.1智能車輛概述001
1.2人工智能概述002
1.3智能車輛體系結(jié)構(gòu)005

第2章智能車輛環(huán)境感知009
2.1以斜坡為例的可通行區(qū)域檢測009
2.1.1檢測原理009
2.1.2場景構(gòu)建010
2.1.3檢測程序012
2.1.4操作步驟021
2.2基于機器學習與激光雷達點云的負障礙檢測023
2.2.1三種機器學習算法介紹023
2.2.2數(shù)據(jù)采集與處理026
2.2.3基于Python庫scikit-learn的實現(xiàn)028
2.3基于Adaboost與攝像機圖像的車輛檢測035
2.3.1分類器訓練參數(shù)設置035
2.3.2正負樣本的提供036
2.3.3訓練分類器037
2.3.4使用級聯(lián)分類器檢測041

第3章深度學習及其在環(huán)境感知中的應用044
3.1卷積神經(jīng)網(wǎng)絡044
3.2越野環(huán)境場景識別047
3.2.1場景數(shù)據(jù)集047
3.2.2道路類型識別048
3.3目標檢測模型及其在智能車上的應用057
3.3.1YOLO系列目標檢測模型057
3.3.2應用案例060
3.4基于深度學習的車道線語義分割067
3.4.1車道線分割網(wǎng)絡設計與訓練067
3.4.2車道線檢測網(wǎng)絡的壓縮與加速076

智能車輛理論與應用:慕課版（第2版）目錄第4章智能車輛SLAM078
4.1SLAM概述078
4.2視覺SLAM081
4.2.1算法框架與前端搭建081
4.2.2圖優(yōu)化概述087
4.2.3非回環(huán)分層模型090
4.2.4ORB-SLAM運行及數(shù)據(jù)處理094
4.3激光雷達SLAM100
4.3.1激光雷達SLAM概述100
4.3.2基于特征概率柵格地圖的激光雷達里程計101
4.3.3基于圖優(yōu)化的激光雷達SLAM后端110

第5章智能車輛行為決策117
5.1高速道路環(huán)境下智能車輛超車行為決策117
5.1.1基于層次狀態(tài)機的超車行為建模119
5.1.2基于人工神經(jīng)網(wǎng)絡的超車意圖產(chǎn)生122
5.1.3基于規(guī)則的超車條件判定126
5.2無信號燈十字交叉口智能車輛行為決策129
5.2.1無信號燈十字交叉口場景分析129
5.2.2基于模糊邏輯的駕駛員激進程度識別130
5.2.3基于相對駕駛激進程度的無信號燈交叉口決策方法131
5.3車輛跟馳類人駕駛學習系統(tǒng)134
5.3.1類人駕駛學習系統(tǒng)設計134
5.3.2強化學習與馬爾可夫決策過程135
5.3.3Q Learning與NQL（Neural-Q Learning）137
5.3.4NQL求解過程140
5.3.5NQL算法流程142
5.4定距離跟馳仿真試驗144
5.4.1仿真系統(tǒng)設計144
5.4.2定距離跟馳模型144
5.4.3試驗結(jié)果與分析146

第6章智能車輛運動規(guī)劃148
6.1概述148
6.1.1基于采樣的運動規(guī)劃算法148
6.1.2基于搜索的運動規(guī)劃算法151
6.1.3基于優(yōu)化的運動規(guī)劃算法152
6.2靜態(tài)環(huán)境下的運動規(guī)劃153
6.2.1代價地圖153
6.2.2運動規(guī)劃154
6.2.3V-REP場景構(gòu)建及仿真展示156
6.2.4ROS程序165
6.2.5參數(shù)解析167
6.3動態(tài)環(huán)境下的運動規(guī)劃172
6.3.1碰撞檢測方法172
6.3.2速度重規(guī)劃算法176
6.3.3基于狀態(tài)空間采樣的路徑規(guī)劃算法181

第7章智能車輛模型預測控制184
7.1車輛動力學模型184
7.1.1定義坐標系184
7.1.2車輛動力學模型185
7.1.3輪胎模型186
7.2模型預測控制理論推導與求解186
7.2.1模型預測控制算法186
7.2.2非線性模型預測控制188
7.2.3線性時變模型預測控制190
7.3基于動力學模型的軌跡跟蹤控制196
7.3.1預測模型196
7.3.2代價函數(shù)199
7.3.3優(yōu)化求解200
7.4MATLAB仿真實例201
7.4.1代碼介紹201
7.4.2仿真分析207

第8章智能網(wǎng)聯(lián)215
8.1基于網(wǎng)聯(lián)技術(shù)的多車編隊自動駕駛215
8.1.1車輛編隊總體方案216
8.1.2多車編隊系統(tǒng)架構(gòu)219
8.1.3編隊車輛平臺軟件結(jié)構(gòu)220
8.2基于V2X的紅綠燈路口通行224
8.2.1單個紅綠燈路口通行策略的制定224
8.2.2通行多個紅綠燈路口方法229
8.2.3仿真試驗232
8.3基于V2X的遮擋環(huán)境下智能車輛避撞行人239
8.3.1基于V2X的避撞系統(tǒng)239
8.3.2基于分級沖突區(qū)域的行人避撞方法241
8.3.3通信延時與丟包的影響分析245

第9章智能車輛測試與評價251
9.1基于ROS+V-REP的智能車輛綜合測試251
9.1.1安裝ROS+V-REP251
9.1.2安裝依賴項257
9.1.3V-REP模型搭建259
9.1.4聯(lián)合仿真測試262
9.2智能車輛測評體系281
9.2.1復雜交通環(huán)境下智能車輛性能測試內(nèi)容281
9.2.2基于集成測試方法的性能測試282
9.2.3智能車輛性能測試環(huán)境構(gòu)建283
9.2.4智能車輛性能評價方法284
參考文獻287