現(xiàn)代測繪技術(shù)與智能駕駛

目錄
第1章 緒論 1
1.1 智能駕駛的一般理解與意義 1
1.2 智能駕駛發(fā)展現(xiàn)狀 4
1.2.1 智能駕駛發(fā)展歷史 4
1.2.2 國外智能駕駛研究現(xiàn)狀 10
1.2.3 國內(nèi)智能駕駛研究現(xiàn)狀 17
1.3 現(xiàn)代測繪技術(shù)發(fā)展與智能駕駛 21
1.3.1 導(dǎo)航定位與智能駕駛 21
1.3.2 地理信息與智能駕駛 23
1.3.3 高精度地圖與智能駕駛 27
參考文獻(xiàn) 29
第2章 智能駕駛系統(tǒng)構(gòu)成 36
2.1 智能駕駛系統(tǒng)平臺綜述 36
2.2 智能駕駛系統(tǒng)結(jié)構(gòu) 38
2.2.1 從單車智能到智能網(wǎng)聯(lián) 38
2.2.2 平臺體系分層 39
2.3 車輛線控底盤 40
2.4 傳感器及其集成 41
2.4.1 傳感器分類 41
2.4.2 時間同步 43
2.5 智能駕駛域控制器 43
2.6 智能駕駛軟件算法設(shè)計 44
參考文獻(xiàn) 45
第3章 基于視覺的環(huán)境探測 47
3.1 智能駕駛中的機器視覺 47
3.1.1 機器視覺的三個層次 48
3.1.2 智能駕駛中常用的視覺特征 48
3.1.3 智能駕駛中常用的特征分類 51
3.2 車道線檢測與跟蹤 53
3.2.1 車道線檢測框架 53
3.2.2 邊緣特征提取 53
3.2.3 基于B-snake模板的車道線檢測算法 54
3.2.4 基于車道模型和EKF的車道線檢測算法 56
3.2.5 基于深度學(xué)習(xí)的車道線檢測 59
3.3 行人目標(biāo)檢測 61
3.3.1 行人檢測算法框架 61
3.3.2 目標(biāo)特征提取 61
3.3.3 特征分類 61
3.3.4 行人檢測與跟蹤算法 63
3.4 車輛檢測及跟蹤 67
3.4.1 車輛檢測算法框架 67
3.4.2 車輛檢測算法 68
3.4.3 車輛跟蹤算法 70
3.5 交通標(biāo)牌與交通燈識別 71
3.5.1 概述 71
3.5.2 交通標(biāo)牌與交通燈識別難點 72
3.5.3 交通標(biāo)牌與交通燈識別方法 72
3.5.4 交通標(biāo)牌與交通燈識別的異同 78
參考文獻(xiàn) 79
第4章 基于激光點云的實時環(huán)境探測 81
4.1 激光雷達(dá)與智能駕駛的發(fā)展 81
4.1.1 激光雷達(dá)測距原理 81
4.1.2 激光雷達(dá)發(fā)展簡史 83
4.1.3 激光雷達(dá)成像原理 83
4.1.4 激光雷達(dá)在智能駕駛中的應(yīng)用 87
4.1.5 激光雷達(dá)在自主車的安裝發(fā)展 89
4.2 激光點云數(shù)據(jù)處理 94
4.2.1 點云數(shù)據(jù)采集過程 95
4.2.2 點云數(shù)據(jù)坐標(biāo)計算 96
4.2.3 點云數(shù)據(jù)結(jié)構(gòu)化處理 97
4.2.4 點云數(shù)據(jù)點特征提取 100
4.2.5 點云數(shù)據(jù)直線段提取 102
4.2.6 點云數(shù)據(jù)平面段提取 104
4.3 道路動態(tài)目標(biāo)檢測與跟蹤 107
4.3.1 目標(biāo)建模 108
4.3.2 目標(biāo)檢測方法 110
4.3.3 目標(biāo)跟蹤方法 116
參考文獻(xiàn) 121
第5章 面向智能駕駛的高精度地圖 127
5.1 傳統(tǒng)導(dǎo)航地圖的產(chǎn)生和發(fā)展 127
5.1.1 導(dǎo)航電子地圖的興起 127
5.1.2 地圖空間實體數(shù)據(jù)結(jié)構(gòu) 128
5.1.3 導(dǎo)航電子地圖的內(nèi)容 129
5.1.4 導(dǎo)航電子地圖的數(shù)據(jù)庫標(biāo)準(zhǔn)和格式 130
5.1.5 導(dǎo)航電子地圖的制作流程 132
5.2 高精度地圖的表達(dá)和生成 133
5.2.1 高精度地圖的概念 133
5.2.2 高精度地圖的格式規(guī)范 135
5.2.3 高精度地圖的采集 140
5.2.4 高精度地圖的制作流程 141
5.3 地圖輔助智能駕駛應(yīng)用 142
5.3.1 地圖與智能駕駛的關(guān)系 142
5.3.2 高精度地圖輔助智能駕駛的應(yīng)用 143
參考文獻(xiàn) 144
第6章 智能駕駛自主定位技術(shù) 149
6.1 坐標(biāo)基準(zhǔn)及轉(zhuǎn)換 149
6.1.1 坐標(biāo)系及姿態(tài)表達(dá) 149
6.1.2 傳感器模型 154
6.1.3 Kalman濾波 160
6.2 GNSS/INS組合導(dǎo)航定位技術(shù) 163
6.2.1 慣性導(dǎo)航機械編排 164
6.2.2 GNSS/INS組合導(dǎo)航模型 168
6.3 即時定位與構(gòu)圖技術(shù) 173
6.3.1 SLAM技術(shù)的分類 174
6.3.2 基于概率的SLAM模型 177
6.3.3 基于擴展Kalman濾波的SLAM 模型 179
6.3.4 SLAM/INS組合導(dǎo)航模型 181
6.3.5 GNSS/INS/SLAM組合導(dǎo)航模型 183
6.4 基于高精度地圖的定位技術(shù) 187
6.4.1 基于特征地圖的定位 187
6.4.2 基于拓?fù)涞貓D的定位 193
6.4.3 基于柵格概率地圖的定位 199
參考文獻(xiàn) 204
第7章 智能駕駛規(guī)劃與控制技術(shù) 212
7.1 智能駕駛決策與規(guī)劃系統(tǒng)概述 212
7.1.1 城市環(huán)境下智能駕駛車輛決策設(shè)計面臨的問題 212
7.1.2 武漢大學(xué)智能駕駛車輛的決策系統(tǒng) 214
7.2 路徑規(guī)劃算法 218
7.2.1 路徑規(guī)劃算法概述 218
7.2.2 圖搜索類算法 221
7.2.3 采樣類算法 225
7.2.4 基于Anytime和CL_SST的規(guī)劃系統(tǒng) 229
7.2.5 基于動態(tài)規(guī)劃的智能駕駛路徑規(guī)劃系統(tǒng) 249
7.3 路徑跟蹤控制方法 258
7.3.1 控制系統(tǒng)概述 258
7.3.2 智能駕駛車輛橫向控制算法 259
7.3.3 典型幾何跟蹤控制器 261
7.3.4 CF_Pursuit的設(shè)計 263
7.3.5 橫向控制器對比試驗 268
參考文獻(xiàn) 271
第8章 車路協(xié)同智能駕駛 277
8.1 車路協(xié)同概述 277
8.1.1 國外車路協(xié)同技術(shù)發(fā)展 277
8.1.2 國內(nèi)車路協(xié)同技術(shù)發(fā)展 278
8.1.3 車路協(xié)同智能駕駛系統(tǒng)來臨 279
8.2 智能路側(cè)系統(tǒng) 279
8.2.1 智能路側(cè)系統(tǒng)的發(fā)展 279
8.2.2 智能路側(cè)系統(tǒng)的特點 280
8.2.3 智能路側(cè)系統(tǒng)的基本原理及設(shè)計 281
8.3 智能網(wǎng)聯(lián)汽車 291
8.3.1 智能網(wǎng)聯(lián)汽車的系統(tǒng)框架 291
8.3.2 智能網(wǎng)聯(lián)汽車的安全防護設(shè)計 291
8.4 基于5G的車路協(xié)同智能駕駛系統(tǒng) 293
8.4.1 基于5G的車路協(xié)同智能駕駛系統(tǒng)關(guān)鍵子系統(tǒng) 293
8.4.2 車路協(xié)同系統(tǒng)測試與驗證 295
8.5 車路協(xié)同系統(tǒng)面臨的挑戰(zhàn) 296
參考文獻(xiàn) 297
第9章 智能駕駛未來發(fā)展展望 298
9.1 智能駕駛發(fā)展綜述 298
9.2 智能駕駛高精度地圖及定位技術(shù) 299
9.2.1 智能駕駛地圖 299
9.2.2 智能駕駛定位技術(shù) 299
9.2.3 地圖與定位技術(shù)面臨的挑戰(zhàn) 300
9.3 對抗攻擊與安全防護 300
9.3.1 智能駕駛系統(tǒng)安全 301
9.3.2 智能駕駛安全發(fā)展趨勢 302
9.4 “小特慢”場景應(yīng)用 304
9.4.1 自主導(dǎo)航機器人應(yīng)用 304
9.4.2 封閉園區(qū)/景區(qū)/廠區(qū)車 305
9.4.3 末端物流配送 307
參考文獻(xiàn) 307