智能車(chē)輛理論與應(yīng)用：慕課版（第2版）

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

第2章智能車(chē)輛環(huán)境感知009
2.1以斜坡為例的可通行區(qū)域檢測(cè)009
2.1.1檢測(cè)原理009
2.1.2場(chǎng)景構(gòu)建010
2.1.3檢測(cè)程序012
2.1.4操作步驟021
2.2基于機(jī)器學(xué)習(xí)與激光雷達(dá)點(diǎn)云的負(fù)障礙檢測(cè)023
2.2.1三種機(jī)器學(xué)習(xí)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(kù)scikit-learn的實(shí)現(xiàn)028
2.3基于Adaboost與攝像機(jī)圖像的車(chē)輛檢測(cè)035
2.3.1分類(lèi)器訓(xùn)練參數(shù)設(shè)置035
2.3.2正負(fù)樣本的提供036
2.3.3訓(xùn)練分類(lèi)器037
2.3.4使用級(jí)聯(lián)分類(lèi)器檢測(cè)041

第3章深度學(xué)習(xí)及其在環(huán)境感知中的應(yīng)用044
3.1卷積神經(jīng)網(wǎng)絡(luò)044
3.2越野環(huán)境場(chǎng)景識(shí)別047
3.2.1場(chǎng)景數(shù)據(jù)集047
3.2.2道路類(lèi)型識(shí)別048
3.3目標(biāo)檢測(cè)模型及其在智能車(chē)上的應(yīng)用057
3.3.1YOLO系列目標(biāo)檢測(cè)模型057
3.3.2應(yīng)用案例060
3.4基于深度學(xué)習(xí)的車(chē)道線語(yǔ)義分割067
3.4.1車(chē)道線分割網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練067
3.4.2車(chē)道線檢測(cè)網(wǎng)絡(luò)的壓縮與加速076

智能車(chē)輛理論與應(yīng)用:慕課版（第2版）目錄第4章智能車(chē)輛SLAM078
4.1SLAM概述078
4.2視覺(jué)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(yùn)行及數(shù)據(jù)處理094
4.3激光雷達(dá)SLAM100
4.3.1激光雷達(dá)SLAM概述100
4.3.2基于特征概率柵格地圖的激光雷達(dá)里程計(jì)101
4.3.3基于圖優(yōu)化的激光雷達(dá)SLAM后端110

第5章智能車(chē)輛行為決策117
5.1高速道路環(huán)境下智能車(chē)輛超車(chē)行為決策117
5.1.1基于層次狀態(tài)機(jī)的超車(chē)行為建模119
5.1.2基于人工神經(jīng)網(wǎng)絡(luò)的超車(chē)意圖產(chǎn)生122
5.1.3基于規(guī)則的超車(chē)條件判定126
5.2無(wú)信號(hào)燈十字交叉口智能車(chē)輛行為決策129
5.2.1無(wú)信號(hào)燈十字交叉口場(chǎng)景分析129
5.2.2基于模糊邏輯的駕駛員激進(jìn)程度識(shí)別130
5.2.3基于相對(duì)駕駛激進(jìn)程度的無(wú)信號(hào)燈交叉口決策方法131
5.3車(chē)輛跟馳類(lèi)人駕駛學(xué)習(xí)系統(tǒng)134
5.3.1類(lèi)人駕駛學(xué)習(xí)系統(tǒng)設(shè)計(jì)134
5.3.2強(qiáng)化學(xué)習(xí)與馬爾可夫決策過(guò)程135
5.3.3Q Learning與NQL（Neural-Q Learning）137
5.3.4NQL求解過(guò)程140
5.3.5NQL算法流程142
5.4定距離跟馳仿真試驗(yàn)144
5.4.1仿真系統(tǒng)設(shè)計(jì)144
5.4.2定距離跟馳模型144
5.4.3試驗(yàn)結(jié)果與分析146

第6章智能車(chē)輛運(yùn)動(dòng)規(guī)劃148
6.1概述148
6.1.1基于采樣的運(yùn)動(dòng)規(guī)劃算法148
6.1.2基于搜索的運(yùn)動(dòng)規(guī)劃算法151
6.1.3基于優(yōu)化的運(yùn)動(dòng)規(guī)劃算法152
6.2靜態(tài)環(huán)境下的運(yùn)動(dòng)規(guī)劃153
6.2.1代價(jià)地圖153
6.2.2運(yùn)動(dòng)規(guī)劃154
6.2.3V-REP場(chǎng)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(dòng)態(tài)環(huán)境下的運(yùn)動(dòng)規(guī)劃172
6.3.1碰撞檢測(cè)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(chē)輛模型預(yù)測(cè)控制184
7.1車(chē)輛動(dòng)力學(xué)模型184
7.1.1定義坐標(biāo)系184
7.1.2車(chē)輛動(dòng)力學(xué)模型185
7.1.3輪胎模型186
7.2模型預(yù)測(cè)控制理論推導(dǎo)與求解186
7.2.1模型預(yù)測(cè)控制算法186
7.2.2非線性模型預(yù)測(cè)控制188
7.2.3線性時(shí)變模型預(yù)測(cè)控制190
7.3基于動(dòng)力學(xué)模型的軌跡跟蹤控制196
7.3.1預(yù)測(cè)模型196
7.3.2代價(jià)函數(shù)199
7.3.3優(yōu)化求解200
7.4MATLAB仿真實(shí)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(chē)編隊(duì)自動(dòng)駕駛215
8.1.1車(chē)輛編隊(duì)總體方案216
8.1.2多車(chē)編隊(duì)系統(tǒng)架構(gòu)219
8.1.3編隊(duì)車(chē)輛平臺(tái)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(gè)紅綠燈路口通行策略的制定224
8.2.2通行多個(gè)紅綠燈路口方法229
8.2.3仿真試驗(yàn)232
8.3基于V2X的遮擋環(huán)境下智能車(chē)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(jí)沖突區(qū)域的行人避撞方法241
8.3.3通信延時(shí)與丟包的影響分析245

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