智能網(wǎng)聯(lián)汽車(chē)環(huán)境感知信號(hào)處理技術(shù)

第 1章 緒論 1
1.1　智能網(wǎng)聯(lián)汽車(chē)發(fā)展趨勢(shì)　1
1.1.1　自動(dòng)駕駛歷史發(fā)展　2
1.1.2　自動(dòng)駕駛行業(yè)——量的積累讓自動(dòng)駕駛汽車(chē)開(kāi)始邁向質(zhì)的飛躍　3
1.1.3　國(guó)內(nèi)外政策——多角度保障自動(dòng)駕駛汽車(chē)安全落地　4
1.1.4　業(yè)界公司發(fā)展　6
1.2　車(chē)載傳感器概述與技術(shù)進(jìn)程　7
1.2.1　毫米波雷達(dá)　8
1.2.2　激光雷達(dá)　8
1.2.3　超聲波傳感器　9
1.2.4　圖像傳感器　9
1.2.5　組合定位導(dǎo)航　9
1.3　小結(jié)　10
參考文獻(xiàn)　11
第　2章 信號(hào)處理的基本知識(shí)　12
2.1　信號(hào)采樣　12
2.1.1　信號(hào)、系統(tǒng)及信號(hào)處理　12
2.1.2　信號(hào)處理的一般過(guò)程　13
2.1.3　模擬信號(hào)的采樣過(guò)程　14
2.1.4　采樣定理　15
2.2　線性系統(tǒng)與非線性系統(tǒng)　16
2.2.1　系統(tǒng)的一般分類　16
2.2.2　線性系統(tǒng)與非線性系統(tǒng)的基本性質(zhì)　17
2.2.3　線性系統(tǒng)的分析方法　18
2.3　傅里葉變換　19
2.3.1　傅里葉級(jí)數(shù)　19
2.3.2　連續(xù)非周期信號(hào)的傅里葉變換　20
2.3.3　離散時(shí)間傅里葉變換　21
2.3.4　離散時(shí)間周期信號(hào)的傅里葉級(jí)數(shù)　22
2.3.5　離散傅里葉變換和快速傅里葉變換　23
2.3.6　其他重要變換　27
2.4　矩陣代數(shù)基礎(chǔ)　28
2.4.1　行列式的性質(zhì)　28
2.4.2　方陣的跡及其性質(zhì)　29
2.4.3　逆矩陣　29
2.4.4　初等變換與秩　31
2.4.5　關(guān)于秩的一些重要結(jié)論　32
2.5　概率論基礎(chǔ)　32
2.5.1　分布函數(shù)　32
2.5.2　均值與方差　33
2.5.3　矩　33
2.5.4　隨機(jī)向量　34
2.6　濾波算法與濾波器　35
2.6.1　濾波器的分類　35
2.6.2　濾波器的技術(shù)要求　36
2.6.3　濾波器算法　37
參考文獻(xiàn)　40
第3章　毫米波雷達(dá)信號(hào)處理技術(shù)　41
3.1　毫米波雷達(dá)原理　41
3.1.1　雷達(dá)方程　41
3.1.2　雷達(dá)工作體制　42
3.2　車(chē)載雷達(dá)信號(hào)處理流程　47
3.3　脈沖壓縮技術(shù)　48
3.3.1　脈沖壓縮原理　49
3.3.2　脈沖壓縮基本方法　50
3.4　雷達(dá)雜波抑制　52
3.5　雷達(dá)目標(biāo)檢測(cè)技術(shù)　55
3.5.1　雷達(dá)檢測(cè)的門(mén)限值　55
3.5.2　恒虛警檢測(cè)器原理　56
3.5.3　白噪聲背景下的恒虛警檢測(cè)器　56
3.5.4　有序統(tǒng)計(jì)恒虛警檢測(cè)器　58
3.6　雷達(dá)陣列信號(hào)處理　59
3.6.1　MIMO雷達(dá)工作原理　59
3.6.2　MIMO雷達(dá)信號(hào)處理流程　60
3.6.3　時(shí)分多路　62
3.7　多目標(biāo)跟蹤與識(shí)別技術(shù)　64
3.7.1　多目標(biāo)跟蹤技術(shù)　64
3.7.2　毫米波雷達(dá)目標(biāo)識(shí)別系統(tǒng)　67
3.8　超寬帶的毫米波雷達(dá)三維成像算法　69
3.9　應(yīng)用實(shí)例　72
3.9.1　4D毫米波雷達(dá)　72
3.9.2　車(chē)輛周?chē)系K物的檢測(cè)　74
3.9.3　ADAS中的應(yīng)用　74
3.9.4　基于微多普勒特征的行人、車(chē)輛的目標(biāo)識(shí)別　75
參考文獻(xiàn)　77
第4章　激光雷達(dá)信號(hào)處理技術(shù)　79
4.1　激光雷達(dá)原理　79
4.1.1　激光產(chǎn)生的原理　79
4.1.2　激光測(cè)距原理　80
4.1.3　激光雷達(dá)作用距離方程　81
4.1.4　激光雷達(dá)掃描方式　82
4.2　激光雷達(dá)信號(hào)處理流程　88
4.2.1　激光雷達(dá)回波信號(hào)降噪　88
4.2.2　全波形信號(hào)處理　90
4.3　激光點(diǎn)云處理方法　91
4.3.1　點(diǎn)云濾波　91
4.3.2　點(diǎn)云特征描述與提取　92
4.3.3　點(diǎn)云分割　99
4.3.4　點(diǎn)云配準(zhǔn)　106
4.4　激光三維成像研究　107
4.4.1　激光掃描點(diǎn)云成像　108
4.4.2　其他主動(dòng)激光成像技術(shù)　111
4.5　應(yīng)用實(shí)例　114
4.5.1　基于激光雷達(dá)點(diǎn)云的車(chē)輛檢測(cè)方法　114
4.5.2　基于激光雷達(dá)點(diǎn)云的車(chē)道線檢測(cè)方法　115
4.5.3　基于激光雷達(dá)的目標(biāo)追蹤　116
4.5.4　三維場(chǎng)景重建　117
參考文獻(xiàn)　117
第5章　視覺(jué)傳感器信號(hào)處理技術(shù)　122
5.1　車(chē)載視覺(jué)傳感器原理　122
5.1.1　視覺(jué)傳感器基本組成　122
5.1.2　典型的視覺(jué)傳感器　123
5.2　數(shù)字圖像處理流程　127
5.2.1　圖像的采集和存儲(chǔ)　128
5.2.2　圖像預(yù)處理　128
5.2.3　圖像分割　129
5.2.4　圖像特征提取和選擇　130
5.3　圖像預(yù)處理技術(shù)　131
5.3.1　圖像灰度化　131
5.3.2　圖像幾何變換　132
5.3.3　圖像增強(qiáng)　132
5.4　圖像特征提取與分類　134
5.4.1　原始特征提取　135
5.4.2　特征降維　136
5.4.3　特征選擇　138
5.5　機(jī)器學(xué)習(xí)與深度學(xué)習(xí)方法　141
5.5.1　機(jī)器學(xué)習(xí)方法　141
5.5.2　深度學(xué)習(xí)方法　144
5.6　應(yīng)用實(shí)例　146
5.6.1　車(chē)輛與行人識(shí)別和跟蹤　146
5.6.2　車(chē)道線識(shí)別　150
5.6.3　交通標(biāo)志牌識(shí)別　153
參考文獻(xiàn)　155
第6章　車(chē)載定位傳感器信號(hào)處理技術(shù)　157
6.1　引言　157
6.2　車(chē)載定位傳感器信號(hào)簡(jiǎn)介　157
6.2.1　GNSS信號(hào)　158
6.2.2　輪速信號(hào)　159
6.2.3　慣性傳感器信號(hào)　159
6.3　GNSS定位　162
6.3.1　單點(diǎn)定位　163
6.3.2　差分定位　164
6.3.3　精密單點(diǎn)定位　165
6.4　航跡推算定位系統(tǒng)　165
6.4.1　平面航跡推算定位系統(tǒng)　166
6.4.2　輪速信號(hào)的處理　168
6.5　慣性導(dǎo)航系統(tǒng)　170
6.5.1　慣性導(dǎo)航常用參考坐標(biāo)系　171
6.5.2　慣性傳感器測(cè)量模型　171
6.5.3　姿態(tài)解算　172
6.5.4　速度解算　173
6.5.5　位置解算　173
6.6　應(yīng)用實(shí)例——GNSS/INS/輪速傳感器松耦合組合定位系統(tǒng)　174
6.6.1　系統(tǒng)簡(jiǎn)介　174
6.6.2　INS誤差狀態(tài)模型　174
6.6.3　基于誤差狀態(tài)卡爾曼濾波的信息融合　176
參考文獻(xiàn)　178
第7章　多傳感器融合技術(shù)　180
7.1　車(chē)載傳感器數(shù)據(jù)融合方法　180
7.1.1　多傳感器融合　180
7.1.2　多傳感器融合的基本原理　180
7.1.3　多傳感器的前融合與后融合技術(shù)　181
7.1.4　多傳感器數(shù)據(jù)融合算法　182
7.2　貝葉斯估計(jì)　184
7.2.1　貝葉斯估計(jì)基本概念　184
7.2.2　基于貝葉斯估計(jì)的數(shù)據(jù)融合算法　186
7.2.3　估計(jì)算法的局限性　187
7.3　擴(kuò)展卡爾曼濾波　188
7.3.1　擴(kuò)展卡爾曼濾波介紹　188
7.3.2　擴(kuò)展卡爾曼濾波原理　189
7.3.3　擴(kuò)展卡爾曼濾波在一維非線性系統(tǒng)中的應(yīng)用　190
7.4　模糊決策　192
7.4.1　模糊決策基本概念　192
7.4.2　模糊一致關(guān)系　192
7.4.3　模糊一致矩陣　194
7.4.4　廣義去模糊機(jī)制　195
7.5　應(yīng)用實(shí)例——多目標(biāo)跟蹤　196
7.5.1　多目標(biāo)跟蹤方法分類　197
7.5.2　多目標(biāo)跟蹤算法　198
參考文獻(xiàn)　200
第8章　其他傳感器技術(shù)　201
8.1　超聲波雷達(dá)　201
8.1.1　超聲波雷達(dá)的工作原理　201
8.1.2　超聲波雷達(dá)的類型　202
8.1.3　超聲波雷達(dá)的數(shù)學(xué)模型　203
8.1.4　超聲波雷達(dá)的優(yōu)勢(shì)與劣勢(shì)　203
8.1.5　超聲波雷達(dá)的技術(shù)特點(diǎn)　204
8.2　紅外傳感器　204
8.2.1　紅外線　205
8.2.2　紅外傳感器分類　205
8.2.3　紅外傳感器相關(guān)技術(shù)　207
8.3　其他車(chē)身狀態(tài)傳感器　211
8.3.1　車(chē)身高度傳感器　211
8.3.2　碰撞傳感器　212
參考文獻(xiàn)　213
名詞索引　215