智能汽車環(huán)境感知與多傳感器融合技術(shù)

定　價：￥69.80

作　者：	崔勝民、張冠哲編著
出版社：	化學工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥61.70)

ISBN：	9787122470256	出版時間：	2025-02-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　《智能汽車環(huán)境感知與多傳感器融合技術(shù)》全面系統(tǒng)地介紹了智能汽車環(huán)境感知技術(shù)的各個方面，詳細解讀了環(huán)境感知的定義、作用、要求、類型、功能需求以及未來發(fā)展趨勢，重點介紹了基于視覺傳感器、毫米波雷達和激光雷達的環(huán)境感知技術(shù)，這些技術(shù)都是實現(xiàn)智能汽車安全、高效行駛的關(guān)鍵所在。此外，本書還深入探討了傳感器融合技術(shù)的原理和應用，為讀者提供了多傳感器信息融合的解決方案。書中的內(nèi)容不僅涵蓋了智能汽車上廣泛應用的成熟技術(shù)，還包括近年來出現(xiàn)的一些高新技術(shù)，展現(xiàn)了環(huán)境感知技術(shù)的最新進展。本書內(nèi)容豐富，以實際工程應用為背景，通俗易懂，實用性強，可作高等院校本科車輛工程、智能車輛工程及相關(guān)專業(yè)的參考教材，同時也適合車輛工程研究生以及智能汽車行業(yè)的工程技術(shù)人員、科研人員和管理人員閱讀參考。

作者簡介

　　無

圖書目錄

第1章緒論001
1.1智能汽車環(huán)境感知的定義002
1.2智能汽車環(huán)境感知的作用002
1.3智能汽車環(huán)境感知的要求003
1.4智能汽車環(huán)境感知的類型004
1.5智能汽車環(huán)境感知的流程006
1.6智能汽車環(huán)境感知的功能需求009
1.7智能汽車環(huán)境感知的約束條件010
1.8智能汽車環(huán)境感知的發(fā)展趨勢011
第2章基于視覺傳感器的環(huán)境感知技術(shù)013
2.1視覺傳感器的功能需求與配置014
2.1.1視覺傳感器的功能需求014
2.1.2視覺傳感器的配置015
2.2視覺傳感器的標定017
2.2.1視覺傳感器的標定目的017
2.2.2視覺傳感器的標定方法018
2.2.3單目相機的標定022
2.2.4雙目相機的標定026
2.3視覺傳感器的圖像處理技術(shù)028
2.3.1圖像預處理技術(shù)028
2.3.2圖像特征提取技術(shù)034
2.3.3圖像分割技術(shù)037
2.3.4目標檢測技術(shù)042
2.3.5目標識別技術(shù)049
2.4數(shù)據(jù)集051
2.4.1數(shù)據(jù)集的作用052
2.4.2KITTI數(shù)據(jù)集052
2.4.3nuScenes數(shù)據(jù)集053
2.4.4WaymoOpenDataset054
2.4.5ApolloOpenDataset055
2.5目標檢測常用算法056
2.5.1卷積神經(jīng)網(wǎng)絡(luò)056
2.5.2R-CNN系列算法070
2.5.3YOLO系列算法076
2.6基于視覺傳感器的目標檢測084
2.6.1車道線檢測084
2.6.2車輛檢測086
2.6.3行人檢測090
2.6.4交通標志檢測093
2.6.5交通信號燈檢測095
第3章基于毫米波雷達的環(huán)境感知技術(shù)099
3.1毫米波雷達的功能需求與配置100
3.1.1毫米波雷達的功能需求100
3.1.2毫米波雷達的配置101
3.2毫米波雷達的標定103
3.2.1毫米波雷達的標定目的103
3.2.2毫米波雷達的標定方法104
3.3毫米波雷達的數(shù)據(jù)處理108
3.3.1數(shù)據(jù)接收109
3.3.2數(shù)據(jù)預處理110
3.3.3目標檢測與提取112
3.3.4目標跟蹤與軌跡生成115
3.4基于毫米波雷達的目標檢測116
3.4.1基于傳統(tǒng)的毫米波雷達目標檢測116
3.4.2基于深度學習的毫米波雷達目標檢測117
3.4.3基于卡爾曼濾波的目標跟蹤118
第4章基于激光雷達的環(huán)境感知技術(shù)124
4.1激光雷達的功能需求與配置125
4.1.1激光雷達的功能需求125
4.1.2激光雷達的配置126
4.2激光雷達的標定128
4.2.1激光雷達的標定目的128
4.2.2激光雷達的標定方法129
4.2.3激光雷達標定示例133
4.3激光雷達的點云數(shù)據(jù)處理135
4.3.1點云數(shù)據(jù)獲取135
4.3.2點云預處理140
4.3.3點云配準145
4.3.4點云特征提取148
4.3.5點云分割149
4.3.6點云聚類155
4.3.7點云三維建模155
4.3.8點云的運動畸變156
4.4點云的目標檢測方法159
4.4.1基于規(guī)則的點云目標檢測方法159
4.4.2基于機器學習的點云目標檢測方法160
4.4.3基于深度學習的點云目標檢測方法161
4.5常用的點云深度學習模型163
4.5.1PointNet模型163
4.5.2PSANet模型168
4.5.3PointPillars模型171
4.6基于激光雷達的目標檢測174
4.6.1車道線檢測174
4.6.2車輛檢測177
4.6.3行人檢測178
第5章多傳感器融合技術(shù)180
5.1概述181
5.1.1多傳感器融合的定義181
5.1.2多傳感器融合的過程182
5.1.3多傳感器融合的要求182
5.1.4多傳感器融合方案183
5.2多傳感器同步理論192
5.2.1時間同步192
5.2.2空間同步195
5.3多傳感器融合算法196
5.3.1加權(quán)平均法196
5.3.2卡爾曼濾波法198
5.3.3多貝葉斯估計法200
5.3.4D-S證據(jù)推理法203
5.3.5模糊邏輯推理206
5.3.6人工神經(jīng)網(wǎng)絡(luò)法209
5.4BEV感知融合技術(shù)212
參考文獻218