無人駕駛原理與實踐

定　價：￥69.00

作　者：	申澤邦，雍賓賓，周慶國，李良，李冠憬著
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥69.00)

ISBN：	9787111614999	出版時間：	2019-01-01	包裝：	平裝
開本：	16開	頁數：		字數：

內容簡介

　　無人駕駛是人工智能熱潮中極具發(fā)展?jié)摿Φ膽脠鼍埃彩且粋€綜合了多個學科的應用領域，涵蓋機器人學、自動化控制、機器學習、機器視覺、移動通信、智能交通、車輛工程等諸多學科。本書旨在通過深入淺出的方式系統(tǒng)展現無人駕駛理論，并通過簡單易上手的實例幫助讀者實現技術入門。本書作者包括國內一線無人駕駛科研團隊負責人、一線新能源汽車廠商無人駕駛技術專家，他們對無人駕駛整個技術棧有著全面深入的研究，同時擁有大量工業(yè)應用實踐。通過本書，讀者將系統(tǒng)學習并實戰(zhàn)無人駕駛軟件系統(tǒng)的感知、規(guī)劃和控制基礎算法；掌握ROS編程，學習并實踐多傳感器融合方法；學習機器學習、深度學習和強化學習等人工智能方法在無人駕駛中的應用；讀者還將初步了解更接近工業(yè)應用的復雜方法。本書適合希望進入無人駕駛汽車行業(yè)的技術人員和高校學生作為技術入門書籍，亦可作為無人駕駛應用研究的工具書籍。

作者簡介

　　申澤邦蘭州大學RockAuto智能駕駛組創(chuàng)始人、負責人。研究方向包括無人駕駛，高級輔助駕駛，機器人學和深度學習。自動駕駛全棧工程師，CSDN博客專家。雍賓賓蘭州大學信息科學與工程學院博士后，目前主要從事機器學習、神經網絡和高性能計算領域的研究。周慶國蘭州大學教授，博士生導師，國際電氣工程師學會會士，教育部新世紀人才基金獲得者，蘭州大學開源軟件與實時系統(tǒng)教育部工程研究中心副主任，蘭州大學分布式與嵌入式系統(tǒng)實驗室主任。目前主要從事安全關鍵系統(tǒng)、嵌入式系統(tǒng)、實時系統(tǒng)、虛擬化技術的研究。已在國內外學術期刊上發(fā)表論文111篇，其中SCI 28篇，EI30篇，獲得兩項發(fā)明專利授權。李良小鵬汽車自動駕駛算法專家，Udacity無人駕駛納米學位Mentor和Reviewer，專注機器人/無人駕駛行業(yè)多年，現主要從事自動駕駛算法技術及系統(tǒng)研究，以及深度學習、人工智能技術在汽車硬件上的商業(yè)落地實現。擁有多篇技術發(fā)明專利。李冠憬博士研究生導師，靜宜大學特聘教授兼校長特別助理，國際工程技術學會（IET）會士、IEEE高級會員、美國科學促進會（AAAS）會員。參與過多個國際重要會議指導委員會，同時也是多數據庫收錄（包含副SCI、EI、SCOPUS）之知名國際學術期刊的主編與多個國際知名期刊、國際會議的委員。主要從事并行、分布式、GPU、霧和云計算及大數據方面的研究，已發(fā)表250多篇國際期刊論文與國際會議論文，著作和編輯了20余本專著。

圖書目錄

第1章初識無人駕駛系統(tǒng)
1.1 什么是無人駕駛
1.2 為什么需要無人駕駛
1.3 無人駕駛系統(tǒng)基本框架
1.4 開發(fā)環(huán)境配置
1.5 本章參考文獻
第2章 ROS入門
2.1 ROS簡介
2.2 ROS中的概念
2.3 catkin 創(chuàng)建系統(tǒng)
2.4 ROS中的項目組織結構
2.5 基于Husky模擬器的實踐
2.6 ROS的基本編程
2.7 ROS services
2.8 ROS Action
2.9 ROS中的常用工具
2.10 本章參考文獻
第3章無人駕駛系統(tǒng)的定位方法
3.1 實現定位的原理
3.2 迭代最近點算法
3.3 正態(tài)分布變換
3.4 基于GPS+慣性組合導航的定位系統(tǒng)
3.5 基于Slam的定位系統(tǒng)
3.6 本章參考文獻
第4章狀態(tài)估計和傳感器融合
4.1 卡爾曼濾波和狀態(tài)估計
4.2 高級運動模型和擴展卡爾曼濾波
4.3 無損卡爾曼濾波
4.4 本章參考文獻
第5章機器學習和神經網絡基礎
5.1 機器學習基本概念
5.2 監(jiān)督學習
5.3 神經網絡基礎
5.4 使用Keras實現神經網絡
5.5 本章參考文獻
第6章深度學習和無人駕駛視覺感知
6.1 深度前饋神經網絡——為什么要深？
6.2 應用于深度神經網絡的正則化技術
6.3 實戰(zhàn)——交通標志識別
6.4 卷積神經網絡入門
6.5 基于YOLO2的車輛檢測
6.6 本章參考文獻
第7章遷移學習和端到端無人駕駛
7.1 遷移學習
7.2 端到端無人駕駛
7.3 端到端無人駕駛模擬
7.4 本章小結
7.5 本章參考文獻
第8章無人駕駛規(guī)劃入門
8.1 A* 算法
8.2 分層有限狀態(tài)機和無人車行為規(guī)劃
8.3 基于自由邊界三次樣條插值的無人車路徑生成
8.4 基于Frenet優(yōu)化軌跡的無人車動作規(guī)劃方法
8.5 本章參考文獻
第9章車輛模型和高級控制
9.1 運動學自行車模型和動力學自行車模型
9.2 無人車控制入門
9.3 基于運動學模型的模型預測控制
9.4 軌跡追蹤
9.5 本章參考文獻
第10章深度強化學習及在自動駕駛中的應用
10.1 強化學習概述
10.2 強化學習原理及過程
10.3 近似價值函數
10.4 深度Q值網絡算法
10.5 策略梯度
10.6 深度確定性策略梯度及TORCS游戲的控制
10.7 本章小結
10.8 本章參考文獻