[正版新书] 自动驾驶系统开发 黄浴、杨子江 清华大学出版社 自动驾驶,系统开发,软硬件平台,自主泊车

本书系统地介绍当今自动驾驶领域前沿的技术理论，从自动驾驶的背景知识开始，对软硬件平台、感知、地图、定位、规划决策、控制、仿真和安全等方面展开深入讨论，并介绍自动泊车系统和车联网技术的应用。

全书共15章： 第1章是自动驾驶系统的概述(开发结构、场景分类和数据闭环等)； 第2章简要介绍自动驾驶的基础理论，即计算机视觉和深度学习等； 第3、4章是自动驾驶的软硬件平台分析，包括传感器、计算平台、软件架构和操作系统等； 第5~9章分别介绍自动驾驶的感知、地图、定位、规划和控制模块； 第10章重点介绍自动驾驶的仿真模拟模块； 第11章讨论自动驾驶的安全模型； 第12章讨论自动驾驶的一个特例——自动泊车系统； 第13章介绍车联网技术(车路协同和车辆编队)； 第14、15章分别介绍最近自动驾驶相关的两个技术热点，即3D场景的神经渲染(以NeRF为主)和扩散模型的内容生成。

本书适合有一定基础的读者阅读，如具备在计算机视觉和机器学习(甚至深度学习)方面的理论基础和实践经验。本书提供大量自动驾驶前沿技术的第一手资料，涉及开发自动驾驶的多方面。希望本书能够启发和触动自动驾驶一线的开发人员，在遇到问题和困难时开阔思路并发现解决问题的方法。

本书是自动驾驶相关领域的顶级科学家的著作，从基础理论到具体实践，系统讲述了新一代自动驾驶系统的核心技术，并提供了很多自动驾驶前沿技术一手资料。本书并不是给初学者一个了解自动驾驶的窗口，而是真正深入地进入自动驾驶面临的难题之中，给读者一个全面的认识，希望能够启发和触动自动驾驶的开发和科研人员，在遇到问题和困难的时候开阔思路并发现解决的新方法。本书由李克强院士作序推荐，由姚期智院士、管晓宏院士、杨强院士等学者和技术专家联合推荐。

目录

前言

第1章自动驾驶系统概论

1．1自动驾驶的分级

1．2模块化开发结构

1．3端到端开发结构

1．4自动驾驶场景

1．5数据闭环

1．6小结

参考文献

第2章自动驾驶的基础理论

2．1计算机视觉

2．1．1计算机视觉底层

2．1．2计算机视觉中层

2．1．3计算机视觉高层

2．2图像处理

2．2．1图像信号处理器

2．2．2图像滤波

2．2．3图像增强

2．3优化理论

2．4机器学习

2．4．1支持向量机

2．4．2随机森林

2．5深度学习

2．5．1卷积神经网络

2．5．2生成对抗网络

2．5．3递归神经网络

2．5．4Transformer网络

2．6神经网络模型压缩和加速

2．6．1参数修剪和共享

2．6．2低秩分解

2．6．3转移/致密卷积滤波器

2．6．4知识蒸馏

2．6．5MobileNets

2．7小结

参考文献

第3章自动驾驶的硬件平台

3．1传感器

3．1．1摄像头

3．1．2激光雷达

3．1．3毫米波雷达

3．1．4超声波雷达

3．1．5惯导

3．1．6GPS

3．1．7车联网

3．2车体控制

3．2．1VCU/ECU/MCU/HCU

3．2．2CAN总线

3．2．3ESP

3．2．4EPS

3．3计算平台

3．3．1NVIDIA Drive AGX Xavier和Orin

3．3．2Mobileye的EQx

3．3．3TI公司的TDA4VM

3．3．4Qualcomm公司的骁龙Ride

3．4线控底盘

3．5电子电气架构

3．6小结

参考文献

第4章自动驾驶的软件平台

4．1AUTOSAR

4．2软件开发V模型

4．3aSPICE软件开发流程

4．4ISO 26262软件开发流程

4．5NVIDIA DriveWorks 软件平台

4．6车载操作系统

4．6．1ROS

4．6．2QNX

4．6．3BOSCH冰羚

4．6．4DORA

4．7自动驾驶云平台

4．7．1开源分布式深度学习框架

4．7．2自动驾驶云的实例架构

4．8DevOps和MLOps

4．9小结

参考文献

第5章自动驾驶的感知模块

5．1传感器标定

5．1．1摄像头标定

5．1．2激光雷达标定

5．1．3手眼标定

5．1．4摄像头GPS/IMU标定

5．1．5激光雷达摄像头标定

5．1．6摄像头雷达标定

5．1．7激光雷达IMU标定

5．2单目视觉的障碍物测距

5．3单目视觉的深度图估计

5．3．1传统方法

5．3．2深度学习方法

5．4单目视觉的3D障碍物检测

5．5障碍物跟踪

5．5．1单目标

5．5．2多目标

5．5．3基于深度学习的目标跟踪

5．6传感器融合

5．6．1数据级

5．6．2任务级

5．7车道线检测

5．8交通标志检测识别

5．9交通信号灯检测识别

5．10可驾驶区域分割

5．11双目视觉感知

5．11．1立体匹配

5．11．2双目在线标定

5．11．3双目视觉感知系统

5．11．4深度学习的双目视差估计

5．12人体姿态估计

5．13驾驶人监控系统

5．14BEV的视觉感知系统

5．14．1基于单应变换的BEV

5．14．2基于深度的BEV

5．14．3基于MLP的BEV

5．14．4基于Transformer的BEV

5．14．5BEV框架的扩展

5．14．6BEV存在的问题

5．15小结

参考文献

第6章自动驾驶的高清地图

6．1高清地图

6．2语义地图

6．3基于车道线的高清地图

6．4基于深度学习的SLAM方法

6．5小结

参考文献

第7章自动驾驶的定位模块

7．1基于车道线地图的定位

7.2基于激光雷达的定位

7．2．1正态分布变换定位

7．2．2粒子滤波定位

7．2．3直方图滤波器定位

7．3基于传感器融合的定位

7．4基于深度学习的定位方法

7．5小结

参考文献

第8章自动驾驶的规划模块

8．1基本规划理论

8．1．1Frenet坐标系

8．1．2EM规划器

8．2驾驶行为模型和预测

8．2．1驾驶行为预测

8．2．2驾驶行为学习

8．3行人行为模型和预测

8．4驾驶行为克隆

8．5小结

参考文献

第9章自动驾驶的控制模块

9．1车辆的运动学和动力学模型

9．2传统控制算法

9．2．1经典PID控制

9．2．2LQR控制

9．2．3模型预测控制

9．3路径和轨迹稳定的控制方法

9．3．1路径稳定的控制

9．3．2轨迹稳定的控制

9．4基于深度学习的车辆控制

9．4．1端到端的自动驾驶控制

9．4．2基于机器学习的运动控制

9．5小结

参考文献

第10章自动驾驶的仿真模拟模块

10．1传感器

10．1．1摄像头

10．1．2激光雷达

10．1．3毫米波雷达

10．1．4其他传感器

10．2交通模型

10．3车辆和行人模型

10．4数据可视化模型

10．4．1XVIZ

10．4．2streetscape．gl

10．5道路网络仿真

10．5．1道路与环境建模

10．5．2可定制的道具和标志

10．5．3功能性道路网络

10．6场景库的建设和自动驾驶测试

10．6．1场景定义

10．6．2仿真测试方法分类

10．6．3场景库建设

10．6．4场景描述语言OpenSCENARIO

10．7基于数字孪生的安全紧要场景泛化

10．8小结

参考文献

第11章安全模型

11．1基本概念

11．2NHTSA

11．3ISO 26262

11．4ISO/PAS 21448 SOTIF

11．5Intel Mobileye RSS安全模型

11．6网络安全

11．7自动驾驶系统的安全解决方案

11．8自动驾驶的V&V技术

11．9小结

参考文献

第12章自动和自主泊车

12．1自动泊车系统的基本介绍

12．2环视视觉系统标定

12．3鱼眼摄像头的感知系统

12．4泊车位检测

12．5泊车的运动规划

12．6泊车中的传感器融合

12．7自动代客泊车

12．8泊车场的语义地图和定位

12．9自动泊车的深度学习规划技术

12．10小结

参考文献

第13章车联网

13．1智能网联汽车

13．2车载网络与社交物联网

13．3边缘计算

13．4车辆路端的协同技术

13．5自动驾驶的协同感知

13．6编组车队的协同规划和控制

13．7小结

参考文献

第14章神经渲染技术

14．1原始NeRF

14．2NeRF的加速方法

14．2．1AutoInt

14．2．2PlenOctree

14．2．3Plenoxel

14．3动态场景的渲染

14．4NeRF重打光技术

14．5NeRF的泛化技术

14．5．1GRAF

14．5．2GIRAFFE

14．6质量改进的技术

14．6．1MipNeRF

14．6．2NeRFinthedark

14．7小结

参考文献

第15章扩散模型

15．1基于分数生成网络

15．2去噪扩散概率模型

15．3DDIM

15．4SDE

15.5图像/视频合成

15．5．1图像

15．5．2视频

15．5．3新视图合成

15．6图像图像翻译

15．7文本图像/视频的合成

15．8扩散模型的改进

15．9小结

参考文献

附录