無人駕駛技術(shù)

第1章　無人駕駛技術(shù)概述 1
　1.1　無人駕駛技術(shù)的產(chǎn)生和發(fā)展 1
　1.2　自動駕駛分級與系統(tǒng)介紹 6
　1.3　無人駕駛汽車結(jié)構(gòu)組成 10
　1.4　無人駕駛車輛的技術(shù)趨勢及應用 12
　　1.4.1　無人駕駛與車聯(lián)網(wǎng) 12
　　1.4.2　無人駕駛與智能交通系統(tǒng) 14
　　1.4.3　無人駕駛車輛在特定區(qū)域的應用 16

第2章　無人駕駛系統(tǒng)基本組成 18
　2.1　無人駕駛技術(shù)組成 18
　　2.1.1　無人駕駛系統(tǒng)的硬件架構(gòu) 18
　　2.1.2　無人駕駛傳感器 19
　　2.1.3　無人駕駛汽車的大腦 22
　　2.1.4　無人駕駛汽車的線控系統(tǒng) 25
　2.2　無人駕駛要素與相關(guān)技術(shù) 28
　2.3　無人駕駛算法 31

第3章　無人駕駛汽車軟件系統(tǒng)平臺 36
　3.1　無人駕駛云平臺概述 36
　3.2　基于AUTOSAR系統(tǒng)平臺總體架構(gòu) 39
　　3.2.1　AUTOSAR的分層設計 39
　　3.2.2　開發(fā)流程 46
　3.3　Apollo的自動駕駛平臺 48
　　3.3.1　Apollo自動駕駛的主框架 48
　　3.3.2　Apollo代碼開放框架 50
　　3.3.3　Apollo框架使用 53
　　3.3.4　Apollo平臺基于深度學習的方案選擇 53

第4章　無人駕駛的感知傳感器 56
　4.1　攝像機 56
　4.2　激光雷達 58
　　4.2.1　二維激光雷達 59
　　4.2.2　三維激光雷達 61
　4.3　毫米波雷達 63
　4.4　車體坐標系 65
　　4.4.1　單目視覺標定 67
　　4.4.2　雙目視覺標定 69
　4.5　從傳感器坐標系到車體坐標系 73

第5章　無人駕駛環(huán)境感知技術(shù) 75
　5.1　結(jié)構(gòu)化道路車道線檢測 75
　　5.1.1　結(jié)構(gòu)化道路常用基本假設 75
　　5.1.2　車道線檢測 76
　5.2　越野環(huán)境可通行區(qū)域檢測 81
　　5.2.1　地面分割 82
　　5.2.2　越野環(huán)境要素檢測 83
　　5.2.3　可通行區(qū)域提取 86
　5.3　交通信號燈與交通標志檢測 88
　　5.3.1　交通信號燈檢測 88
　　5.3.2　交通標志檢測 92
　5.4　前方汽車檢測 95
　　5.4.1　視覺與二維激光雷達融合檢測 95
　　5.4.2　視覺與毫米波雷達融合檢測 101

第6章　無人駕駛的定位導航 105
　6.1　全球衛(wèi)星導航定位 105
　　6.1.1　GPS定位的基本原理 106
　　6.1.2　GPS定位特性分析 107
　　6.1.3　差分GPS 109
　6.2　GPS/DR組合定位 111
　　6.2.1　航跡推算（DR）定位 112
　　6.2.2　GPS/DR組合方式 113
　6.3　視覺定位技術(shù) 116
　　6.3.1　即時定位與地圖構(gòu)建SLAM 117
　　6.3.2　視覺里程計 121

第7章　無人駕駛汽車路徑規(guī)劃 125
　7.1　路徑規(guī)劃概述 125
　7.2　環(huán)境地圖表示方法 127
　7.3　常用算法介紹 130
　　7.3.1　Dijkstra算法 130
　　7.3.2　經(jīng)典A*算法 131
　　7.3.3　RRT算法 135
　7.4　應用實例 137
　　7.4.1　基于柵格地圖的搜索算法實例 137
　　7.4.2　基于拓撲地圖的搜索算法實例 140

第8章　無人駕駛汽車路徑跟蹤 144
　8.1　無人駕駛汽車的轉(zhuǎn)向控制 144
　8.2　汽車運動的姿態(tài)控制 145
　8.3　汽車路徑跟蹤算法 147
　　8.3.1　Stanley Method 147
　　8.3.2　Ben Method 148
　　8.3.3　環(huán)形預瞄法 148
　　8.3.4　預瞄跟蹤法 149
　　8.3.5　純跟蹤算法 150
　8.4　基于多特征融合的動態(tài)障礙物檢測跟蹤 151
　　8.4.1　障礙物數(shù)據(jù)特征提取 152
　　8.4.2　障礙物數(shù)據(jù)特征模型 154
　　8.4.3　動態(tài)障礙物檢測跟蹤 155

第9章　無人駕駛中的機器學習 159
　9.1　機器學習基本概念 159
　9.2　增強學習理論基礎 163
　　9.2.1　馬爾可夫決策模型 164
　　9.2.2　值函數(shù) 164
　　9.2.3　馬爾可夫決策過程的動態(tài)規(guī)劃解法 167
　　9.2.4　增強學習經(jīng)典控制算法分析 169

第10章　車聯(lián)網(wǎng)與無人駕駛 178
　10.1　車載數(shù)據(jù)傳輸網(wǎng)絡的劃分及應用范圍 179
　10.2　車載網(wǎng)絡及數(shù)據(jù)總線 181
　10.3　車聯(lián)網(wǎng)架構(gòu) 183
　　10.3.1　車聯(lián)網(wǎng)相關(guān)標準發(fā)展歷程 183
　　10.3.2　V2X通信的技術(shù)標準 184
　　10.3.3　車聯(lián)網(wǎng)架構(gòu)方案 185
　　10.3.4　車聯(lián)網(wǎng)系統(tǒng)架構(gòu)的關(guān)鍵技術(shù) 186
　10.4　V2X通信的特點及應用 188
　10.5　未來的挑戰(zhàn) 191

第11章　無人駕駛車輛設計與測試 193
　11.1　功能需求分析與總體設計 193
　　11.1.1　功能需求分析 193
　　11.1.2　總體設計 197
　11.2　分系統(tǒng)設計 200
　　11.2.1　底層系統(tǒng)設計 200
　　11.2.2　控制系統(tǒng)設計 202
　　11.2.3　感知系統(tǒng)設計 204
　　11.2.4　路徑規(guī)劃系統(tǒng)設計 207
　11.3　仿真與實車測試 209
　　11.3.1　基于公開數(shù)據(jù)庫的測試 209
　　11.3.2　仿真測試 210
　　11.3.3　實車測試 217

參考文獻 222