智能車輛理論與應用

定　價：￥68.00

作　者：	陳慧巖，熊光明，龔建偉，邸慧軍著
出版社：	北京理工大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787568259668	出版時間：	2018-08-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　本書是在作者已經編寫出版的《無人駕駛車輛理論與設計》本科生教材的基礎上，考慮深度學習、強化學習等人工智能技術以及智能網聯(lián)技術在智能車輛新發(fā)展，同時結合研究生層次的培養(yǎng)特點編寫而成的。全書共8章，包括智能車輛與人工智能概述；智能車輛視覺技術；深度學習與目標檢測；智能網聯(lián)技術；智能車輛行為決策與類人駕駛；智能車輛路徑規(guī)劃與運動規(guī)劃；智能車輛模型預測控制方法；以及基于ROS+V-REP的智能車輛測試方法和考慮駕乘人員主觀感受的智能車輛主客觀評價方法。

作者簡介

　　陳慧巖，北京理工大學機械與車輛學院教授，博士生導師，工學博士。主要從事地面無人機動平臺基礎技術、智能車輛技術、車輛傳動技術研究工作。承擔國家自然科學基金重點項目和培育項目各1項；承擔國家武器裝備型號項目多項；承擔國家863計劃項目多項。已發(fā)表學術論文100余篇，獲得國家科技進步一等獎1項，部級科技進步一等獎1項、二等獎5項，獲得國家教學成果二等獎1項，獲得北京市優(yōu)秀教學成果獎1項。享受國務院政府特殊津貼。

圖書目錄

第1章智能車輛與人工智能概述
1.1智能車輛概述
1.2人工智能概述
1.3濾波技術基礎
1.3.1 卡爾曼濾波
1.3.2 粒子濾波
1.4 智能車輛體系結構
1.4.1 RCS系統(tǒng)運行機制介紹
1.4.2 數(shù)據(jù)采集與回放系統(tǒng)
習題
第2章智能車輛視覺技術
2.1 基于三維激光雷達的目標檢測與跟蹤
2.1.1 柵格地圖創(chuàng)建
2.1.2 目標聚類與檢測
2.1.3 目標數(shù)據(jù)關聯(lián)
2.1.4 動態(tài)目標狀態(tài)估計
2.2 使用機器視覺的可通行區(qū)域檢測
2.2.1　特征提取算法
2.2.2 基于FSVM和AdaBoost的特征選擇算法
2.2.3　SVM模型的訓練與分類
2.3 視覺SLAM
2.3.1 算法框架與前端搭建
2.3.2 圖優(yōu)化概述
2.3.3 非回環(huán)分層模型
2.4 實例---用ORB-SLAM2方法對KITTI數(shù)據(jù)集計算
習題
第3章深度學習與目標檢測
3.1 卷積神經網絡
3.1.1 卷積神經網絡模型結構
3.1.2 卷積神經網絡的前向傳播算法
3.1.3 卷積神經網絡的反向傳播算法
3.2 CNN卷積神經網絡改進
3.2.1 R-CNN
3.2.2 SPPNet
3.2.3 Fast R-CNN
3.2.4 YOLO
3.2.5 Faster R-CNN
3.2.6 SSD
3.2.7 Mask R-CNN
3.3 訓練框架
3.3.1 Caffe
3.3.2 Tensorflow
3.3.3 Torch、MXNET與Keras
3.4 深度學習在智能車輛上應用實例分析
3.4.1 基于深度學習的車道線檢測
3.4.2 Caffe+SSD目標檢測實例介紹
習題
第4章智能網聯(lián)技術
4.1 基于網聯(lián)技術的多車編隊自動駕駛
4.1.1 車輛編隊總體方案
4.1.2 多車編隊系統(tǒng)架構
4.1.3 編隊車輛平臺軟件結構
4.2 V2V通信與車載傳感器信息融合的匝道入口避撞系統(tǒng)
4.2.1 基于車載傳感器與V2V通信的避撞系統(tǒng)
4.2.2 綜合V2V通信與車載傳感器信息的匝道入口避撞系統(tǒng)
4.2.3匝道避碰系統(tǒng)仿真分析
4.3基于V2V的遮擋情況下的AEB技術
4.3.1 在遮擋環(huán)境下基于V2V通信的AEB系統(tǒng)
4.3.2 基于PreScan/matlab的模型搭建
4.3.3 三車V2V避撞仿真分析
習題
第5章　智能決策與類人駕駛
5.1 高速道路環(huán)境下智能車輛超車行為決策
5.1.1 基于層次狀態(tài)機的超車行為建模
5.1.2 基于人工神經網絡的超車意圖產生
5.1.3 基于規(guī)則的超車條件判定
5.2 無信號燈十字交叉口智能車輛行為決策
5.2.1 無信號燈十字交叉口場景分析
5.2.2基于模糊邏輯的駕駛員激進程度識別
5.2.3基于相對駕駛激進程度的無信號燈交叉口決策方法
5.3 車輛跟馳類人駕駛學習系統(tǒng)
5.3.1 類人駕駛學習系統(tǒng)設計
5.3.2 強化學習與馬爾科夫決策過程
5.3.3 Q Learning與NQL(Neural-Q Learning)
5.3.4 NQL求解過程
5.3.5 NQL算法流程
5.4 定距離跟馳仿真試驗
5.4.1仿真系統(tǒng)設計
5.4.2 定距離跟馳模型
5.4.3 試驗結果與分析
習題
第6章智能車輛路徑規(guī)劃與運動規(guī)劃
6.1 實時、增量式路徑規(guī)劃
6.1.1 概述
6.1.2 增量式路徑規(guī)劃算法
6.1.3 變維度狀態(tài)空間的實時、增量式路徑規(guī)劃
6.2 局部路徑規(guī)劃
6.2.1 局部路徑生成算法
6.2.2 避障分析與路徑選擇
6.3 運動規(guī)劃與行駛模式
6.3.1規(guī)劃方法設計思路
6.3.2速度規(guī)劃方法
6.3.3行駛模式分析
習題
第7章智能車輛模型預測控制
7.1 車輛動力學和輪胎模型
7.1.1 車輛動力學模型
7.1.2 輪胎模型
7.2 模型預測控制理論推導與求解
7.2.1 模型預測控制算法
7.2.2 非線性模型預測控制
7.2.3 線性時變模型預測控制
7.3 基于動力學模型的前輪主動轉向控制
習題
第8章智能車輛測試與評價
8.1 基于ROS+V-REP的智能車輛測試方法
8.1.1 安裝ROS+V-REP
8.1.2 模型搭建
8.1.3 聯(lián)合仿真測試
8.2復雜交通環(huán)境智能車輛評價方法
8.2.1復雜交通環(huán)境下智能車輛性能測試內容
8.2.2 基于集成測試方法的性能測試
8.2.3 智能車輛性能測試環(huán)境構建
8.2.4智能車輛性能評價方法
習題
參考文獻