中图网

>

汽车与交通运输

基于AI与机器人技术的自动驾驶技术

作者：日本机器人学会主编；蒋萌译

出版社：科学出版社出版时间：2023-04-01

开本：其他页数： 304

本类榜单：工业技术销量榜

中图价:¥61.6(7.0折) 定价 ~~¥88.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
湖南省志(1978-2002)?铁路志

湖南省志(1978-2002)?铁路志

¥70.6¥98
>
公路车宝典(ZINN的公路车维修与保养秘籍)

公路车宝典(ZINN的公路车维修与保养秘籍)

¥69.6¥120
>
晶体管电路设计(下)

晶体管电路设计(下)

¥28.6¥38
>
基于个性化设计策略的智能交通系统关键技术

基于个性化设计策略的智能交通系统关键技术

¥48.6¥68
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移

德国克虏伯与晚清火:贸易与仿制模式下的技术转移

¥21.8¥65
>
花样百出:贵州少数民族图案填色

花样百出:贵州少数民族图案填色

¥19.1¥45
>
识木:全球220种木材图鉴

识木:全球220种木材图鉴

¥159.6¥228

商品详情
商品评论(0条)

中图价:¥61.6 加入购物车

版权信息
本书特色
内容简介
目录

基于AI与机器人技术的自动驾驶技术版权信息

ISBN：9787030752635
条形码：9787030752635 ; 978-7-03-075263-5
装帧：平装
册数：暂无
重量：暂无
所属分类：
工业技术
>
汽车与交通运输

基于AI与机器人技术的自动驾驶技术本书特色

本书立足前沿科技，服务技术一线，内容实用，是自动驾驶领域不可多得的参考书。

基于AI与机器人技术的自动驾驶技术内容简介

本书由活跃于自动驾驶各个领域的专家执笔，讲解*前沿的自动驾驶技术。前半部分在介绍自动驾驶技术的基础上，讲解自动驾驶的各项功能，包括环境识别和预测，地图生成和自车定位，自动驾驶车辆的决策，纵横方向的车辆运动控制，多车协同控制，自动驾驶技术的开发工具。后半部分重点讲解深度学习和深度强化学习，以及深度学习的技能。

基于AI与机器人技术的自动驾驶技术目录

目录第1章自动驾驶技术概述 11.1 自动驾驶的整体流程 31.1.1 机动车的使用目的和自动驾驶 31.1.2 自动驾驶功能的子系统 41.1.3 自动驾驶系统的工作流程 81.2 自动驾驶的硬件结构 91.2.1 用于环境识别的外部传感器 91.2.2 GNSS 101.2.3 地图上的自车定位与地图更新 111.2.4 驾驶员监控技术 121.2.5 硬件结构 131.3 确保自动驾驶的安全性和可靠性 141.3.1 系统的功能安全策略 141.3.2 自动驾驶的可靠性保障 151.4 实现全自动驾驶面临的问题 181.4.1 自动驾驶与道路交通环境 181.4.2 自动驾驶及其社会接受度 191.4.3 人工智能在自动驾驶中的必要性和面临的问题 191.4.4 问题总结 21第2章环境识别和预测 232.1 手工提取特征量的环境识别 252.1.1 探测行人和车辆 252.1.2 手工提取特征量的优势 272.2 深度学习的环境识别 272.2.1 探测行人和车辆 282.2.2 语义分割 292.2.3 深度学习的环境识别问题 302.3 行人的路径预测 302.3.1 基于贝叶斯模型的方法 312.3.2 基于深度学习的方法 322.3.3 RNN和LSTM 322.3.4 基于LSTM的方法 342.3.5 考虑到行人交互的路径预测 372.4 其他车辆的路径预测 392.4.1 概述 392.4.2 考虑移动体间相互影响的预测 412.4.3 生成多种候选的预测 412.5 深度学习模型的压缩 432.5.1 剪枝与量化 442.5.2 矩阵分解 462.5.3 知识蒸馏 472.5.4 网络结构搜索 47第3章地图生成和自车定位 493.1 自动驾驶中的地图和自车定位的作用 513.2 高精地图 513.2.1 点云地图 523.2.2 矢量地图 533.3 点云地图的生成方法 533.3.1 MMS 543.3.2 SLAM 553.4 矢量地图的生成方法 603.5 用地图进行自车定位 613.5.1 通过三维点云和LiDAR进行自车定位 613.5.2 其他方法 623.5.3 传感器协调合作 633.6 应用卫星定位的自车定位 643.6.1 应用卫星定位和RTK-GNSS的厘米级自车定位 653.6.2 卫星定位与IMU协调合作，实现更加稳健的自车定位 68第4章自动驾驶车辆的决策 714.1 决策概述 734.2 路径规划 744.3 运动规划 794.3.1 运动规划的输入 804.3.2 运动规划的处理流程 814.3.3 参考状态迁移图的运动规划 824.3.4 采用学习行为的运动规划 834.4 轨迹生成 874.4.1 轨迹生成模块的输入 874.4.2 轨迹生成的处理 884.4.3 不采用学习行为的轨迹生成 904.4.4 采用学习行为的轨迹生成 934.5 决策功能的实用化 954.5.1 决策功能的开发情况 964.5.2 深度学习在决策功能中的应用问题 964.5.3 提高安全性 97第5章纵横方向的车辆运动控制 995.1 自动驾驶系统和ADAS的关系 1015.2 ADAS技术 1045.2.1 纵向车辆运动控制 1045.2.2 横向车辆运动控制 1055.2.3 纵横两个方向的车辆运动控制 1065.3 自动驾驶系统的控制技术 1065.3.1 车辆模型 1075.3.2 PID控制 1095.3.3 纯追踪算法 1115.3.4 模型预测控制 1135.4 控制系统的设计及性能评价 1195.4.1 控制系统的调节 1195.4.2 与感知系统评价方法的不同 1215.4.3 形式模型的安全性评价 1225.5 深度学习在车辆运动控制中的应用探究 1265.5.1 神经网络PID 1265.5.2 端到端（End-to-End）自动驾驶及其面临的问题 131第6章多车协同控制 1336.1 互让 1356.1.1 互让概述 1356.1.2 相关研究 1366.1.3 遥控汽车实验示例 1376.1.4 遥控汽车通过DQN互让的示例 1406.2 列队行驶 1456.2.1 列队行驶的概要及效果 1456.2.2 前后方向的控制 1466.2.3 左右方向的控制 1476.2.4 列队行驶控制示例 148第7章自动驾驶技术的开发工具 1537.1 环境识别、自车定位数据集 1557.1.1 数据集 1557.1.2 KITTI 数据集 1557.1.3 数据集的陷阱 1587.2 地图（HD地图） 1587.2.1 OpenDRIVE 1587.2.2 Lanelet2 1597.3 自动驾驶平台 1607.3.1 Autoware的整体情况和深度学习的相关功能 1617.3.2 Apollo的整体情况和深度学习的相关功能 1627.3.3 Autoware和Apollo的比较和尚待解决的问题 1637.4 自动驾驶模拟器 1647.4.1 免费模拟器示例 1657.4.2 免费模拟器比较 166第8章深度学习的基础 1678.1 机器学习、深度学习 1698.1.1 机器学习概述 1698.1.2 深度学习的必要性 1708.2 神经网络的基本结构 1728.2.1 输入层 1748.2.2 隐藏层 1748.2.3 输出层 1798.3 神经网络的学习方法 1808.3.1 损失函数 1818.3.2 概率性梯度下降法 1848.3.3 误差反向传播法 1878.3.4 其他技术 192第9章深度强化学习 1979.1 深度强化学习概述 1999.2 强化学习的概述、方法和深度强化学习扩展 2039.2.1 强化学习的基础 2039.2.2 强化学习和函数拟合 2079.3 基于价值的方法 2099.3.1 DQN 2099.3.2 DQN的改良 2119.3.3 强化学习的问题及其改善方案 2139.4 基于策略的方法 2189.4.1 策略梯度法 2199.4.2 蒙特卡罗策略梯度法 2219.4.3 引入Actor-Critic的策略梯度法 2229.4.4 优势函数 2239.4.5 策略梯度法的发展 2249.4.6 总结 2319.5 奖励设计 2329.5.1 逆向强化学习的基本算法 2339.5.2 不适定问题（奖励优化） 2369.5.3 计算量问题（估测奖励更新的效率化） 2399.5.4 引入先验知识 2459.5.5 总结 247第10章深度学习的技能 24910.1 深度学习和调整 25110.2 深度学习的设计方针 25310.2.1 输入数据的选择 25310.2.2 中间层的选择 25310.3 以全连接网络为例讲解调整方法 25510.3.1 学习率和优化算法 25610.3.2 激活函数和正则化 25610.3.3 样本数和收敛性 25610.3.4 制作学习数据的技能 25810.3.5 学习曲线 25810.3.6 总结 26110.4 深度学习资料库的比较 26110.4.1 实现比较 26210.4.2 各种深度学习资料库 262参考文献 277结语 291

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐