CONTENTS

目录

第1章绪论00

1.1自动驾驶的发展历程00

1.2自动驾驶技术的分级00

1.2.1国际汽车工程师学会对自动驾驶技术的分级00

1.2.2中国的自动驾驶技术分级00

1.3完全自动驾驶面临的五大难题00

1.4自动驾驶的基本组成与基本科学问题00

1.4.1自动驾驶系统的基本组成00

1.4.2实现完全自动驾驶需要解决的3个基本科学问题00

1.5自动驾驶大规模应用的支撑要素0

1.5.1基础设施与车路协同0

1.5.2法律法规与伦理道德0

第2章自动驾驶的传感器系统0

2.1概述0

2.2相机的原理与应用0

2.2.1相机的基本原理0

2.2.2相机的内参与外参0

2.2.3相机的标定0

2.2.4全景相机的原理与应用0

2.2.5事件相机的原理与应用0

2.3激光雷达数据采集与处理0

2.3.1激光雷达的基本原理0

2.3.2激光雷达与相机的联合标定0

2.3.3多激光雷达联合标定0

2.4毫米波雷达数据采集与处理0

2.4.1毫米波雷达的基本原理0

2.4.2毫米波雷达与相机的联合标定0

2.5车辆位姿状态感知传感器0

2.5.1全球导航卫星系统0

2.5.2惯性测量传感器0

第3章交通场景感知与理解0

3.1概述0

3.2车道线检测0

3.2.1传统车道线检测0

3.2.2深度学习车道线检测0

3.3交通场景检测0

3.3.1图像2D目标检测0

3.3.2图像3D目标检测0

3.3.3点云3D目标检测0

3.3.4多传感信息融合的3D目标检测0

3.4交通场景语义分割0

3.4.1图像交通场景语义分割0

3.4.2点云交通场景语义分割0

3.4.3图像—点云共点映射的可行驶区域检测0

3.5交通场景的层次化表征与视觉位置识别0

3.5.1交通场景视觉信息的层级结构表征及注意力机制0

3.5.2应用词袋模型的视觉位置识别0

3.5.3应用卷积神经网络的视觉位置识别0

3.5.4基于Transformer的视觉位置识别0

目录

第4章弱势道路使用者的行为识别与预测

4.1概述

4.2弱势道路使用者的检测与行为识别

4.2.1弱势道路使用者的检测

4.2.2弱势道路使用者的姿态识别

4.2.3弱势道路使用者的行为识别

4.3弱势道路使用者意图预测

4.3.1基于运动特征的意图预测

4.3.2应用姿态估计的意图预测

4.3.3基于环境或他人交互的意图预测

4.3.4应用特征融合的意图预测

4.3.5主要意图预测方法性能对比

4.4弱势道路使用者运动预测

4.4.1基于意图的运动预测

4.4.2基于对象物理属性的运动预测

4.4.3应用社会互动信息的运动预测

4.4.4注意力机制下的运动预测

4.4.5场景约束下的运动预测

4.4.6主要轨迹预测方法性能对比

第5章自动驾驶周围车辆行为预测与驾驶风格识别

5.1概述

5.2基于统计模型的周围车辆行为预测

5.2.1应用卡尔曼滤波的周围车辆行为预测

5.2.2基于动态贝叶斯网络的周围车辆行为预测

5.2.3应用隐马尔可夫模型的周围车辆行为预测

5.3基于深度学习的周围车辆轨迹预测

5.3.1深度学习下的车辆轨迹预测问题分析

5.3.2单一静态场景下车辆的轨迹预测

5.3.3动态复杂城区环境中车辆的轨迹预测

5.4周围车辆驾驶风格识别

5.4.1应用高斯混合模型的驾驶风格识别

5.4.2基于短期观测的实时驾驶风格分类方法

5.4.3基于时序数据的CNNLSTM驾驶风格识别模型

第6章自动驾驶的高精度地图

6.1概述

6.2高精度语义地图

6.2.1地图的坐标系统

6.2.2高精度语义地图的基本组成

6.2.3高精度语义地图的应用

6.3高精度语义地图的信息生成

6.3.1道路中心线的自动生成

6.3.2路口和环岛的参考轨迹生成

6.3.3分布式地图构建

6.4基于人机交互的高精度语义地图编辑

6.4.1地图的分块加载和瓦片地图服务

6.4.2基于JOSM的地图编辑

6.5其他高精度地图标准

6.5.1OpenDrive地图标准

6.5.2Lanelet地图标准

6.5.3NDS地图标准和多层级地图

第7章自动驾驶的定位系统

7.1概述

7.2组合导航系统

7.2.1基础配置

7.2.2基于卡尔曼滤波的组合导航算法

7.3自动驾驶定位的里程计方法

7.3.1基于航迹推演的里程计方法

7.3.2视觉里程计

7.3.3激光里程计

7.4同步定位与建图

7.4.1系统框架

7.4.2视觉同步定位与建图

7.4.3激光同步定位与建图

7.5基于车载传感器的无依托定位

7.5.1面向自动驾驶定位的高精度地图构建

7.5.2地图压缩与编码

7.5.3应用先验高精度地图的点云匹配定位

7.5.4软硬件协同设计方法

7.6协同其他交通元素的有依托定位

7.6.1基于交通标识的协同定位

7.6.2基于交通参与者行为分析的协同定位

第8章自动驾驶的行为决策

8.1概述

8.2基于有限状态机的行为决策

8.3基于部分可观测马尔可夫决策过程的行为决策

8.4应用博弈论的交互行为决策

8.5应用蒙特卡罗方法的行为决策

8.6基于学习的行为决策

8.6.1模仿学习

8.6.2强化学习

8.6.3逆强化学习

第9章自动驾驶的运动规划

9.1概述

9.2自动驾驶运动规划的基本方法

9.2.1基于优化的规划

9.2.2基于搜索的规划

9.2.3基于采样的规划

9.3多层混合A*路径规划

9.3.1算法框架

9.3.2局部终点生成模块

9.3.3路径搜索模块

9.4多模型的自动驾驶轨迹规划

9.4.1算法框架

9.4.2路径规划模块

9.4.3速度生成模块

第10章自动驾驶的控制

10.1概述

10.2自动驾驶的车辆模型

10.2.1自行车运动学模型

10.2.2自行车动力学模型

10.3自动驾驶的运动控制

10.3.1纵向运动控制

10.3.2横向运动控制

10.4自动驾驶的路径跟踪与车道保持

10.4.1基于运动学模型的自动驾驶路径跟踪

10.4.2基于最优控制的路径跟踪与车道保持

10.5自动驾驶的模型预测控制算法

10.5.1线性模型预测控制算法

10.5.2随机模型预测控制算法

10.6自动驾驶的自适应巡航

10.6.1基于反馈控制的自适应巡航

10.6.2车车协同式自适应巡航控制

10.6.3应用机器学习的车车协同式自适应巡航

10.7基于学习的自动驾驶控制方法

10.7.1基于模仿学习的自动驾驶控制

10.7.2基于强化学习的自动驾驶控制

第11章自动驾驶的仿真、测试与验证

11.1概述

11.2自动驾驶仿真系统架构与测试

11.2.1自动驾驶仿真系统功能

11.2.2虚实融合的自动驾驶仿真测试

11.3车辆动力学模型构建与表征

11.4车载传感器仿真与建模

11.4.1摄像头仿真

11.4.2激光雷达仿真

11.4.3GPS仿真

11.5自动驾驶仿真与车辆在环测试

11.5.1虚实融合的车辆在环测试框架

11.5.2静态场景的构建与生成

11.5.3动态交通流仿真的分类与建模

11.5.4自主车辆环岛通行能力的测试与验证

11.6自动驾驶的注入式仿真系统

11.6.1自动驾驶注入式仿真系统的基本定义和框架

11.6.2联合交通流模拟器的动态场景仿真

11.6.3真实数据驱动的传感器仿真

11.6.4注入式仿真测试

11.7自动驾驶测试场景生成

11.7.1交通场景的特征编码与全局复杂度表征提取

11.7.2受生物智能启发的动态场景生成

11.7.3基于大模型的自动驾驶场景生成

11.8自动驾驶的平行仿真

11.8.1平行仿真基本定义

11.8.2自动驾驶平行仿真测试的基本框架

11.9自动驾驶常用数据集与开源工具

11.9.1常用数据集

11.9.2开源工具

第12章室内智能移动机器人

12.1概述

12.2室内智能移动机器人的同步定位与建图

12.2.1地图表征

12.2.2单线激光雷达同步定位与建图

12.2.3基于点链表征的同步定位与建图

12.3室内智能移动机器人的环境理解

12.3.1室内场景的语义分割

12.3.2室内场景的动态目标检测

12.4室内智能移动机器人的导航

12.4.1导航路径的生成与优化

12.4.2基于参数曲线优化的导航路径生成

12.5室内智能移动机器人的运动规划

12.5.1反应式运动规划

12.5.2预测式运动规划

12.5.3基于时空概率道路树的运动规划

12.6室内智能移动机器人与人机交互

12.6.1室内智能移动机器人与人机交互行为的预测

12.6.2分布式室内智能移动机器人与云平台

第13章受脑认知和神经科学启发的自动驾驶系统

13.1概述

13.2面向健壮自动驾驶的认知构建方法

13.2.1受脑启发的模型结构 

13.2.2模拟视觉皮层的类人感知

13.2.3自动驾驶认知地图的构建

13.2.4模拟运动皮层的规划与控制

13.3受生物认知启发的自动驾驶神经电路策略

13.3.1神经电路模型与对应网络结构

13.3.2实现结构与应用实例 

第14章基于数据驱动的学习型自动驾驶系统

14.1概述

14.2数据驱动的学习型自动驾驶系统

14.2.1基于浅层卷积神经网络的自动驾驶

14.2.2引入高精度地图的端到端自动驾驶

14.2.3基于多模态输入的端到端自动驾驶

14.2.4基于大语言模型的端到端自动驾驶

14.3端到端自动驾驶的关键方法与技术

14.3.1端到端自动驾驶的车辆控制模式

14.3.2端到端自动驾驶的学习方法

14.3.3端到端自动驾驶的注意力机制

14.3.4端到端自动驾驶的仿真与评估

第15章自动驾驶的操作系统和软件系统

15.1概述

15.2基于AUTOSAR的系统架构

15.3自动驾驶系统的V模式开发流程

15.3.1自动驾驶系统的V模式开发流程简介

15.3.2基于硬件在环的可靠性优化

15.3.3基于日志分析的可靠性优化

15.4Pioneer： 自动驾驶的集成开发平台

15.4.1Pioneer平台基础框架——ROS

15.4.2Pioneer集成开发平台概述

15.5其他自动驾驶开发平台

15.5.1Autoware

15.5.2Apollo

15.5.3NVIDIA Drive

15.5.4Tesla

第16章自动驾驶的人机交互与人机共驾

16.1概述

16.2自动驾驶人机交互的设计原则

16.2.1自动驾驶人机交互的基准需求

16.2.2自动驾驶人机交互的扩展需求

16.3自动驾驶人机交互的设计内容

16.3.1车内用户与自动驾驶的视觉交互

16.3.2车内用户与自动驾驶的语音交互

16.3.3自动驾驶与车外周边交通参与者的交互

16.4“以人为中心”的人机共驾

16.4.1人机共驾的六大原则

16.4.2驾驶员状态监测

16.4.3人机共驾的定制化

第17章车路协同的自动驾驶

17.1概述

17.2车路协同的概念与发展历程

17.2.1车路协同的相关概念

17.2.2车路协同的发展与现状

17.3车路协同的基本架构与关键技术

17.3.1车路协同的基本架构

17.3.2车路协同的关键技术

17.4车路协同的自动驾驶多车协同定位

17.4.1基于无线传感器网络的协同定位

17.4.2基于观测的协同定位 

17.5车路协同的感知通信融合与超视距感知

17.5.1感知通信融合技术

17.5.2感知通信融合的超视距感知

17.6车路协同的多车协同决策

17.6.1多车协同决策问题的分类与属性

17.6.2典型的多车协同决策问题分析

附录A自动驾驶的基本数学知识

A.1贝叶斯滤波

A.2卡尔曼滤波

A.2.1基本卡尔曼滤波器

A.2.2扩展卡尔曼滤波

A.2.3无迹卡尔曼滤波

A.3离散点曲线平滑数学原理

A.3.1三次样条插值函数

A.3.2贝塞尔曲线

A.4无约束优化

A.4.1梯度下降法

A.4.2牛顿法

A.4.3高斯牛顿法

A.4.4LevenbergMarquart法

A.5有约束优化

A.5.1二次规划法

A.5.2序列二次规划法

A.6李群和李代数

A.6.1李代数

A.6.2指数与对数映射

A.6.3李代数求导与扰动模型

A.7支持向量机

附录B神经网络模型的基本数学方法

B.1参数初始化

B.2特征归一化

B.3损失函数设计

B.4自适应优化

附录C强化学习基础

C.1强化学习基础概念

C.2强化学习的策略价值迭代

C.2.1动态规划算法

C.2.2蒙特卡罗算法

C.2.3时间差分算法

C.3强化学习的策略梯度优化

C.3.1策略梯度上升算法

C.3.2行为评价算法

C.3.3近端策略优化算法

参考文献

术语表