本書是基于北京聯合大學"旋風智能車”團隊多年來在無人駕駛技術領域的積累而編寫的面向本科層次的無人駕駛技術實踐類教材。 全書共5章，第1章介紹無人駕駛技術及本書所用的無人駕駛教學系統與實驗平臺的基本情況和使用規范。第2章主要介紹無人駕駛技術感知層中各種傳感器的基本應用實驗，包括單目相機、雙目相機、毫米波雷達、多維激光雷達、超聲波雷達、差分導航基準站等常用設備的安裝、標定和常用算法的實現。第3章 介紹通過CAN總線控制線控車輛底盤完成自動轉向、自動速度控制和自動輔助信號控制的基本方法。第4章為無人車綜合應用實驗，包含軌跡跟蹤、多傳感器融合、定速巡航、自適應巡航和激光雷達SLAM建圖等核心實驗。第5章是基于深度學習的圖像檢測方法綜合實驗，以YOLOv3算法為例，完成了基于計算機視覺的交通信號燈檢測與識別。 本書中的實驗基于Ubuntu系統和ROS框架完成，配有示例代碼和部分教學視頻。本書適合從事無人駕駛技術研發工作的工程技術人員閱讀，可作為高等學校無人駕駛實踐課程的教材。
劉元盛，1973年生，教授，北京聯合大學機器人學院輪式機器人系主任、博士研究生導師。人工智能學會智能駕駛專業委員會委員、北京市自動駕駛車輛道路測試專家委員會委員、北京市高教學會電子線路研究會理事，計算機學會智能汽車分會執委。2012年起，任北京聯合大學李德毅院士智能車團隊核心成員，“旋風智能車”團隊負責人，主要研究智能駕駛技術中的多種傳感器數據融合及精確定位技術。近5年發表各類高水平論文20余篇，以第一發明人獲得發明專利授權10余項（專利成果轉讓1項），指導碩士研究生20名。獲得“北京市創新團隊”、“北京市拔尖人才培育計劃” 等多項資助，主持北京市科委電動汽車重大專項課題以及多項企業橫向課題，獲得國家和北京市教學成果獎多項，獲得吳文俊人工智能科學技術二等獎1項。近五年內，主持了各類型號共80輛無人駕駛車輛的改造和示范運行工作，在國內率先提出低速園區無人駕駛的解決方案以及無人駕駛教學系統方案并在國內眾多高校推廣應用。
目 錄
第1章 無人駕駛技術及教學系統與
實驗平臺 1
1.1 無人駕駛技術 1
1.1.1 感知層 1
1.1.2 認知決策層 1
1.1.3 車輛控制層 2
1.2 無人駕駛教學系統說明 2
1.2.1 無人駕駛教學系統的需求 2
1.2.2 無人駕駛教學系統的構成 2
1.2.3 課程資源 3
1.3 無人駕駛實驗平臺介紹 4
1.3.1 旋風4座智能車 5
1.3.2 旋風小AI智能車 5
1.4 無人駕駛實驗平臺安全使用
說明 6
1.4.1 安全警示 6
1.4.2 對使用人員的要求 7
1.4.3 使用前的檢查 7
1.4.4 使用中的要求 7
1.4.5 使用后的要求 7
1.4.6 車輛充電的要求 7
第2章 無人車傳感器基本實驗 8
2.1 實驗軟件環境概述 8
2.1.1 ROS環境安裝及相關配置 8
2.1.2 工程開發示例簡介 19
2.2 單目相機的安裝與標定 26
2.2.1 實驗背景與原理 26
2.2.2 實驗目的 27
2.2.3 實驗環境 27
2.2.4 實驗內容 28
2.2.5 實驗步驟 28
2.3 單目相機的應用 32
2.3.1 基本背景與原理 32
2.3.2 實驗目的 32
2.3.3 實驗環境 32
2.3.4 實驗內容 33
2.3.5 實驗步驟 33
2.3.6 實驗結果與分析 39
2.4 雙目相機的標定 42
2.4.1 實驗背景與原理 42
2.4.2 實驗目的 44
2.4.3 實驗環境 44
2.4.4 實驗內容 44
2.4.5 實驗步驟 45
2.5 毫米波雷達的數據解析與測試 50
2.5.1 實驗背景與原理 50
2.5.2 實驗目的 52
2.5.3 實驗環境 52
2.5.4 實驗內容 52
2.5.5 實驗步驟 53
2.5.6 實驗結果與分析 58
2.6 多維激光雷達的安裝、標定與
數據解析 63
2.6.1 實驗背景與原理 63
2.6.2 實驗目的 71
2.6.3 實驗環境 71
2.6.4 實驗內容 72
2.6.5 實驗步驟 72
2.6.6 實驗結果與分析 76
2.7 多維激光雷達點云聚類 77
2.7.1 實驗背景與原理 77
2.7.2 實驗目的 79
2.7.3 實驗環境 79
2.7.4 實驗內容 79
2.7.5 實驗步驟 79
2.7.6 實驗結果與分析 82
2.8 超聲波雷達的數據解析 84
2.8.1 實驗背景與原理 84
2.8.2 實驗目的 86
2.8.3 實驗環境 86
2.8.4 實驗內容 86
2.8.5 實驗步驟 86
2.8.6 實驗結果與分析 87
2.9 差分導航基準站的架設與
配置 89
2.9.1 實驗背景與原理 89
2.9.2 實驗目的 90
2.9.3 實驗環境 91
2.9.4 實驗內容 91
2.9.5 實驗步驟 91
2.9.6 實驗結果與分析 96
2.9.7 實驗內容擴展 96
2.10 差分定位系統解析 96
2.10.1 實驗背景與原理 96
2.10.2 實驗目的 100
2.10.3 實驗環境 100
2.10.4 實驗內容 100
2.10.5 實驗步驟 101
2.10.6 實驗結果與分析 109
2.11 差分導航規劃 111
2.11.1 實驗背景與原理 111
2.11.2 實驗目的 115
2.11.3 實驗環境 115
2.11.4 實驗內容 115
2.11.5 實驗步驟 116
2.11.6 實驗結果與分析 120
2.12 IMU的安裝與標定 123
2.12.1 實驗背景與原理 123
2.12.2 實驗目的 124
2.12.3 實驗環境 124
2.12.4 實驗內容 124
2.12.5 實驗步驟 125
2.13 UWB的安裝與測試 131
2.13.1 實驗背景與原理 131
2.13.2 實驗目的 136
2.13.3 實驗環境 136
2.13.4 實驗內容 136
2.13.5 實驗步驟 136
2.13.6 實驗內容擴展 138
2.14 UWB的數據解析及定位 140
2.14.1 實驗背景與原理 140
2.14.2 實驗目的 141
2.14.3 實驗環境 141
2.14.4 實驗內容 141
2.14.5 實驗步驟 142
2.14.6 實驗結果與分析 147
第3章 線控車輛控制應用實驗 150
3.1 線控車輛技術概述 150
3.1.1 線控車輛的基本結構 150
3.1.2 CAN總線通信基本知識 151
3.1.3 CAN總線通信協議實例 153
3.1.4 CAN模塊的選擇和使用
方法 155
3.1.5 CAN模塊的安裝方法 156
3.1.6 UDP通信協議 156
3.1.7 線控底盤實驗平臺介紹 156
3.2 CAN總線調試實驗 157
3.2.1 實驗背景與原理 157
3.2.2 實驗目的 160
3.2.3 實驗環境 161
3.2.4 實驗內容 161
3.2.5 實驗步驟 161
3.2.6 實驗結果與分析 167
3.3 線控轉向實驗 170
3.3.1 實驗背景與原理 170
3.3.2 實驗目的 171
3.3.3 實驗環境 171
3.3.4 實驗內容 171
3.3.5 實驗步驟 171
3.3.6 實驗結果與分析 176
3.4 線控擋位與速度實驗 179
3.4.1 實驗背景與原理 179
3.4.2 實驗目的 179
3.4.3 實驗環境 179
3.4.4 實驗內容 180
3.4.5 實驗步驟 180
3.4.6 實驗結果與分析 185
3.5 線控輔助信號實驗 187
3.5.1 實驗背景與原理 187
3.5.2 實驗目的 190
3.5.3 實驗環境 190
3.5.4 實驗內容 190
3.5.5 實驗步驟 190
3.5.6 實驗結果與分析 196
第4章 無人車綜合應用實驗 198
4.1 基于GNSS導航的軌跡跟蹤
實驗 198
4.1.1 實驗背景與原理 198
4.1.2 實驗目的 198
4.1.3 實驗環境 198
4.1.4 實驗內容 199
4.1.5 實驗步驟 199
4.1.6 實驗結果與分析 212
4.2 毫米波與激光雷達的數據融合
實驗 214
4.2.1 實驗背景與原理 214
4.2.2 實驗目的 216
4.2.3 實驗環境 216
4.2.4 實驗內容 217
4.2.5 實驗步驟 217
4.2.6 實驗結果與分析 227
4.3 視覺與激光雷達的聯合標定
實驗 229
4.3.1 實驗背景與原理 229
4.3.2 實驗目的 230
4.3.3 實驗環境 230
4.3.4 實驗內容 231
4.3.5 實驗步驟 231
4.3.6 實驗結果與分析 237
4.4 車輛定速巡航實驗 238
4.4.1 實驗背景與原理 238
4.4.2 實驗目的 239
4.4.3 實驗環境 239
4.4.4 實驗內容 239
4.4.5 實驗步驟 239
4.4.6 實驗結果與分析 244
4.5 車輛自適應巡航仿真實驗 246
4.5.1 實驗背景與原理 246
4.5.2 實驗目的 247
4.5.3 實驗環境 247
4.5.4 實驗內容 247
4.5.5 實驗步驟 247
4.5.6 實驗結果與分析 250
4.6 激光雷達SLAM建圖實驗 252
4.6.1 實驗背景與原理 252
4.6.2 實驗目的 255
4.6.3 實驗環境 255
4.6.4 實驗內容 255
4.6.5 實驗步驟 255
4.6.6 實驗結果與分析 258
第5章 基于深度學習的圖像檢測方法
綜合實驗 263
5.1 原理概述 263
5.1.1 基于圖像的目標檢測方法 263
5.1.2 交通信號燈檢測與識別
方法 264
5.1.3 YOLOv3算法介紹 264
5.2 實驗內容 268
5.2.1 基本流程 268
5.2.2 實驗目的 269
5.2.3 實驗環境 269
5.3 實驗步驟 270
5.3.1 數據樣本采集與預處理 270
5.3.2 數據樣本標注 275
5.3.3 數據集劃分 277
5.3.4 搭建深度學習環境 280
5.3.5 深度學習模型的應用 285
5.3.6 深度學習實驗結果檢測 289
5.4 實驗結果與分析 290
5.4.1 檢測結果 290
5.4.2 檢測結果分析 292
5.5 實驗內容擴展 293
新書資訊