xxxfreesexmoves-haodiaocao这里只有精品视频-欧美性受黑人性爽-欧美性受xxxxxx黑人xyx性爽|www.jsyyzsb.com

本書為即將從事或正在從事自動駕駛傳感器融合工作的人總結(jié)了傳感器融合的思路。本書首先介紹了攝像頭（單目、立體）、無線電雷達(dá)、ＬｉＤＡＲ、超聲波傳感器，其次從復(fù)合、統(tǒng)合、融合和網(wǎng)絡(luò)的觀點(diǎn)出發(fā)，介紹如何將這些傳感器進(jìn)行融合并予以分類，給出了相關(guān)特性和具體實(shí)例。特別是針對網(wǎng)絡(luò)傳感器融合，介紹了基于免疫網(wǎng)絡(luò)的傳感器融合方法。此外，傳感器融合的目標(biāo)就是要實(shí)現(xiàn)zui佳狀態(tài)估計(jì)，從這一觀點(diǎn)出發(fā)，本書對基于濾波器、最小二乘估計(jì)法、狀態(tài)方程的逐次型狀態(tài)估計(jì)等各類方法的卡爾曼濾波器、粒子濾波器等情況予以整理說明。本書適合智能網(wǎng)聯(lián)汽車工程師及研究人員閱讀使用，也適合車輛工程及相關(guān)專業(yè)本科、研究生階段師生閱讀參考。

系統(tǒng)介紹自動駕駛傳感器融合方法
譯者白杰教授是自動駕駛環(huán)境感知方面的知名專家
日本環(huán)境感知技術(shù)新書

從歷史看，人類最初研究的自動駕駛是一種利用道路基礎(chǔ)設(shè)施的系統(tǒng)，后來人們改變了研究方向，開始讓汽車去感知外界以實(shí)現(xiàn)自主行駛，直到今天仍然如此。從最開始研究自主型自動駕駛至今，外部環(huán)境感知傳感器始終是研究課題的核心所在。由于自動駕駛是為了讓汽車本身代替人類駕駛員進(jìn)行駕駛，因此汽車必須像人類駕駛員一樣識別外部環(huán)境并把握交通狀況。
對于自動駕駛來說，可以選擇的外部傳感器有：攝像頭（單目、立體）、雷達(dá)、LiDAR、超聲波等。雖然這些傳感器都在研究人員們的辛勤付出下得以實(shí)際應(yīng)用，但是，單靠其中任何一種傳感器都無法像人類駕駛員一樣對外部進(jìn)行識別。如果僅就駕駛員所擁有的視角、分辨率、動態(tài)范圍、物體識別能力等其中一項(xiàng)能力來說，并非沒有接近或超過人類能力范圍的傳感器。只是沒有任何一個(gè)傳感器可以囊括所有功能。
因此，利用多個(gè)傳感器來填補(bǔ)功能不足，進(jìn)行傳感器融合自然而然地就被寄予了厚望。一旦自動駕駛水平得以提高，必然會安裝攝像頭、雷達(dá)、LiDAR、超聲波和多個(gè)傳感器。筆者多年來一直從事自動駕駛的研發(fā)工作，并從一開始就一直在尋找有效的傳感器融合方式。
本書為那些即將從事或正在從事自動駕駛傳感器融合工作的人總結(jié)了傳感器融合的思路。本書的特點(diǎn)是先介紹了攝像頭、雷達(dá)、LiDAR、超聲波的大致情況，再從復(fù)合、統(tǒng)合、融合和網(wǎng)絡(luò)的觀點(diǎn)介紹如何將這些傳感器進(jìn)行融合并予以分類，給出了相關(guān)特性和具體實(shí)例。特別是針對網(wǎng)絡(luò)類傳感器融合，介紹了基于免疫網(wǎng)絡(luò)的傳感器融合方法。此外，傳感器融合的目標(biāo)就是要實(shí)現(xiàn)zui佳狀態(tài)估計(jì)，從這一觀點(diǎn)出發(fā)，本書對基于濾波器、最小二乘估計(jì)法、狀態(tài)方程的逐次型狀態(tài)估計(jì)等各類方法的卡爾曼濾波器、粒子濾波器等情況予以整理說明。

芝浦工業(yè)大學(xué)教授，在工業(yè)界和學(xué)術(shù)界服務(wù)多年。

前　言
第1章　什么是傳感器融合？／００１
1.1　組合方法／００２
1.2　傳感器數(shù)據(jù)融合／００３
參考文獻(xiàn)／００８
第2章　各傳感器技術(shù)詳情／００９
2.1　主動傳感器／０１０
2.1.1　無線電雷達(dá)／０１０
2.1.2　LiDAR／０１３
2.1.3　超聲波傳感器／０１８
2.2　被動傳感器／０１９
2.2.1　單目攝像頭／０２０
2.2.2　立體攝像頭／０２１
2.2.3　RGBD攝像頭／０３４
2.2.4　深度學(xué)習(xí)／０３５
2.2.5　各種傳感器的比較／０３７
參考文獻(xiàn)／０３９
第3章　傳感器融合／０４１
3.1　主動傳感器與被動傳感器的組合／０４２
3.2　組合示例／０４３
3.2.1　坐標(biāo)校正／０４４
3.2.2　虛擬RGBD攝像頭研究實(shí)例／０４７
3.3　傳感器融合的種類／０６２
參考文獻(xiàn)／０６４
第4章　各種傳感器融合的實(shí)例／０６５
4.1　復(fù)合傳感器融合／０６６
4.2　統(tǒng)合傳感器融合／０６６
4.3　融合傳感器融合／０６７
4.4　網(wǎng)絡(luò)傳感器融合／０７０
4.4.1　互耦神經(jīng)網(wǎng)絡(luò)／０７０
4.4.2　置信度／０７３
4.4.3　免疫網(wǎng)絡(luò)／０８４
參考文獻(xiàn)／０９３
第5章　卡爾曼濾波器／０９５
5.1　預(yù)處理／０９６
5.1.1　數(shù)字化／０９６
5.1.2　去噪／０９８
5.1.3　維納濾波器／１０６
5.2　狀態(tài)空間表示／１０９
5.3　最小二乘估計(jì)法／１１２
5.4　貝葉斯統(tǒng)計(jì)／１１７
5.5　逐次最小二乘估計(jì)法／１２０
5.6　卡爾曼濾波器／１２３
5.7　非線性卡爾曼濾波器／１２８
5.7.1　擴(kuò)展卡爾曼濾波器／１３０
5.7.2　無跡卡爾曼濾波器／１３１
5.7.3　粒子濾波器／１３３
5.8　卡爾曼濾波器應(yīng)用示例／
１３９參考文獻(xiàn)／１４２
第6章　今后的技術(shù)動向／１４５
6.1　各傳感器的未來／１４６
6.2　傳感器融合的未來／１４７
參考文獻(xiàn)／１４８
結(jié)束語／１４９