自動駕駛傳感器融合——技術(shù)、原理與應(yīng)用
定 價(jià):¥99
中 教 價(jià):¥59.40 (6.00折)
庫 存 數(shù): 12
叢 書 名:自動駕駛汽車關(guān)鍵技術(shù)叢書
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?/0011.1 組合方法/0021.2 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/0092.1 主動傳感器/0102.1.1 無線電雷達(dá)/0102.1.2 LiDAR/0132.1.3 超聲波傳感器/0182.2 被動傳感器/0192.2.1 單目攝像頭/0202.2.2 立體攝像頭/0212.2.3 RGBD攝像頭/0342.2.4 深度學(xué)習(xí)/0352.2.5 各種傳感器的比較/037參考文獻(xiàn)/039第3章 傳感器融合/0413.1 主動傳感器與被動傳感器的組合/0423.2 組合示例/0433.2.1 坐標(biāo)校正/0443.2.2 虛擬RGBD攝像頭研究實(shí)例/0473.3 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/0654.1 復(fù)合傳感器融合/0664.2 統(tǒng)合傳感器融合/0664.3 融合傳感器融合/0674.4 網(wǎng)絡(luò)傳感器融合/0704.4.1 互耦神經(jīng)網(wǎng)絡(luò)/0704.4.2 置信度/0734.4.3 免疫網(wǎng)絡(luò)/084參考文獻(xiàn)/093第5章 卡爾曼濾波器/0955.1 預(yù)處理/0965.1.1 數(shù)字化/0965.1.2 去噪/0985.1.3 維納濾波器/1065.2 狀態(tài)空間表示/1095.3 最小二乘估計(jì)法/1125.4 貝葉斯統(tǒng)計(jì)/1175.5 逐次最小二乘估計(jì)法/1205.6 卡爾曼濾波器/1235.7 非線性卡爾曼濾波器/1285.7.1 擴(kuò)展卡爾曼濾波器/1305.7.2 無跡卡爾曼濾波器/1315.7.3 粒子濾波器/1335.8 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/1456.1 各傳感器的未來/1466.2 傳感器融合的未來/147參考文獻(xiàn)/148結(jié)束語/149