《智能網聯汽車環境感知技術》是“智能網聯汽車核心技術叢書”中的一冊。本書內容依托“杭州職業技術學院文庫”，深入解析了自動駕駛感知系統，涵蓋車載傳感器、定位導航、車聯網通信、計算機視覺感知及目標檢測與識別等關鍵技術領域，剖析了其核心原理、相關算法及系統架構，展現了自動駕駛技術的前沿進展與應用實踐。從車輛“感官”到智能決策，本書為讀者揭示自動駕駛背后的技術奧秘，助力行業發展。
本書適合智能網聯汽車環境感知方向的技術人員閱讀參考，也可供智能網聯汽車行業的政策制定者、企業管理者、科研工作者以及汽車第三方檢測機構人員閱讀，同時也可以作為高等院校及大中專院校汽車相關專業的參考教材。
第1章 自動駕駛感知系統概述 001
1.1 自動駕駛系統的技術架構 002
1.1.1 自動駕駛“三橫兩縱”架構 002
1.1.2 自動駕駛的四大關鍵技術 005
1.1.3 自動駕駛的計算平臺架構 007
1.1.4 自動駕駛的軟件系統框架 010
1.2 感知系統框架與關鍵技術 013
1.2.1 感知系統整體架構 013
1.2.2 車載傳感器技術 014
1.2.3 定位導航技術 016
1.2.4 車聯通信技術 017
1.3 感知系統測試技術與方法 019
1.3.1 圖像系統測試 021
1.3.2 激光雷達系統測試 022
1.3.3 融合感知系統測試 023
第2章 車載傳感器技術 025
2.1 車載攝像頭 026
2.1.1 車載攝像頭原理與分類 026
2.1.2 車載攝像頭的部件構成 029
2.1.3 車載攝像頭的玩家群像 031
2.1.4 車載攝像頭的技術趨勢 033
2.2 激光雷達 035
2.2.1 激光雷達的原理與應用 035
2.2.2 激光雷達的類型與特點 037
2.2.3 激光雷達的零部件構成 039
2.2.4 激光雷達的產業鏈圖譜 041
2.3 超聲波雷達 044
2.3.1 超聲波雷達的特點與原理 044
2.3.2 超聲波雷達的類型與參數 046
2.3.3 超聲波雷達的行業競爭格局 048
2.4 毫米波雷達 050
2.4.1 毫米波雷達特性與優勢 050
2.4.2 毫米波雷達的工作原理 051
2.4.3 毫米波雷達在自動駕駛中的應用 053
2.4.4 毫米波雷達在智能交通中的應用 054
第3章 定位導航技術 058
3.1 全球導航衛星系統 059
3.1.1 全球定位系統的原理 059
3.1.2 全球定位系統的構成 061
3.1.3 全球主流的導航衛星系統 062
3.1.4 基于GPS的汽車導航系統 065
3.2 慣性導航系統 067
3.2.1 慣性導航技術的演變發展 067
3.2.2 慣性導航系統結構與類型 069
3.2.3 慣性導航系統的工作原理 071
3.2.4 慣性導航系統的核心算法 073
3.3 高精度地圖技術 076
3.3.1 高精度地圖技術特點與應用 076
3.3.2 自動駕駛的高精度定位技術 079
3.3.3 國外高精度地圖的發展現狀 081
3.3.4 我國高精度地圖的發展現狀 082
第4章 車聯網通信技術 084
4.1 車聯網概念、內涵及架構 085
4.1.1 車聯網的概念及內涵 085
4.1.2 車聯網功能架構體系 089
4.1.3 車聯網技術標準體系 091
4.1.4 車聯網產業發展現狀 093
4.2 車聯網通信的技術路線 094
4.2.1 DSRC技術 094
4.2.2 LTE-V2X技術 096
4.2.3 5G-V2X技術 098
4.3 5G車聯網整體解決方案 100
4.3.1 車聯網面臨的技術挑戰 100
4.3.2 5G車聯網的應用優勢 102
4.3.3 5G車聯網關鍵技術 104
4.3.4 5G車聯網解決方案 107
第5章 計算機視覺感知技術 111
5.1 計算機視覺的原理與任務 112
5.1.1 計算機視覺的概念與原理 112
5.1.2 任務1：圖像分類 113
5.1.3 任務2：目標檢測 116
5.1.4 任務3：目標跟蹤 117
5.1.5 任務4：圖像分割 118
5.1.6 任務5：影像重建 120
5.2 基于深度學習的目標檢測算法 121
5.2.1 單階段目標檢測算法 122
5.2.2 二階段目標檢測算法 125
5.2.3 無錨點目標檢測算法 129
5.2.4 目標檢測算法的性能比較 131
5.3 基于深度學習的深度估計 132
5.3.1 傳統單目深度估計的方法 132
5.3.2 傳統雙目深度估計的方法 134
5.3.3 基于深度學習的單目深度估計 136
5.3.4 雙目立體視覺匹配的算法流程 138
5.3.5 基于場景的深度估計數據集 140
5.4 SLAM技術與應用 141
5.4.1 SLAM系統結構與原理 141
5.4.2 SLAM分類與流程 145
5.4.3 激光雷達主流的SLAM算法 147
5.4.4 基于SLAM的自動駕駛應用 151
第6章 目標檢測與識別技術 154
6.1 道路檢測與識別 155
6.1.1 道路檢測與識別方法 155
6.1.2 道路檢測與識別算法 157
6.1.3 道路障礙物檢測與識別 159
6.1.4 可行駛區域檢測與識別 161
6.2 車輛檢測與識別 163
6.2.1 車型檢測與識別方法 163
6.2.2 車牌檢測與識別方法 166
6.2.3 車輛時空參數識別 169
6.2.4 車輛重量參數識別 172
6.3 行人檢測與識別 174
6.3.1 行人檢測系統的技術與應用 174
6.3.2 基于計算機視覺的行人檢測 176
6.3.3 行人檢測與跟蹤的主要方法 178
6.4 交通標志檢測與識別 180
6.4.1 交通標志識別的技術原理 180
6.4.2 道路交通標志識別的方法 182
6.4.3 道路交通標志識別的應用 184
第7章 多傳感器信息融合技術 187
7.1 多傳感器信息融合的原理與結構 188
7.1.1 多傳感器信息融合的工作原理 188
7.1.2 多傳感器信息融合的主要優勢 189
7.1.3 多傳感器信息融合的三個層次 191
7.1.4 多傳感器信息融合的系統結構 192
7.2 多傳感器信息融合的算法與技術 195
7.2.1 隨機類信息融合算法 195
7.2.2 AI類信息融合算法 198
7.3 基于多傳感器信息融合的環境感知策略 199
7.3.1 基于信息融合的感知系統 199
7.3.2 多傳感器信息融合與目標探測 201
7.3.3 面向自動駕駛的融合策略 203
7.3.4 可行駛區域探測信息融合 205
參考文獻 207
新書資訊