当前位置:主页 > 科技 > 文章内容

南通景点:无人驾驶道理与实践

日期:2020-04-12 浏览:

出书日期:2019年01月

文件巨细:42.53M

支持设备:

¥45.00仅供试读

合用客户端:

iPad/iPhone客户端:下载 Android客户端:下载PC客户端:下载更多详情:
?对图书下载、阅读卡购置有疑问:当即进入辅佐中心>>

图书简介

目次

本书从道理到实践系统地先容了无人驾驶汽车软件系统,包括无人驾驶系统的根基观念和道理,涵盖ROS编程、呆板进修和深度进修等入门常识,以及遍及利用的环境感知、定位、传感器融合、路径筹划、行为决定、动作筹划和高级节制算法,同时先容了深度强化进修、端到端无人驾驶等学术研究偏向。本书适合但愿进入无人驾驶汽车行业的技能人员和高校学生作为技能入门书籍,亦可作为无人驾驶应用研究的东西书。

本书赞誉

媒介
解说发起
第1章 初识无人驾驶系统
 1.1 什么是无人驾驶
  1.1.1 无人驾驶的分级尺度
  1.1.2 无人驾驶到底有多灾
 1.2 为什么需要无人驾驶
  1.2.1 提高阶梯交通安全
  1.2.2 缓解都市交通拥堵
  1.2.3 晋升出行效率
  1.2.4 低落驾驶者的门槛
 1.3 无人驾驶系统的根基框架
  1.3.1 环境感知
  1.3.2 定位
  1.3.3 任务筹划
  1.3.4 行为筹划
  1.3.5 动作筹划
  1.3.6 节制系统
  1.3.7 小结
 1.4 开拓环境设置
  1.4.1 简朴环境安装
  1.4.2 ROS安装
  1.4.3 OpenCV安装
 1.5 本章参考文献
第2章 ROS入门
 2.1 ROS简介
  2.1.1 ROS是什么
  2.1.2 ROS的汗青
  2.1.3 ROS的特性
 2.2 ROS的焦点观念
 2.3 catkin建设系统
 2.4 ROS中的项目组织布局
 2.5 基于Husky模仿器的实践
 2.6 ROS的根基编程
  2.6.1 ROS C++编程
  2.6.2 编写简朴的宣布和订阅措施
  2.6.3 ROS中的参数处事
  2.6.4 基于Husky呆板人的小案例
 2.7 ROS Service
 2.8 ROS Action
 2.9 ROS中的常用东西
  2.9.1 Rviz
  2.9.2 rqt
  2.9.3 TF坐标转换系统
  2.9.4 URDF和SDF
 2.10 本章参考文献
第3章 无人驾驶系统的定位要领
 3.1 实现定位的道理
 3.2 迭代最近点算法
 3.3 正态漫衍调动
  3.3.1 NDT算法先容
  3.3.2 NDT算法的根基步调
  3.3.3 NDT算法的利益
  3.3.4 NDT算法实例
 3.4 基于GPS+惯性组合导航的定位系统
  3.4.1 定位道理
  3.4.2 差异传感器的定位融合实现
 3.5 基于SLAM的定位系统
  3.5.1 SLAM定位道理
  3.5.2 SLAM应用
 3.6 本章参考文献
第4章 状态预计和传感器融合
 4.1 卡尔曼滤波和状态预计
  4.1.1 配景常识
  4.1.2 卡尔曼滤波
  4.1.3 卡尔曼滤波在无人驾驶汽车感知模块中的应用
 4.2 高级举动模子和扩展卡尔曼滤波
  4.2.1 应用于车辆追踪的高级举动模子
  4.2.2 扩展卡尔曼滤波
 4.3 无损卡尔曼滤波
  4.3.1 举动模子
  4.3.2 非线性进程模子和丈量模子
  4.3.3 无损调动
  4.3.4 预测
  4.3.5 丈量更新
  4.3.6 小结
 4.4 本章参考文献
第5章 呆板进修和神经网络基本
 5.1 呆板进修根基观念
 5.2 监视进修
  5.2.1 履历风险最小化
  5.2.2 模子、过拟合和欠拟合
  5.2.3 “必然的算法”——梯度下降算法
  5.2.4 小结
 5.3 神经网络基本
  5.3.1 神经网络根基布局
  5.3.2 无限容量——拟合任意函数
  5.3.3 前向流传
  5.3.4 随机梯度下降
 5.4 利用Keras实现神经网络
  5.4.1 数据筹备
  5.4.2 三层网络的小变换——深度前馈神经网络
  5.4.3 小结
 5.5 本章参考文献
第6章 深度进修和无人驾驶视觉感知
 6.1 深度前馈神经网络——为什么要深
  6.1.1 大数据下的模子练习效率
  6.1.2 暗示进修
 6.2 应用于深度神经网络的正则化技能
  6.2.1 数据集加强
  6.2.2 提前终止
  6.2.3 参数范数处罚
  6.2.4 Dropout技能
 6.3 实战——交通符号识别
  6.3.1 BelgiumTS数据集
  6.3.2 数据预处理惩罚
  6.3.3 利用Keras结构并练习深度前馈网络
 6.4 卷积神经网络入门
  6.4.1 什么是卷积以及卷积的念头
  6.4.2 稀疏交互
  6.4.3 参数共享
  6.4.4 等变暗示
  6.4.5 卷积神经网络
  6.4.6 卷积的一些细节
 6.5 基于YOLO的车辆检测
  6.5.1 预练习分类网络
  6.5.2 练习检测网络
  6.5.3 YOLO的损失函数
  6.5.4 测试
  6.5.5 基于YOLO的车辆和行人检测
 6.6 本章参考文献
第7章 迁移进修和端到端无人驾驶
 7.1 迁移进修
 7.2 端到端无人驾驶
 7.3 端到端无人驾驶模仿
  7.3.1 模仿器的选择
  7.3.2 数据采集和处理惩罚
  7.3.3 深度神经网络模子构建
 7.4 本章小结
 7.5 本章参考文献
第8章 无人驾驶筹划入门
 8.1 无人车路径筹划和A*算法
  8.1.1 有向图
  8.1.2 广度优先搜索算法
  8.1.3 涉及的数据布局
  8.1.4 如何生成蹊径
  8.1.5 有偏向地举办搜索(开导式)
  8.1.6 Dijkstra算法
  8.1.7 A*算法
 8.2 分层有限状态机和无人车行为筹划
  8.2.1 无人车决定筹划系统设计准则
  8.2.2 有限状态机
  8.2.3 分层有限状态机
  8.2.4 状态机在行为筹划中的利用
 8.3 基于自由界线三次样条插值的无人车路径生成
  8.3.1 三次样条插值
  8.3.2 三次样条插值算法
  8.3.3 利用Python实现三次样条插值举办路径生成
 8.4 基于Frenet优化轨迹的无人车动作筹划要领
  8.4.1 为什么利用Frenet坐标系
  8.4.2 Jerk最小化和5次轨迹多项式求解
  8.4.3 碰撞制止
  8.4.4 基于Frenet优化轨迹的无人车动作筹划实例
 8.5 本章参考文献
第9章 车辆模子和高级节制
 9.1 举动学自行车模子和动力学自行车模子
  9.1.1 自行车模子
  9.1.2 举动学自行车模子
  9.1.3 动力学自行车模子
 9.2 无人车节制入门
  9.2.1 为什么需要节制理论
  9.2.2 PID节制
 9.3 基于举动学模子的模子预测节制
  9.3.1 将PID节制应用于转向节制存在的问题
  9.3.2 预测模子
  9.3.3 在线转动优化
  9.3.4 反馈校正
 9.4 轨迹追踪
 9.5 本章参考文献
第10章 深度强化进修及其在自动驾驶中的应用
 10.1 强化进修概述
 10.2 强化进修道理及进程
  10.2.1 马尔可夫决定进程
  10.2.2 强化进修的方针及智能体的要素
  10.2.3 值函数
 10.3 近似代价函数
 10.4 深度Q值网络算法
  10.4.1 Q_Learning算法
  10.4.2 DQN算法
 10.5 计策梯度
 10.6 深度确定性计策梯度及TORCS游戏的节制
  10.6.1 TORCS游戏简介
  10.6.2 TORCS游戏环境安装
  10.6.3 深度确定性计策梯度算法
 10.7 本章小结
 10.8 本章参考文献

您大概感乐趣的图书