智能汽车关键技术与设计方法
出版时间： 2019年版
内容简介
　　随着汽车工业和人工智能技术的发展，智能汽车正在向人类走来。这一技术的普及，将从根本上改变人类的生活。在智能汽车时代，出行变得更加安全、便捷、舒适。人机共驾和自动驾驶将改变人类的时空观念，城市布局将重新规划，共享经济大力发展，全职司机由虚拟驾驶人替代。智能汽车技术作为一种划时代的技术，目前已经上升到了国家战略层面。在这样的时代背景下，本书将从技术层面，对智能汽车的感知、控制、定位和测试验证等多种关键技术进行详尽分析与解释，并运用相关的实验与仿真来论证书中所提出方法的正确性和实际可行性。
目录
丛书总序

推荐序一

推荐序二

前言

第1章　绪论1

　1.1　智能汽车的发展和现状1

　1.2　智能汽车的意义6

　　1.2.1　智能汽车对个人的意义6

　　1.2.2　智能汽车对交通系统的意义7

　　1.2.3　智能汽车对社会的意义7

　1.3　智能汽车的分级8

　1.4　智能汽车的关键技术10

　1.5　智能汽车的技术路线10

　1.6　智能汽车时代的来临12

　参考文献12

第2章　智能汽车的系统构架与主要构成14

　2.1　智能汽车的系统构架14

　　2.1.1　分层递阶式系统构架14

　　2.1.2　反应式系统构架15

　　2.1.3　混合式系统构架16

　2.2　智能汽车的硬件系统构架17

　　2.2.1　智能汽车计算平台18

　　2.2.2　智能汽车常用传感器20

　2.3　智能汽车的软件系统构架26

　　2.3.1　主机操作系统26

　　2.3.2　中间层运行框架27

　　2.3.3　应用层27

　2.4　智能汽车的通信系统29

　　2.4.1　智能汽车车内通信29

　　2.4.2　智能汽车与V2X技术31

　参考文献34

第3章　智能汽车环境感知技术37

　3.1　相机模型与李群和李代数基础37

　　3.1.1　相机坐标系的定义37

　　3.1.2　欧式空间坐标转换38

　　3.1.3　李群和李代数基础40

　3.2　KITTI数据集介绍44

　　3.2.1　KITTI数据集采集平台44

　　3.2.2　KITTI数据集的类型45

　　3.2.3　KITTI数据集的格式介绍48

　3.3　基于多特征融合的道路理解方法48

　　3.3.1　道路环境理解算法架构49

　　3.3.2　基于特征融合的道路区域分割50

　　3.3.3　道路建模与随动方向滤波器52

　　3.3.4　基于置信度函数的道路标线识别54

　　3.3.5　基于粒子对滤波的道路线跟踪56

　　3.3.6　试验结果与分析58

　3.4　基于机器学习和粒子滤波的前方车辆识别60

　　3.4.1　前方车辆识别问题与方法61

　　3.4.2　路面区域提取方法63

　　3.4.3　基于机器学习的车辆分层级联识别66

　　3.4.4　基于粒子滤波的多目标跟踪72

　　3.4.5　试验结果与分析77

　　3.4.6　本节小结81

　3.5　基于深度学习的环境感知方法81

　　3.5.1　神经网络81

　　3.5.2　卷积神经网络85

　　3.5.3　CNN在智能汽车环境感知中的应用88

　3.6　基于激光雷达的感知技术93

　　3.6.1　激光雷达基础94

　　3.6.2　LiDAR的外参数标定96

　　3.6.3　障碍物检测97

　参考文献98

第4章　智能汽车紧急控制策略101

　4.1　转向避撞效能及可行性分析102

　　4.1.1　避撞所需最短纵向距离102

　　4.1.2　不同避撞方式的安全收益106

　　4.1.3　不同避撞方式对环境感知能力的要求109

　　4.1.4　不同避撞方式对执行器的要求110

　4.2　临界距离分析113

　　4.2.1　制动避撞所需的最短纵向距离113

　　4.2.2　转向避撞所需的最短纵向距离115

　4.3　自动紧急控制127

　　4.3.1　驾驶员触发型紧急转向辅助控制129

　　4.3.2　矫正型紧急转向辅助控制142

　　4.3.3　AEB算法的优化148

　　4.3.4　制动和转向避撞控制集成150

　4.4　制动转向协调避撞控制152

　　4.4.1　车辆模型153

　　4.4.2　环境模型156

　　4.4.3　驾驶员模型158

　　4.4.4　制动转向协调避撞控制159

　4.5　本章小结161

　参考文献162

第5章　智能汽车的导航定位技术164

　5.1　基于高精地图的匹配定位技术164

　　5.1.1　高精地图VS传统电子导航地图165

　　5.1.2　高精地图的绘制与测评166

　　5.1.3　基于高精地图三维点云的车辆匹配定位方法167

　　5.1.4　高精地图的未来发展与挑战169

　5.2　基于DR和MM组合的车辆定位方法169

　　5.2.1　航位推算技术170

　　5.2.2　地图匹配技术171

　　5.2.3　基于卡尔曼滤波器的DR和MM定位信息的融合175

　　5.2.4　本节小结178

　5.3　视觉里程计178

　　5.3.1　视觉里程计概述179

　　5.3.2　对极几何180

　　5.3.3　PnP算法原理简介181

　　5.3.4　直接法181

　　5.3.5　本节小结182

　参考文献183

第6章　智能汽车试验验证技术185

　6.1　智能汽车试验验证面临的挑战186

　6.2　智能汽车试验验证技术的介绍188

　　6.2.1　智能汽车测试验证机理188

　　6.2.2　ADAS测试评价方法189

　　6.2.3　高等级自动驾驶车辆测试评价方法201

　6.3　智能网联汽车综合试验场204

　　6.3.1　国外智能网联汽车综合试验场205

　　6.3.2　国内智能网联汽车专用试验场213

　参考文献216

第7章　智能汽车的挑战与未来219

　7.1　智能汽车面临的挑战219

　　7.1.1　法律上的挑战220

　　7.1.2　责任判定上的挑战220

　　7.1.3　个人隐私权的挑战220

　　7.1.4　成本提高带来的挑战221

　　7.1.5　汽车厂商和互联网厂商合作上的挑战222

　　7.1.6　汽车安全的挑战222

　7.2　自动驾驶给人类带来的变化223

　　7.2.1　市场份额变化223

　　7.2.2　商业模式的颠覆223

　　7.2.3　人们思想的改变224

　7.3　智能汽车发展策略224

　　7.3.1　信息系统224

　　7.3.2　识别系统225

　　7.3.3　控制系统226

　7.4　可预见的未来226

　　7.4.1　关键的节点：2020年226

　　7.4.2　混合时代：2020～2050年227