新書推薦：
《
唐代冠服图志（百余幅手绘插画 图解唐代各类冠服 涵盖帝后 群臣 女官 士庶 军卫等 展现唐代社会风貌）
》
售價：HK$
87.4
《
知宋·宋代之科举
》
售價：HK$
99.7
《
那本书是（吉竹伸介与又吉直树 天才联动！）
》
售價：HK$
99.7
《
传播的跃迁：人工智能如何革新人类的交流
》
售價：HK$
110.9
《
纯粹·古代中国的历史与制度
》
售價：HK$
62.7
《
生活来来往往 别等来日方长 新版（伍佰：“讲好了这一辈子，再度重相逢。”别等，别遗憾！珍惜当下才是最好的解药）
》
售價：HK$
58.2
《
一个英国军事顾问眼中的二战
》
售價：HK$
277.8
《
就业、利息和货币通论（徐毓枬译本）（经济学名著译丛）
》
售價：HK$
67.2
|
| 編輯推薦： |
|
本书由百度硅谷一线工程师和IEEE计算机协会主席联袂编著，作者团队在各自的领域造诣深厚，有着丰富的无人驾驶汽车技术研究开发经验，很适合作为无人驾驶自动驾驶智能车辆总体认识和技术入门图书来阅读。本书由吉林大学马芳武教授无人驾驶团队翻译。
|
| 內容簡介： |
《无人驾驶：人工智能如何颠覆汽车》是为从事无人驾驶车辆智能网联汽车开发相关工作人员的入门技术书。作者分享了他们打造无人驾驶车辆系统的实践经验。本书由9章组成，第1章概述了无人驾驶系统；第2章着重介绍无人驾驶车辆定位技术；第3章讨论了传统的环境感知技术；第4章讨论基于深度学习的环境感知技术；第5章介绍了行为预测和路径规划技术；第6章着重介绍运动决策、规划与控制子系统的反馈控制；第7章介绍基于增强学习的规划和控制技术；第8章深入研究无人驾驶客户端系统的设计细节；第9章详细介绍了无人驾驶云平台。
本书对在校学生、研究人员和相关从业人员都大有益处。无论你是本科生还是研究生，只要对无人驾驶感兴趣，都可以在这里找到无人驾驶技术的全面介绍。
|
| 關於作者： |
刘少山博士是PerceptIn的主席和创始人之一，他的研究重点是计算机架构、大数据平台、深度学习基础框架和机器人技术，他曾担任百度硅谷无人驾驶系统团队负责人。
李力耘博士现于百度硅谷研究中心担任软件架构师。作为百度无人驾驶团队的早期成员之一，他一直在主导和推进其无人驾驶技术的开发，包括百度无人驾驶车辆的智能行为决策、运动规划和车辆控制等。
唐洁博士现担任华南理工大学计算机科学与工程学院副教授。
吴双博士现为Yitu公司科学家，曾担任百度硅谷人工智能实验室高级研究员，在百度USDC担任高级架构师。
刘少山博士是PerceptIn的主席和创始人之一，他的研究重点是计算机架构、大数据平台、深度学习基础框架和机器人技术，他曾担任百度硅谷无人驾驶系统团队负责人。
李力耘博士现于百度硅谷研究中心担任软件架构师。作为百度无人驾驶团队的早期成员之一，他一直在主导和推进其无人驾驶技术的开发，包括百度无人驾驶车辆的智能行为决策、运动规划和车辆控制等。
唐洁博士现担任华南理工大学计算机科学与工程学院副教授。
吴双博士现为Yitu公司科学家，曾担任百度硅谷人工智能实验室高级研究员，在百度USDC担任高级架构师。
琼卢克﹒高迪奥特（Jean﹣Luc Gaudiot）博士目前担任加州大学欧文分校电子工程和计算机科学系教授，他曾担任IEEE内部多种职位，并于2017年当选为IEEE计算机协会主席。
|
| 目錄：
|
第１ 章无人驾驶系统简介
１.１ 无人驾驶技术概述／ ００２
１.２ 无人驾驶算法／ ００２
１.２.１ 传感／ ００３
１.２.２ 感知／ ００４
１.２.３ 目标识别与跟踪／ ００６
１.２.４ 决策／ ００６
１.３ 无人驾驶客户端系统／ ００８
１.３ １ 机器人操作系统／ ００８
１.３ ２ 硬件平台／ ０１１
１.４ 无人驾驶云平台／ ０１１
１.４.１ 仿真模拟／ ０１１
１.４.２ 高精度地图生成／ ０１２
１.４.３ 深度学习模型训练／ ０１３
１.５ 一切刚刚开始／ ０１４
第２ 章无人驾驶车辆的定位系统
２.１ 采用全球导航卫星系统定位／ ０１５
２.１.１ ＧＮＳＳ 概述／ ０１５
２.１.２ ＧＮＳＳ 误差分析／ ０１７
２.１.３ 星基增强系统／ ０１８
２.１.４ 载波相位差分技术和差分ＧＮＳＳ ／ ０１９
２.１.５ 精确点定位／ ０２０
２.１.６ 全球定位系统和惯性导航系统的融合／ ０２２
２.２ 采用激光雷达和高精度地图定位／ ０２３
２.２.１ 激光雷达概述／ ０２３
２.２.２ 高精度地图概述／ ０２６
２.２.３ 激光雷达和高精度地图定位／ ０３０
２.３ 视觉里程计／ ０３４
２.３.１ 立体视觉里程计／ ０３５
２.３.２ 单目视觉里程计／ ０３６
２.３.３ 视觉惯性里程计／ ０３６
２.４ 航位推算和轮式里程计／ ０３８
２.４.１ 轮式编码器／ ０３８
２.４.２ 轮式里程计误差／ ０３９
２.４.３ 减少轮式里程计误差／ ０４０
２.５ 多传感器融合／ ０４２
２.５.１ 卡内基梅隆大学无人驾驶城市挑战赛车Ｂｏｓｓ ／ ０４２
２.５.２ 斯坦福大学无人驾驶城市挑战赛车Ｊｕｎｉｏｒ ／ ０４４
２.５.３ 梅赛德斯－奔驰无人驾驶车Ｂｅｒｔｈａ ／ ０４５
参考文献／ ０４７
第３ 章无人驾驶的感知系统
３.１ 概述／ ０５１
３.２ 数据集／ ０５２
３.３ 目标识别／ ０５４
３.４ 语义分割／ ０５６
３.５ 立体视觉、光流和场景流／ ０５８
３.５.１ 立体视觉与深度信息／ ０５８
３.５.２ 光流／ ０５９
３.５.３ 场景流／ ０５９
３.６ 目标跟踪／ ０６１
３.７ 总结／ ０６３
参考文献／ ０６４
第４ 章深度学习在无人驾驶感知系统中的应用
４.１ 卷积神经网络／ ０６８
４.２ 目标检测／ ０６９
４.３ 语义分割／ ０７２
４.４ 立体视觉和光流／ ０７５
４.４.１ 立体视觉／ ０７５
４.４.２ 光流／ ０７６
４.５ 总结／ ０７９
参考文献／ ０８０
第５ 章预测与路径规划
５.１ 规划与控制模块概览／ ０８２
５.１.１ 架构： 广义上的规划与控制／ ０８２
５.１.２ 各个模块的范围：以模块的方式解决问题／ ０８４
５.２ 交通预测／ ０８７
５.２.１ 将行为预测作为分类问题／ ０８８
５.２.２ 车辆轨迹生成／ ０９３
５.３ 车道级的路径规划／ ０９４
５.３.１ 为路径规划创建权重有向图／ ０９６
５.３.２ 典型的路径规划算法／ ０９８
５.３.３ 规划图损失： 强弱路径规划／ １０２
５.４ 总结／ １０３
参考文献／ １０３
第６ 章决策、规划和控制
６.１ 行为决策／ １０５
６.１.１ 马尔可夫决策过程方法／ １０７
６.１.２ 基于场景的分治法／ １０９
６.２ 运动规划／ １１６
６.２.１ 车辆模型、道路模型、ＳＬ 坐标系／ １１８
６.２.２ 划分为路径规划和速度规划的运动规划／ １１９
６.２.３ 划分为纵向规划和横向规划的运动规划／ １２６
６.３ 反馈控制／ １３０
６.３.１ 自行车模型／ １３０
６.３.２ ＰＩＤ 控制／ １３２
６ ４ 总结／ １３３
参考文献／ １３４
第７ 章基于增强学习的规划和控制
７.１ 概述／ １３６
７.２ 增强学习／ １３８
７.２.１ Ｑ⁃学习／ １４０
７.２.２ ＡＣＴＯＲ⁃ＣＲＩＴＩＣ 方法／ １４４
７.３ 无人驾驶中基于学习的规划和控制／ １４６
７.３.１ 行为决策中的增强学习／ １４７
７.３.２ 基于增强学习的规划和控制／ １４７
７.４ 总结／ １５０
参考文献／ １５０
第８ 章无人驾驶客户端系统
８.１ 无人驾驶系统： 一个复杂的系统／ １５２
８.２ 无人驾驶的操作系统／ １５４
８.２.１ ＲＯＳ 综述／ １５４
８.２.２ 系统可靠性／ １５６
８.２.３ 性能优化／ １５７
８.２.４ 资源管理与安全性／ １５７
８.３ 计算平台／ １５８
８.３.１ 计算平台的实现／ １５８
８.３.２ 现有的计算解决方案／ １５９
８.３.３ 计算机体系结构设计的探索／ １６０
参考文献／ １６４
第９ 章无人驾驶云平台
９.１ 概述／ １６５
９.２ 基础架构／ １６６
９.２.１ 分布式计算框架／ １６７
９.２.２ 分布式存储／ １６７
９.２.３ 异构计算／ １６８
９.３ 仿真模拟／ １７０
９.３.１ ＢｉｎＰｉｐｅＲＤＤ ／ １７１
９.３.２ 连接ＲＯＳ 与Ｓｐａｒｋ 引擎／ １７２
９.３ ３ 性能表现／ １７３
９.４ 模型训练／ １７３
９.４.１ 为什么使用Ｓ
|
| 內容試閱：
|
无人驾驶车辆， 无论是在陆地、水上还是在空中， 都出现在我们身边，并不断寻找无数新的应用场景， 比如无人驾驶出租车服务到偏远地区。过去几十年持续的技术进步使得这些创新成为可能， 同时也需要克服很多艰巨的难题以实现无人驾驶系统性能高效、实用、安全。
因此， 本书的目的是对这些难题进行介绍， 并引导读者了解一些常见的解决方案。高超的技术水平、软硬件的完全集成以及云平台的深度协同是最终成功的必要条件。无人驾驶在地面车辆， 或者更具体地说， 在城市、乡村道路环境中的车辆以及越野车辆中的应用是本书介绍的重点。本书面向学术界或工业界的工程师， 目的在于展示在无人驾驶车辆研发过程中遇到的问题、解决方案和未来的研究热点，具体包括感知与认知、执行控制以及云端服务器。本书罗列出大量的参考文献资料， 将帮助读者快速阅览前人的工作。
下面对本书的结构做简单介绍。
第１ 章简述了信息技术的发展历史， 并对无人驾驶系统体系结构和所需的相关基础设施的算法进行了概述。
定位是无人驾驶最重要的任务之一。第２ 章介绍了最常用的无人驾驶定位方法， 详细讲述了全球导航卫星系统、惯性定位导航系统、激光雷达和轮式里程计的原理和优缺点， 并讨论了各个方法的融合。
第３ 章介绍了目标检测， 即基于传感器数据的环境理解， 并探究各种目前使用的算法， 包括场景理解、图像流、目标跟踪等。
第４ 章介绍了深度学习在无人驾驶环境感知系统的应用， 包括大型数据集以及需要高度复杂计算的图像分类、目标检测、语义分割等， 其中详细讲述了目标检测、语义分割和图像流。
当无人驾驶车辆对环境进行理解时， 它必须以某种方式预测未来的事件（例如在其附近的另一辆车辆的运动） 并规划自己的路线， 这是第５ 章的主要内容。
接下来的第６ 章， 对生成决策、规划和控制进行了更细致的阐述， 并对在遇到潜在的正交决策以及解决方案冲突时（例如， 一个模块推荐换道， 而另一个模块已经在所述车道中检测到障碍物） 各个模块间的相互反馈， 尤其是决策生成（马尔可夫决策过程， 基于场景的分治法） 和运动规划的算法进行了介绍。
第７ 章展示了在基于强化学习的规划和控制方面补充设计的需要， 以便在无人驾驶系统的开发过程中将情境与场景完全集成。
车载计算平台是第８ 章的主题， 它包括对机器人操作系统的介绍， 然后是对所使用的实际硬件的总结， 同时提出了使用异构计算以满足实时计算以及实际车载（功耗和散热） 的强烈需求。这意味着必须使用各种处理单元，包括通用中央处理器（ＣＰＵ）、图形处理器（ＧＰＵ）、现场可编程逻辑门阵列（ＦＰＧＡ） 等。
最后， 第９ 章介绍了用于“捆绑在一起” 的云平台的基础架构， 该架构为新算法开发、离线深度学习模型训练和高精度地图生成服务提供分布式仿真测试。
编 者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
