幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能駕駛之激光雷達演算法詳解

  • 作者：編者:揭皓翔|責編:張濤
  • 出版社：人民郵電
  • ISBN：9787115623669
  • 出版日期：2024/05/01
  • 裝幀：平裝
  • 頁數：248
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書內容涵蓋了智能駕駛場景中常用的激光雷達的標定、感知和定位演算法。標定演算法部分介紹了有代表性的激光雷達與車體的外參標定演算法以及激光雷達和相機間的外參標定演算法；感知演算法部分介紹了基於激光雷達進行地面檢測、障礙物聚類、目標檢測、多目標跟蹤、路沿檢測的代表性演算法；定位演算法部分則介紹了幾種有影響力的激光里程計、激光雷達+IMU組合定位演算法以及多感測器融合定位與建圖演算法。本書著重從理論出發，介紹激光雷達關鍵演算法的原理，可為讀者提供車載激光雷達相關演算法的基礎指導。
    本書可作為高等院校車輛工程、機器人工程、交通工程專業和自動駕駛專業的教材，也可供智能駕駛或機器人領域的技術愛好者以及激光雷達標定、感知、定位演算法工程師使用和參考。
作者介紹
編者:揭皓翔|責編:張濤
    揭皓翔，博士畢業於華中科技大學，先後在華為、東軟集團擔任高級演算法工程師和技術負責人；智能駕駛行業資深演算法專家，行業大會審稿人，研究方向包括感知演算法、SLAM演算法、規控演算法等。
目錄
第1章  初識激光雷達
  1.1  激光雷達的基本原理
  1.2  激光雷達的發展歷程
  1.3  車載激光雷達的分類
  1.4  車載激光雷達的特點
  1.5  車載激光雷達的應用功能
    1.5.1  激光雷達在感知功能中的應用
    1.5.2  激光雷達在SLAM功能中的應用
  1.6  車載激光雷達的商用現狀
  1.7  本章小結
  本章參考文獻
第2章  空間變換數學基礎
  2.1  坐標系的歐氏變換基礎
    2.1.1  旋轉和平移變換
    2.1.2  旋轉的歐拉角表示
    2.1.3  旋轉的軸角表示旋轉向量表示
    2.1.4  旋轉的單位四元數表示
  2.2  李群和李代數基礎
    2.2.1  李群基礎
    2.2.2  李代數基礎
  2.3  本章小結
  本章參考文獻
第3章  激光雷達-車體的外參標定
  3.1  引言
  3.2  基於道路、標定物特徵的LiDAR動態外參標定
    3.2.1  SSAC第一階段
    3.2.2  SSAC第二階段
  3.3  基於手眼模型的LiDAR外參標定
    3.3.1  手眼模型簡述
    3.3.2  使用Navy演算法求解手眼模型
    3.3.3  DriveWorks中激光雷達外參的標定
  3.4  基於累積點雲特徵優化的LiDAR外參標定
    3.4.1  AESC-MMS演算法
    3.4.2  DyLESC演算法
  3.5  本章小結
  本章參考文獻
第4章  LiDAR-Camera的外參標定
  4.1  引言
  4.2  基於標定物的L-C靜態標定——ILCC演算法
    4.2.1  演算法整體流程
    4.2.2  特徵交點提取過程
    4.2.3  分步式外參求解
    4.2.4  實驗驗證
  4.3  無標定物的L-C靜態標定——PESC演算法
    4.3.1  邊緣特徵提取
    4.3.2  特徵關聯匹配
    4.3.3  基於非線性優化的外參求解
  4.4  無標定物的L-C動態在線標定——AOCCL演算法
    4.4.1  圖像中的特徵處理
    4.4.2  點雲中的特徵處理

    4.4.3  外參優化求解
  4.5  本章小結
  本章參考文獻
第5章  基於3D激光點雲的地面分割
  5.1  引言
  5.2  級聯地面分割演算法
    5.2.1  障礙物、地面坡度對點雲的影響
    5.2.2  基於線束間激光點距離的初步分割
    5.2.3  基於多區域地面擬合的精細分割
  5.3  基於高程地圖的地面點雲分割
    5.3.1  均值高程地圖
    5.3.2  擴展高程地圖
  5.4  基於馬爾可夫隨機場的地面點雲分割
    5.4.1  馬爾可夫隨機場構建及信念傳播
    5.4.2  梯度計算
    5.4.3  改進方法
  5.5  本章小結
  本章參考文獻
第6章  基於3D激光點雲的聚類分割
  6.1  引言
  6.2  基於激光點間角度關係的聚類
    6.2.1  Bogoslavskyi演算法的基本思想
    6.2.2  Bogoslavskyi演算法的具體流程
    6.2.3  Bogoslavskyi演算法小結
  6.3  基於掃描線分割的SLR聚類演算法
    6.3.1  SLR演算法原理
    6.3.2  SLR演算法中點雲的分割與合併過程
    6.3.3  SLR演算法小結
  6.4  結合深度圖和DBSCAN演算法的3D點雲聚類
    6.4.1  DBSCAN演算法簡述
    6.4.2  基於RangeImage的改進型DBSCAN演算法
    6.4.3  演算法小結
  6.5  基於多視角的點雲聚類分割——MVC演算法
    6.5.1  MVC演算法的基本思想和流程
    6.5.2  BEV投影下的初步聚類劃分
    6.5.3  深度圖下的精細劃分
    6.5.4  演算法測試
    6.5.5  MVC演算法小結
  6.6  本章小結
  本章參考文獻
第7章  深度學習基礎
  7.1  人工神經網路基礎
    7.1.1  神經元模型
    7.1.2  感知機和多層感知機
    7.1.3  正向傳導和誤差反向傳播機制
  7.2  卷積神經網路基礎
    7.2.1  卷積操作的引入及其特點
    7.2.2  卷積神經網路的基本結構
    7.2.3  經典的圖像卷積神經網路
  7.3  ViT基礎

    7.3.1  經典的Transformer結構
    7.3.2  ViT的基本結構
    7.3.3  幾種經典的ViT改進結構
  7.4  本章小結
  本章參考文獻
第8章  基於3D激光點雲的目標檢測
  8.1  引言
  8.2  MLP架構的PointNet網路
    8.2.1  PointNet網路模型的架構
    8.2.2  PointNet網路的特點
  8.3  PointNet網路改進之PointNet++網路
    8.3.1  PointNet++網路模型的架構
    8.3.2  層級式點集特徵學習模塊
    8.3.3  非均勻採樣密度下的特徵學習
    8.3.4  點雲分割中的特徵傳播
    8.3.5  演算法小結
  8.4  二階段檢測器—PointRCNN網路
    8.4.1  PointRCNN網路模型的架構
    8.4.2  模型細節特徵
    8.4.3  演算法小結
  8.5  基於體素的VoxelNet網路
    8.5.1  VoxelNet網路模型的架構
    8.5.2  VoxelNet網路細節分析
    8.5.3  演算法小結
  8.6  實時性突破——PointPillars網路
    8.6.1  PointPillars網路模型的架構
    8.6.2  PointPillars網路細節分析
    8.6.3  演算法小結
  8.7  基於深度圖的RangeDet網路
    8.7.1  RangeDet網路模型的架構
    8.7.2  RangeDet網路細節分析
    8.7.3  演算法小結
  8.8  多視角特徵融合的MVF網路
    8.8.1  MVF網路模型的架構
    8.8.2  MVF網路細節分析
    8.8.3  演算法小結
  8.9  本章小結
  本章參考文獻
第9章  基於3D激光點雲的路沿檢測
  9.1  引言
  9.2  基於人工規則的SAT-LRBD演算法
    9.2.1  演算法流程
    9.2.2  候選特徵點提取
    9.2.3  候選特徵點分類
    9.2.4  雜訊點過濾和路沿特徵點提取
    9.2.5  演算法小結
  9.3  基於深度學習網路的U-AFCD演算法
    9.3.1  演算法整體框架
    9.3.2  基於U-Net的路沿特徵點分割
    9.3.3  非可見路沿推理及結果不確定性分析

    9.3.4  演算法小結
  9.4  本章小結
  本章參考文獻
第10章  基於3D激光點雲的多目標跟蹤
  10.1  引言
  10.2  AB3DMOT演算法
    10.2.1  演算法整體架構
    10.2.2  演算法各模塊分析
    10.2.3  演算法小結
  10.3  SimTrack演算法
    10.3.1  演算法整體架構
    10.3.2  演算法各模塊分析
    10.3.3  演算法小結
  10.4  本章小結
  本章參考文獻
第11章  激光里程計
  11.1  引言
  11.2  基於特徵點進行匹配註冊的LOAM演算法
    11.2.1  LOAM演算法框架
    11.2.2  LOAM演算法細節分析
    11.2.3  激光里程計演算法流程
    11.2.4  激光雷達建圖
    11.2.5  演算法小結
  11.3  基於點雲的正態分佈特徵進行匹配註冊的NDT演算法
    11.3.1  點雲的概率分佈表示
    11.3.2  點雲匹配註冊
    11.3.3  演算法小結
  11.4  本章小結
  本章參考文獻
第12章  激光雷達+IMU組合定位
  12.1  引言
  12.2  IMU-AHFLO演算法
    12.2.1  IMU-AHFLO演算法流程
    12.2.2  基於IMU輪速計的車輛位姿估計
    12.2.3  基於EKF的松耦合過程
    12.2.4  演算法小結
  12.3  LIO-SAM演算法
    12.3.1  因子圖優化基礎
    12.3.2  IMU預積分基礎
    12.3.3  LIO-SAM演算法流程及分析
    12.3.4  演算法小結
  12.4  本章小結
  本章參考文獻
第13章  多感測器融合SLAM
  13.1  引言
  13.2  視覺、激光雷達、IMU融合的R2LIVE演算法
    13.2.1  演算法總體流程介紹
    13.2.2  基於濾波的里程計模塊
    13.2.3  因子圖優化模塊
    13.2.4  演算法小結

  13.3  融合點雲地圖的TMFL演算法
    13.3.1  演算法總體流程介紹
    13.3.2  激光雷達特徵地圖構建
    13.3.3  TMFL演算法各模塊分析
    13.3.4  演算法小結
  13.4  本章小結
  本章參考文獻
第14章  展望未來
  14.1  車載激光雷達的未來
    14.1.1  車載激光雷達當前面臨的挑戰
    14.1.2  車載激光雷達的發展趨勢
  14.2  激光感知演算法的研究熱點和趨勢
  14.3  激光定位演算法的研究熱點和趨勢
  14.4  本章小結
  本章參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032