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

自動駕駛BEV感知演算法指南/智能汽車叢書

  • 作者：易顯維//虞凡|責編:高婧雅
  • 出版社：機械工業
  • ISBN：9787111768821
  • 出版日期：2025/01/01
  • 裝幀：平裝
  • 頁數：204
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書由智能汽車領域實踐型專家聯合撰寫，帶你一次性學透BEV，實現快速落地與創新。在內容設計上，本書以BEV主流技術與工程實踐為主線，系統分析介紹BEV演算法的基本原理、關鍵技術和源碼級實現方法，助你掌握自動駕駛感知系統的整體架構和設計理念。
    本書共9章。第1章介紹BEV感知演算法的核心概念和框架，強調其獨特優勢及挑戰。第2章概述關鍵數據集，如KITTI、nuScenes和Waymo，並解釋了評估演算法性能的指標。第3章深入介紹特徵提取技術，涵蓋圖像和激光雷達數據的提取方法。第4章探討視角轉換、注意力機制及Transformer在BEV感知演算法中的應用。第5章和第6章分別講解顯式和隱式視角轉換下的BEV感知演算法，如BEVDet系列和BEVFormer等。第7章和第8章通過實例介紹BEV感知演算法的實現過程。第9章討論大模型在自動駕駛領域的應用及面臨的挑戰。
作者介紹
易顯維//虞凡|責編:高婧雅
目錄
前言
第1章  快速了解BEV感知演算法
  1.1  BEV感知演算法解決的問題
  1.2  BEV感知演算法的常見範式
  1.3  BEV感知演算法的分類
    1.3.1  基於單應性的方法
    1.3.2  基於深度估計的方法
    1.3.3  基於多層感知器的方法
    1.3.4  基於Transformer的方法
  1.4  BEV感知演算法的不足
  1.5  本章小結
第2章  BEV感知演算法的數據集
  2.1  KITTI數據集
  2.2  nuScenes數據集
  2.3  nuScenes數據集常用的評測指標及計算方法
    2.3.1  檢測任務評測指標計算公式
    2.3.2  跟蹤任務評測指標計算公式
    2.3.3  其他輔助指標計算公式
  2.4  Waymo數據集
  2.5  不同數據集之間的對比
  2.6  本章小結
第3章  BEV感知演算法的特徵提取
  3.1  圖像模態
    3.1.1  相機的內外參數
    3.1.2  圖像特徵提取和ResNet原理
  3.2  激光雷達模態中點雲目標檢測的代表演算法
    3.2.1  PointPillar演算法
    3.2.2  PV-RCNN演算法
  3.3  本章小結
第4章  BEV感知演算法的基本模塊
  4.1  視角轉換模塊
    4.1.1  自動駕駛中的坐標系
    4.1.2  坐標系轉換與視角轉換模塊
    4.1.3  LSS原理
    4.1.4  LSS代碼實現與模型運行
  4.2  BEV感知演算法中的注意力機制
    4.2.1  通道注意力機制
    4.2.2  空間注意力機制
    4.2.3  混合注意力機制
    4.2.4  BEV感知演算法中的時序融合
  4.3  本章小結
第5章  顯式視角轉換的BEV感知演算法
  5.1  基於LSS方法的顯式視角轉換的BEV感知演算法
    5.1.1  BEVDet
    5.1.2  BEVDet4D
  5.2  BEVDet中的視角轉換過程
  5.3  BEVDet4D中的時序對齊
  5.4  本章小結
第6章  隱式視角轉換的BEV感知演算法
  6.1  傳統目標檢測方法與DETR類方法

    6.1.1  傳統目標檢測方法的局限性
    6.1.2  DETR類方法的優點
  6.2  主要的隱式視角轉換的BEV感知演算法
    6.2.1  BEVFormer
    6.2.2  DETR3D
    6.2.3  PETR
  6.3  DETR3D計算過程
    6.3.1  圖像特徵提取
    6.3.2  特徵查詢模塊
    6.3.3  二分圖匹配
    6.3.4  DETR和DETR3D的異同
  6.4  隱式轉換DETR、DETR3D和PETR的主要差別
  6.5  本章小結
第7章  BEVFusion實踐
  7.1  原理詳解
    7.1.1  網路架構
    7.1.2  圖像支路
    7.1.3  點雲支路
    7.1.4  融合模塊
  7.2  代碼詳解
    7.2.1  nuScenes數據集處理
    7.2.2  模型訓練過程
  7.3  環境搭建
    7.3.1  搭建PyTorch環境
    7.3.2  安裝BEVFusion
    7.3.3  編譯BEVFusion環境
    7.3.4  訓練和測試BEVFusion
  7.4  本章小結
第8章  BEVFormer實踐
  8.1  代碼詳解
    8.1.1  數據處理
    8.1.2  模型訓練過程
  8.2  環境搭建
    8.2.1  創建虛擬環境
    8.2.2  安裝BEVFormer
  8.3  模型部署
  8.4  本章小結
第9章  大模型在自動駕駛領域的應用
  9.1  端到端的自動駕駛系統UniAD
    9.1.1  UniAD的提出背景
    9.1.2  UniAD架構
  9.2  賦能自動駕駛數據生產和模型訓練
    9.2.1  輔助標注數據
    9.2.2  模型蒸餾給小模型賦能
    9.2.3  將多個小模型合併成大模型
    9.2.4  自動駕駛的重建和數據生成
  9.3  視覺大模型的難點
    9.3.1  視覺大模型發展相對落後的原因
    9.3.2  視覺大模型的技術挑戰與實踐難點
  9.4  本章小結

  • 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