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

激光雷達感知與定位(從理論到實現)

  • 作者：編者:申澤邦//周慶國//郅朋|責編:劉盛平
  • 出版社：人民郵電
  • ISBN：9787115652584
  • 出版日期：2025/07/01
  • 裝幀：平裝
  • 頁數：245
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    激光雷達作為自動駕駛汽車的核心感測器之一，在自動駕駛領域發揮著至關重要的作用。本書深度挖掘激光雷達關鍵技術，介紹激光雷達的原理、應用以及發展趨勢。
    本書共9章，包括激光雷達與自動駕駛的發展、激光雷達的基本工作原理、點雲編程基礎、標定、SLAM、深度學習在激光雷達中的應用等內容。本書通過深入的理論解說和實際操作示例，幫助讀者輕鬆開發基於激光雷達的感知與定位模塊。此外，本書還展望了激光雷達的發展趨勢及其在汽車工業中的應用前景，為自動駕駛領域的研究和發展提供了參考依據。
    本書可作為希望進入自動駕駛汽車行業的汽車類、自動化類專業的學生的技術入門圖書，也可作為汽車工程師、對自動駕駛技術感興趣的讀者的參考書。
作者介紹
編者:申澤邦//周慶國//郅朋|責編:劉盛平
目錄
第1章  激光雷達與自動駕駛概述
  1.1  激光雷達與自動駕駛的概念
    1.1.1  什麼是激光雷達
    1.1.2  什麼是自動駕駛系統
  1.2  激光雷達與自動駕駛的發展
    1.2.1  早期的激光雷達
    1.2.2  激光雷達與DARPA自動駕駛挑戰賽
  1.3  激光雷達在自動駕駛系統和高精度地圖生產過程中的應用
    1.3.1  自動駕駛系統的基本架構
    1.3.2  激光雷達在自動駕駛系統中的應用
    1.3.3  激光雷達在高精度地圖生產過程中的應用
  1.4  激光雷達開發環境配置
  參考文獻
第2章  激光雷達的基礎知識
  2.1  激光雷達的基本工作原理
    2.1.1  激光雷達的基本結構
    2.1.2  激光雷達的數據
    2.1.3  激光雷達的回波模式
    2.1.4  激光雷達與人眼安全
  2.2  車載激光雷達的分類
    2.2.1  根據掃描方式分類
    2.2.2  根據激光波長分類
  2.3  激光雷達的關鍵性能指標和性能評估方法
    2.3.1  激光雷達的關鍵性能指標
    2.3.2  激光雷達的性能評估方法
  參考文獻
第3章  PCL和ROS編程基礎
  3.1  PCL編程基礎
    3.1.1  PCL的基本概念和數據結構
    3.1.2  PCD文件
    3.1.3  構建第一個PCL程序
  3.2  ROS編程基礎
    3.2.1  ROS簡介
    3.2.2  ROS中的基本概念
    3.2.3  ROS命令行的常用指令
    3.2.4  ROS項目的文件系統結構
    3.2.5  Catkin構建工具
  3.3  第一個PCL和ROS節點： 基於體素網格濾波的降採樣
    3.3.1  點雲濾波
    3.3.2  ROS C++編程實踐
    3.3.3  構建並運行項目
  參考文獻
第4章  點雲平面分割、聚類和配准
  4.1  點雲平面分割：RANSAC演算法原理和Ｃ++實踐
    4.1.1  點雲分割概述
    4.1.2  RANSAC演算法介紹
    4.1.3  基於RANSAC平面擬合的地面點濾除ROS實戰
  4.2  歐幾里得點雲聚類演算法和C++實踐
    4.2.1  k-d樹：一種用於最近鄰搜索的數據結構
    4.2.2  歐幾里得聚類方法

    4.2.3  點雲歐幾里得聚類PCL與ROS實踐
  4.3  基於正態分佈變換的點雲配准
    4.3.1  點雲配准
    4.3.2  NDT演算法
    4.3.3  使用NDT演算法配准兩個點雲
  參考文獻
第5章  激光雷達標定原理與實踐
  5.1  坐標系變換基礎與編程實踐
    5.1.1  建圖、定位和感知中的坐標系
    5.1.2  三維剛體變換的表徵形式
    5.1.3  齊次變換矩陣
    5.1.4  Eigen編程基礎
    5.1.5  ROS TF2編程基礎
    5.1.6  坐標系變換編程實踐
  5.2  多激光雷達自動標定方法與ROS實踐
    5.2.1  多激光雷達標定和點雲配准
    5.2.2  用於多激光雷達自動標定的樣例數據包
    5.2.3  多激光雷達標定代碼實例
    5.2.4  使用測試數據實踐6顆激光雷達的標定
  5.3  激光雷達-相機聯合標定ROS實踐
    5.3.1  相機參數標定
    5.3.2  相機-激光雷達聯合標定演算法介紹
    5.3.3  相機-激光雷達聯合標定工具構建和使用
  參考文獻
第6章  激光雷達SLAM
  6.1  激光雷達SLAM簡介
    6.1.1  SLAM簡介
    6.1.2  自動駕駛中的激光雷達SLAM
  6.2  LeGO-LOAM演算法詳解和ROS實踐
    6.2.1  LeGO-LOAM演算法簡介
    6.2.2  LeGO-LOAM演算法流程
    6.2.3  使用LeGO-LOAM演算法構建點雲地圖
  6.3  基於Scan Context的激光雷達閉環檢測方法實踐
    6.3.1  Scan Context閉環檢測方法介紹
    6.3.2  Scan Context閉環檢測C++實例
  6.4  基於NDT演算法的自動駕駛定位和ROS實踐
    6.4.1  地圖數據準備
    6.4.2  對激光雷達實時點雲的降採樣
    6.4.3  使用NDT實現高精度定位
    6.4.4  構建和運行NDT激光雷達定位
  參考文獻
第7章  基於深度學習的激光雷達三維目標檢測
  7.1  點雲三維目標檢測概述
    7.1.1  三維目標檢測的背景和定義
    7.1.2  點雲三維目標檢測的常用數據集和性能指標
    7.1.3  點雲三維目標檢測方法的分類
  7.2  基於VoxelNet的點雲三維目標檢測
    7.2.1  VoxelNet的結構
    7.2.2  VoxelNet的損失函數
  7.3  基於PointPillars的三維目標檢測和實戰

    7.3.1  PointPillars的特點
    7.3.2  PointPillars結構
    7.3.3  訓練一個PointPillars
  參考文獻
第8章  基於深度學習的激光雷達點雲語義分割方法
  8.1  自動駕駛中的點雲語義分割
    8.1.1  點雲分割：傳統方法vs基於深度學習的方法
    8.1.2  基於深度學習的點雲語義分割方法的分類
    8.1.3  點雲語義分割的常用公開數據集
    8.1.4  點雲語義分割的性能評價指標
  8.2  基於全卷積神經網路的點雲三維語義分割
    8.2.1  全卷積神經網路介紹
    8.2.2  基於全卷積神經網路的激光雷達三維分割
    8.2.3  使用ROS和TensorRT實踐CNN Seg推理
  8.3  PolarNet點雲語義分割和PyTorch實戰
    8.3.1  PolarNet神經網路簡介
    8.3.2  在SemanticKITTI數據集上訓練一個PolarNet
  參考文獻
第9章  激光雷達的發展趨勢及其在汽車工業中的應用前景
  9.1  激光雷達帶來的輔助駕駛能力變革
    9.1.1  激光雷達在城市和高速領航輔助駕駛中的應用
    9.1.2  激光雷達在記憶泊車中的應用
  9.2  激光雷達在4級自動駕駛中的應用
    9.2.1  激光雷達在自動駕駛計程車上的應用
    9.2.2  激光雷達在自動駕駛卡車上的應用
  9.3  激光雷達在低速機器人中的應用
  9.4  激光雷達未來可能的發展方向

  • 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