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

自動駕駛汽車BEV感知演算法

  • 作者：時培成|責編:張海麗
  • 出版社：化學工業
  • ISBN：9787122486028
  • 出版日期：2025/09/01
  • 裝幀：平裝
  • 頁數：166
人民幣：RMB 88 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    為進一步促進BEV感知演算法研究，本書全面深入地探討了自動駕駛汽車BEV感知演算法的理論基礎、關鍵技術、應用實踐以及未來發展趨勢。其中，第1章主要介紹了BEV環境感知演算法的定義、發展歷程、重要性以及面臨的挑戰；第2-8章詳細介紹了不同類型的BEV感知演算法，涵蓋了基於點雲信息處理的激光雷達BEV感知演算法、基於多尺度空間結構理解的多相機BEV感知演算法、基於時空特徵融合的多相機BEV感知演算法、基於位置與語義信息加權的極坐標多相機BEV感知演算法、基於極坐標的多感測器融合BEV感知演算法、基於相機-激光雷達融合的BEV感知演算法以及基於注意力機制的相機和激光雷達融合BEV感知演算法；第9章提煉了BEV感知演算法的關鍵研究成果，並對未來的發展趨勢進行了展望。
    本書不僅涵蓋了BEV感知演算法的基礎理論和關鍵技術，還通過大量實驗數據和案例分析展示了演算法的實際應用效果，具有很高的學術價值和實踐指導意義。本書可作為自動駕駛領域的研究人員、工程師以及相關專業高校師生的參考書籍。
作者介紹
時培成|責編:張海麗
目錄
第1章  緒論
  1.1  汽車的智能化
    1.1.1  智能汽車階段
    1.1.2  智能網聯汽車階段
    1.1.3  自動駕駛汽車階段
  1.2  BEV感知演算法簡介
    1.2.1  什麼是BEV？
    1.2.2  BEV感知演算法的發展歷程
    1.2.3  BEV感知演算法的重要性
    1.2.4  應用與挑戰
  1.3  自動駕駛汽車BEV感知演算法分類及國內外研究現狀
    1.3.1  基於多相機的BEV感知演算法及國內外研究現狀
    1.3.2  基於激光雷達的BEV感知演算法及國內外研究現狀
    1.3.3  基於多感測器融合的BEV感知演算法及國內外研究現狀
  1.4  本書內容概要
第2章  基於點雲信息處理的激光雷達BEV感知演算法
  2.1  激光雷達點雲基礎
    2.1.1  激光雷達原理
    2.1.2  點雲的特性
  2.2  基於激光雷達信息處理的3D目標檢測演算法
    2.2.1  BEV視角生成
    2.2.2  網路的推理框架
    2.2.3  點雲數據后處理
    2.2.4  實驗結果與分析
    2.2.5  結論
  2.3  基於激光雷達的端到端BEV目標檢測演算法
    2.3.1  BEV視角生成
    2.3.2  網路的推理框架
    2.3.3  多任務訓練
    2.3.4  實驗結果與分析
    2.3.5  結論
  本章小結
第3章  基於多尺度空間結構理解的多相機BEV感知演算法
  3.1  超大目標與小目標檢測
  3.2  網路模型
  3.3  空洞-加權雙向特徵金字塔模塊
    3.3.1  並行空洞卷積特徵提取
    3.3.2  雙向加權特徵金字塔特徵融合
  3.4  多尺度目標相對深度學習
    3.4.1  尺度檢測與自適應參考點選取
    3.4.2  相對深度計算
  3.5  檢測頭和損失函數
  3.6  實驗及其可視化
    3.6.1  數據集和實驗設置
    3.6.2  整體檢測精度提升
    3.6.3  類別平均精度比較
    3.6.4  消融實驗
    3.6.5  檢測結果可視化
  本章小結
第4章  基於時空特徵融合的多相機BEV感知演算法

  4.1  時空特徵融合的重要性
  4.2  網路模型
    4.2.1  總體框架
    4.2.2  實例信息傳播
    4.2.3  圖像編碼器
    4.2.4  時空特徵融合注意力模塊
    4.2.5  高效時空可變形聚合模塊
    4.2.6  BEV自注意力
  4.3  實驗與分析
    4.3.1  數據集
    4.3.2  評估指標
    4.3.3  實驗細節
    4.3.4  對比實驗
    4.3.5  定性分析
    4.3.6  消融實驗
  本章小結
第5章  基於位置與語義信息加權的極坐標多相機BEV感知演算法
  5.1  使用極坐標進行感知的必要性
  5.2  網路模型
    5.2.1  總體框架
    5.2.2  跨平面特徵編碼與對齊
    5.2.3  多層級BEV特徵編碼與解碼
  5.3  演算法測試與結果分析
    5.3.1  數據集與環境配置
    5.3.2  在nuScenes數據集上的測試結果分析
    5.3.3  實驗定性分析
  5.4  消融實驗
    5.4.1  極坐標系與笛卡兒坐標系對比
    5.4.2  採用信息加權方法與融入時間信息的有效性
    5.4.3  選擇最優參數的正交實驗
  本章小結
第6章  基於極坐標的多感測器融合BEV感知演算法
  6.1  極坐標系下的多模態融合技術問題概述
  6.2  基於極坐標的多模態融合BEV目標檢測演算法
    6.2.1  總體架構
    6.2.2  極坐標候選區域生成模塊
    6.2.3  極坐標區域內查詢生成模塊
    6.2.4  極坐標區域內信息融合模塊
    6.2.5  目標檢測與損失函數
  6.3  演算法測試與結果分析
    6.3.1  數據集與環境配置
    6.3.2  在nuScenes數據集上的測試與結果分析
    6.3.3  消融實驗
    6.3.4  實驗定性分析
  本章小結
第7章  基於相機-激光雷達融合的BEV感知演算法
  7.1  BEV視角下多模態融合的3D目標檢測方法
    7.1.1  激光雷達初始特徵提取和BEV特徵的構建
    7.1.2  相機的初始特徵提取和BEV特徵的構建
    7.1.3  激光雷達-相機BEV特徵融合的多模態交叉注意力機制的構建

    7.1.4  BEV自注意力機制
    7.1.5  預測頭
    7.1.6  損失函數
  7.2  實驗與分析
    7.2.1  數據集
    7.2.2  評估指標
    7.2.3  實驗細節
    7.2.4  對比實驗
  7.3  消融實驗分析
    7.3.1  定量分析
    7.3.2  定性分析
  本章小結
第8章  基於注意力機制的相機和激光雷達融合BEV感知演算法
  8.1  網路模型
    8.1.1  總體框架
    8.1.2  圖像特徵提取和BEV特徵的構建
    8.1.3  激光雷達特徵到BEV特徵的轉化
    8.1.4  BEV特徵融合模塊
    8.1.5  3D目標檢測頭
  8.2  損失函數
  8.3  實驗設置及評估
    8.3.1  數據集
    8.3.2  評價指標
    8.3.3  實驗細節
    8.3.4  檢測結果及對比
    8.3.5  消融實驗
  本章小結
第9章  總結與展望
  9.1  本書總結
  9.2  未來展望
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