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

自動駕駛路徑規劃和行為決策技術與實踐/前沿科技開發與應用技術叢書

  • 作者：編者:馬國英|責編:魏瑩
  • 出版社：清華大學
  • ISBN：9787302707189
  • 出版日期：2026/03/01
  • 裝幀：平裝
  • 頁數：358
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書詳細講解了基於Python語言實現自動駕駛路徑規劃與行為決策演算法的知識，並通過具體實例展示了這些演算法的使用方法。本書共分為10章，依次講解了自動駕駛與路徑導航、自動駕駛中的靜態路徑規劃、自動駕駛中的啟髮式路徑規劃、自動駕駛中的全局路徑規劃、自動駕駛中的全局路徑精簡計算、自動駕駛中的動態環境路徑重規劃、自動駕駛中的無地圖環境路徑探索、自動駕駛中基於概率採樣的路徑規劃、自動駕駛中的路線優先順序遍歷、自動駕駛中的行為決策技術等知識。同時，本書詳細講解了各種經典路徑規劃與決策演算法的背景、原理、實現步驟及實際應用，並通過豐富的案例分析和綜合實戰項目，給出了詳細的編程實現和優化技巧。
    本書適用於有一定Python基礎的讀者，以及想進一步學習自動駕駛、路徑規劃的讀者，也可以作為大專院校相關專業的師生用書和培訓機構的專業教材。
作者介紹
編者:馬國英|責編:魏瑩
目錄
第1章  自動駕駛與路徑導航
  1.1  自動駕駛和智能駕駛
    1.1.1  自動駕駛介紹
    1.1.2  智能駕駛概念的興起
  1.2  自動駕駛技術介紹
  1.3  路徑規劃介紹
    1.3.1  路徑規劃與智能導航
    1.3.2  行為決策和路徑規劃
  1.4  本章總結
第2章  自動駕駛中的靜態路徑規劃
  2.1  基礎的靜態路徑規劃：Dijkstra
    2.1.1  領域和場景
    2.1.2  表示方法
  2.2  靜態路徑規劃的應用案例
    2.2.1  交通網路中的最短路徑規劃
    2.2.2  在機器人導航系統中的應用
  2.3  Dijkstra演算法的局限性與改進
    2.3.1  負權邊問題
    2.3.2  大規模圖的計算效率
  2.4  實戰案例：行駛路徑規劃系統
    2.4.1  項目介紹
    2.4.2  地鐵數據文件
    2.4.3  找出兩個站點的最短路徑
  2.5  實戰案例：基於Pygame模擬的自動駕駛系統
    2.5.1  項目介紹
    2.5.2  數據文件
    2.5.3  汽車運動規劃
    2.5.4  路徑規劃
    2.5.5  主程序
  2.6  本章總結
第3章  自動駕駛中的啟髮式路徑規劃
  3.1  A*演算法介紹
    3.1.1  A*演算法的應用領域與典型場景
    3.1.2  基本原理和實現步驟
  3.2  應用案例
    3.2.1  實戰案例：遊戲開發中的路徑規劃
    3.2.2  實戰案例：機器人導航系統中的應用實戰
  3.3  實戰案例：汽車路徑規劃模擬系統
    3.3.1  項目背景和意義
    3.3.2  Reeds-Shepp曲線生成器
    3.3.3  路徑規劃
  3.4  本章總結
第4章  自動駕駛中的全局路徑規劃
  4.1  全局路徑規劃的核心：Floyd-Warshall
    4.1.1  應用領域與典型場景
    4.1.2  實現步驟
    4.1.3  推導過程
    4.1.4  Floyd-Warshall與其他路徑規劃演算法的區別
  4.2  應用案例
    4.2.1  實戰案例：航空線路規劃系統

    4.2.2  實戰案例：城市交通規劃程序
  4.3  Floyd-Warshall的局限性與改進
    4.3.1  演算法複雜度與大規模圖的挑戰
    4.3.2  負權迴路的處理策略
    4.3.3  並行Floyd-Warshall
  4.4  實戰案例：基於Flak和Floyd-Warshall的航班查詢系統
    4.4.1  背景介紹
    4.4.2  數據操作
    4.4.3  計算最短路徑
    4.4.4  Flask Web前端實現
  4.5  本章總結
第5章  自動駕駛中的全局路徑精簡計算
  5.1  簡化版的全局路徑規劃：Floyd演算法
    5.1.1  背景與歷史
    5.1.2  Floyd和Floyd-Warshall的關係
    5.1.3  Floyd和Floyd-Warshall的區別
    5.1.4  應用領域與典型場景
  5.2  Floyd演算法的核心思想
    5.2.1  原理和實現步驟
    5.2.2  計算過程
  5.3  Floyd演算法的改進
    5.3.1  通過空間優化來減少內存消耗
    5.3.2  並行化優化
  5.4  實戰案例：校內機器人配送系統
    5.4.1  項目介紹
    5.4.2  具體實現
  5.5  本章總結
第6章  自動駕駛中的動態環境路徑重規劃
  6.1  動態路徑規劃演算法簡介
    6.1.1  靜態路徑規劃演算法和動態路徑規劃演算法
    6.1.2  動態路徑規劃演算法的背景
    6.1.3  動態路徑規劃演算法的應用領域與場景
    6.1.4  常用的動態路徑規劃演算法
  6.2  D*演算法介紹
    6.2.1  背景和發展歷程
    6.2.2  原理和實現步驟
    6.2.3  實現流程及其與A*演算法的區別
    6.2.4  常用概念及函數
  6.3  應用實戰
    6.3.1  實戰案例：迷宮中的路徑探索與動態障礙物處理
    6.3.2  實戰案例：探索機器人的新家
  6.4  實戰案例：探險家的行進路線
    6.4.1  繪製地圖
    6.4.2  實現D*演算法
  6.5  本章總結
第7章  自動駕駛中的無地圖環境路徑探索
  7.1  D* Lite演算法介紹
    7.1.1  應用領域與場景
    7.1.2  核心思想
    7.1.3  實現步驟

    7.1.4  實戰案例：尋找迷宮中的最短路徑
  7.2  實戰案例：基於Pygame庫的互動式路徑規劃器
    7.2.1  項目介紹
    7.2.2  實現路徑規劃演算法
    7.2.3  路徑規劃可視化
  7.3  實戰案例：基於D* Lite的路徑規劃系統
    7.3.1  項目介紹
    7.3.2  構建圖
    7.3.3  實現D* Lite演算法
    7.3.4  路徑規劃可視化
  7.4  本章總結
第8章  自動駕駛中基於概率採樣的路徑規劃
  8.1  基於概率採樣的典型技術：RRT
  8.2  RRT的定義與實現
    8.2.1  實現步驟
    8.2.2  原始的RRT
    8.2.3  基於概率P的RRT
    8.2.4  RRT_Connect演算法
    8.2.5  RRT*演算法
  8.3  實戰案例：基於Gazebo模擬的路徑規劃系統
    8.3.1  項目介紹
    8.3.2  RRT*-FN演算法介紹
    8.3.3  構建地圖
    8.3.4  實現RRT、RRT*和RRT*-FN演算法
    8.3.5  解析SDF文件
    8.3.6  主程序
  8.4  本章總結
第9章  自動駕駛中的路線優先順序遍歷
  9.1  優先順序遍歷演算法簡介
  9.2  基於目標導向的路徑探索：Best-First Search
    9.2.1  基本思想
    9.2.2  實現步驟
    9.2.3  實戰案例：尋找兩個城市之間的最短路徑
  9.3  多約束均衡路徑規劃
    9.3.1  均勻代價搜索演算法的基本思想
    9.3.2  實戰案例：自駕游路徑規劃程序
  9.4  特定場景的路徑遍歷：深度優先
    9.4.1  深度優先搜索演算法介紹
    9.4.2  實戰案例：為貓咪尋找最短路徑
  9.5  特定場景的路徑遍歷：廣度優先搜索
    9.5.1  廣度優先搜索演算法介紹
    9.5.2  廣度優先搜索演算法介紹
  9.6  實戰案例：基於tkinter的多演算法路徑規劃程序
    9.6.1  背景介紹
    9.6.2  功能模塊
    9.6.3  創建基於tkinter的交互環境
    9.6.4  路徑規劃
  9.7  本章總結
第10章  自動駕駛中的行為決策技術
  10.1  行為決策演算法簡介

    10.1.1  行為決策演算法的背景與歷史
    10.1.2  行為決策演算法在自動駕駛中的應用
  10.2  基於規則的決策演算法
    10.2.1  基於規則的決策演算法介紹
    10.2.2  實戰案例：基於交通信號燈和障礙物感知的決策
  10.3  基於優化的行為決策
    10.3.1  模型預測控制
    10.3.2  線性規劃
    10.3.3  非線性規劃
  10.4  基於深度學習的行為決策方法
    10.4.1  基於深度學習的行為決策方法及應用
    10.4.2  實戰案例：基於DQN的自動駕駛程序
  10.5  基於Trajectron++模型的行為預測
    10.5.1  Trajectron++模型介紹
    10.5.2  實戰案例：基於Trajectron++模型的行為預測系統
  10.6  本章總結

  • 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