內容簡介
超限未來：無人駕駛先端技術核新領航
內容簡介
無人駕駛技術是人工智慧發展的綜合能力展現，是一個複雜的系統，涉及的技術點種類多且跨度大，入門者常常不知從何入手。
本書首先以宏觀呈現無人駕駛的整體技術架構，概述無人駕駛中涉及的各個技術點；繼而於讀者對無人駕駛技術有了宏觀認識後，再深入淺出的講解無人駕駛之定位導航、感知、決策與控制等演算法，深度學習無人駕駛中的應用層面，以及無人駕駛系統軟體和硬體平台，無人駕駛安全及無人駕駛雲平台等多個主要技術要點。
本書的作者都是無人駕駛領域的從業者與研究人員，有著多年無人駕駛與人工智慧技術的實戰經驗。
本書從實用角度出發，以期幫助對無人駕駛技術感興趣的從業者與相關人士、學習者，實現對於這技術能快速入門與掌握，以及對相關技術的深度理解與應用實踐。
本書特色
勾勒無人駕駛系統版圖，揭開無人駕駛技術的神秘面紗
逐層剖析無人駕駛核心技術（深度學習、強化學習、電腦視覺等）
內容簡介
無人駕駛技術是人工智慧發展的綜合能力展現，是一個複雜的系統，涉及的技術點種類多且跨度大，入門者常常不知從何入手。
本書首先以宏觀呈現無人駕駛的整體技術架構，概述無人駕駛中涉及的各個技術點；繼而於讀者對無人駕駛技術有了宏觀認識後，再深入淺出的講解無人駕駛之定位導航、感知、決策與控制等演算法，深度學習無人駕駛中的應用層面，以及無人駕駛系統軟體和硬體平台，無人駕駛安全及無人駕駛雲平台等多個主要技術要點。
本書的作者都是無人駕駛領域的從業者與研究人員，有著多年無人駕駛與人工智慧技術的實戰經驗。
本書從實用角度出發，以期幫助對無人駕駛技術感興趣的從業者與相關人士、學習者，實現對於這技術能快速入門與掌握，以及對相關技術的深度理解與應用實踐。
本書特色
勾勒無人駕駛系統版圖，揭開無人駕駛技術的神秘面紗
逐層剖析無人駕駛核心技術（深度學習、強化學習、電腦視覺等）
作者簡介
作者簡介
劉少山
PerceptIn聯合創始人。加州大學歐文分校計算機博士。主要研究機器人的核心SLAM與深度學習技術，以及其在智慧硬體上的實現。前百度美國研發中心負責百度無人車系統架構與產品化、深度學習，以及異構計算平台的架構與開發。
唐潔
華南理工大學電腦科學與工程學院副教授。主要從事無人駕駛和機器人的大數據計算與儲存平臺、人工智慧的計算體系架構、機器視覺的嵌入式系統研究。
吳雙
依圖科技研究科學家，依圖矽谷研究院負責人。原百度研究院矽谷人工智慧實驗室資深研究科學家、百度美國研發中心高級架構師。美國南加州大學物理博士，研究方向包括電腦和生物視覺，互聯網廣告演算法和語音識別，曾在NIPS等國際會議中發表文章。
李力耘
百度美國研發中心無人駕駛高級架構師。美國紐約大學電腦博士。目前在百度無人車部門，負責無人車行爲預測方向的系統架構及演算法優化。擁有多項國際專利，三十多項無人車決策預測相關專利申請中。
劉少山
PerceptIn聯合創始人。加州大學歐文分校計算機博士。主要研究機器人的核心SLAM與深度學習技術，以及其在智慧硬體上的實現。前百度美國研發中心負責百度無人車系統架構與產品化、深度學習，以及異構計算平台的架構與開發。
唐潔
華南理工大學電腦科學與工程學院副教授。主要從事無人駕駛和機器人的大數據計算與儲存平臺、人工智慧的計算體系架構、機器視覺的嵌入式系統研究。
吳雙
依圖科技研究科學家，依圖矽谷研究院負責人。原百度研究院矽谷人工智慧實驗室資深研究科學家、百度美國研發中心高級架構師。美國南加州大學物理博士，研究方向包括電腦和生物視覺，互聯網廣告演算法和語音識別，曾在NIPS等國際會議中發表文章。
李力耘
百度美國研發中心無人駕駛高級架構師。美國紐約大學電腦博士。目前在百度無人車部門，負責無人車行爲預測方向的系統架構及演算法優化。擁有多項國際專利，三十多項無人車決策預測相關專利申請中。
內容目錄
目錄
1 無人車：正在開始的未來
1.1 正在進行的無人駕駛
1.2 自動駕駛的分級
1.3 無人駕駛系統簡介
1.4 序幕剛啟
1.5 參考資料
2 光達在無人駕駛技術中的應用
2.1 無人駕駛技術簡介
2.2 光達基礎知識
2.3 LiDAR在無人駕駛技術中的應用領域
2.4 LiDAR技術面臨的挑戰
2.5 展望未來
2.6 參考資料
3 GPS及慣性感測器在無人駕駛中的應用
3.1 無人駕駛定位技術
3.2 GPS簡介
3.3 慣性感測器簡介
3.4 GPS和慣性感測器的融合
3.5 結論
3.6 參考資料
4 以電腦視覺為基礎的無人駕駛感知系統
4.1 無人駕駛的感知
4.2 KITTI資料集
4.3 電腦視覺能幫助無人車解決的問題
4.4 Optical Flow和立體視覺
4.5 物體的識別與追蹤
4.6 視覺里程計算法
4.7 結論
4.8 參考資料
5 旋積神經網路在無人駕駛中的應用
5.1 CNN簡介
5.2 無人駕駛二元3D感知
5.3 無人駕駛物體檢測
5.4 結論
5.5 參考資料
6 增強學習在無人駕駛中的應用
6.1 增強學習簡介
6.2 增強學習演算法
6.3 使用增強學習幫助決策
6.4 無人駕駛的決策介紹
6.5 參考資料
7 無人駕駛的規劃與控制
7.1 規劃與控制簡介
7.2 路由尋徑
7.3 行為決策
7.4 動作規劃
7.5 回饋控制
7.6 無人車規劃控制結語
7.7 參考資料
8 以ROS為基礎的無人駕駛系統
8.1 無人駕駛：多種技術的整合
8.2 機器人作業系統（ROS）簡介
8.3 系統可用性
8.4 系統通訊效能提升
8.5 系統資源管理與安全性
8.6 結論
8.7 參考資料
9 無人駕駛的硬體平台
9.1 無人駕駛：複雜系統
9.2 感測器平台
9.3 計算平台
9.4 控制平台
9.5 結論
9.6 參考資料
10 無人駕駛系統安全
10.1 針對無人駕駛的安全威脅
10.2 無人駕駛感測器的安全
10.3 無人駕駛作業系統的安全
10.4 無人駕駛控制系統的安全
10.5 車聯網通訊系統的安全性
10.6 安全模型驗證方法
10.7 參考資料
11 以Spark與ROS為基礎的分散式無人駕駛模擬平台
11.1 無人駕駛模擬技術
11.2 以ROS為基礎的無人駕駛模擬器
11.3 以Spark為基礎的分散式的模擬平台
11.4 結論
11.5 參考資料
12 無人駕駛中的高精度地圖
12.1 電子地圖分類
12.2 高精度地圖的特點
12.3 高精度地圖的生產
12.4 無人駕駛場景中的應用
12.5 高精度地圖的現狀與結論
12.6 參考資料
13 無人駕駛的未來
13.1 無人駕駛的商業前景
13.2 無人車面臨的障礙
13.3 無人駕駛產業
13.4 全球化下的無人駕駛
13.5 無人駕駛發展對策
13.6 可預見的未來
13.7 參考資料
1 無人車：正在開始的未來
1.1 正在進行的無人駕駛
1.2 自動駕駛的分級
1.3 無人駕駛系統簡介
1.4 序幕剛啟
1.5 參考資料
2 光達在無人駕駛技術中的應用
2.1 無人駕駛技術簡介
2.2 光達基礎知識
2.3 LiDAR在無人駕駛技術中的應用領域
2.4 LiDAR技術面臨的挑戰
2.5 展望未來
2.6 參考資料
3 GPS及慣性感測器在無人駕駛中的應用
3.1 無人駕駛定位技術
3.2 GPS簡介
3.3 慣性感測器簡介
3.4 GPS和慣性感測器的融合
3.5 結論
3.6 參考資料
4 以電腦視覺為基礎的無人駕駛感知系統
4.1 無人駕駛的感知
4.2 KITTI資料集
4.3 電腦視覺能幫助無人車解決的問題
4.4 Optical Flow和立體視覺
4.5 物體的識別與追蹤
4.6 視覺里程計算法
4.7 結論
4.8 參考資料
5 旋積神經網路在無人駕駛中的應用
5.1 CNN簡介
5.2 無人駕駛二元3D感知
5.3 無人駕駛物體檢測
5.4 結論
5.5 參考資料
6 增強學習在無人駕駛中的應用
6.1 增強學習簡介
6.2 增強學習演算法
6.3 使用增強學習幫助決策
6.4 無人駕駛的決策介紹
6.5 參考資料
7 無人駕駛的規劃與控制
7.1 規劃與控制簡介
7.2 路由尋徑
7.3 行為決策
7.4 動作規劃
7.5 回饋控制
7.6 無人車規劃控制結語
7.7 參考資料
8 以ROS為基礎的無人駕駛系統
8.1 無人駕駛：多種技術的整合
8.2 機器人作業系統（ROS）簡介
8.3 系統可用性
8.4 系統通訊效能提升
8.5 系統資源管理與安全性
8.6 結論
8.7 參考資料
9 無人駕駛的硬體平台
9.1 無人駕駛：複雜系統
9.2 感測器平台
9.3 計算平台
9.4 控制平台
9.5 結論
9.6 參考資料
10 無人駕駛系統安全
10.1 針對無人駕駛的安全威脅
10.2 無人駕駛感測器的安全
10.3 無人駕駛作業系統的安全
10.4 無人駕駛控制系統的安全
10.5 車聯網通訊系統的安全性
10.6 安全模型驗證方法
10.7 參考資料
11 以Spark與ROS為基礎的分散式無人駕駛模擬平台
11.1 無人駕駛模擬技術
11.2 以ROS為基礎的無人駕駛模擬器
11.3 以Spark為基礎的分散式的模擬平台
11.4 結論
11.5 參考資料
12 無人駕駛中的高精度地圖
12.1 電子地圖分類
12.2 高精度地圖的特點
12.3 高精度地圖的生產
12.4 無人駕駛場景中的應用
12.5 高精度地圖的現狀與結論
12.6 參考資料
13 無人駕駛的未來
13.1 無人駕駛的商業前景
13.2 無人車面臨的障礙
13.3 無人駕駛產業
13.4 全球化下的無人駕駛
13.5 無人駕駛發展對策
13.6 可預見的未來
13.7 參考資料
ISBN: 9789863797852