內容簡介
馬上就影響你我的生活：無人駕駛完整技術白皮書
內容簡介
◎ 加州大學柏克萊分校博士、爾灣分校電腦博士、密西根大學電子工程碩士等技術專業作者群傾力打造
◎ 第一本無人駕駛技術書
無人駕駛：可預見的未來
本書作者群是一個專業而高效的矽谷菁英團隊！有深厚的矽谷工程師背景，從工程師的角度出發，全面介紹無人駕駛技術的核心方向，包含環境感知、車載感測器、規劃控制，等等。書中有關無人駕駛的多個技術方向自成系統，針對每個方向中的核心內容討論系統的技術想法和解決方案，在很多重要的技術上列出頗具深度的細節範例。
這是一本誕生於工業界、從實用角度出發的無人駕駛圖書，將相當大地縮短開發者、同好及相關人士迅速切入、深入學習和投身於人工智慧無人駕駛這一熱點領域。
本書深入淺出地呈現無人駕駛這個複雜的系統。書中包含無人駕駛定位與感知演算法、無人駕駛決策與控制演算法、深度學習在無人駕駛中的應用、無人駕駛系統、無人駕駛雲端平台、無人駕駛安全等章節，既巨觀地呈現無人駕駛技術的架構，又深入無人駕駛有關的每個技術點。
全書重點涵蓋：
•馬上就影響你我的黑科技，無人駕駛技術已經到來
•Uber、 Google、Tesla、百度都在拼的Level4無人駕駛技術
•解決都市交通、停車、塞車、污染、高齡化的重要技術
•無人駕駛最重要的技術 - 光達(LiDAR)介紹
•最強無人導航GPS及IMU的應用介紹
•電腦視覺、機器學習、強化學習、CNN在無人車技術的實作
•行為預測、行動決策等高階技術
•車聯網時代的車車、人車互聯技術
•防止駭客及惡意攻擊的無人車系統
•使用SPARK和ROS的分散式無人車平台
•極高精地圖的產生
全書內容分為五部分。包括：
► 無人駕駛系統架構
► 無人駕駛中的感知定位技術模組
► 無人駕駛中的決策與控制技術模組
► 無人駕駛邊緣運算系統的技術點
► 無人駕駛雲端平台的技術點
適合讀者群：具Python程式設計基礎、想透過Python設計GUI應用程式，或在GUI應用程式中實現資料視覺化的讀者。
內容簡介
◎ 加州大學柏克萊分校博士、爾灣分校電腦博士、密西根大學電子工程碩士等技術專業作者群傾力打造
◎ 第一本無人駕駛技術書
無人駕駛：可預見的未來
本書作者群是一個專業而高效的矽谷菁英團隊！有深厚的矽谷工程師背景，從工程師的角度出發，全面介紹無人駕駛技術的核心方向，包含環境感知、車載感測器、規劃控制，等等。書中有關無人駕駛的多個技術方向自成系統，針對每個方向中的核心內容討論系統的技術想法和解決方案，在很多重要的技術上列出頗具深度的細節範例。
這是一本誕生於工業界、從實用角度出發的無人駕駛圖書，將相當大地縮短開發者、同好及相關人士迅速切入、深入學習和投身於人工智慧無人駕駛這一熱點領域。
本書深入淺出地呈現無人駕駛這個複雜的系統。書中包含無人駕駛定位與感知演算法、無人駕駛決策與控制演算法、深度學習在無人駕駛中的應用、無人駕駛系統、無人駕駛雲端平台、無人駕駛安全等章節，既巨觀地呈現無人駕駛技術的架構，又深入無人駕駛有關的每個技術點。
全書重點涵蓋：
•馬上就影響你我的黑科技，無人駕駛技術已經到來
•Uber、 Google、Tesla、百度都在拼的Level4無人駕駛技術
•解決都市交通、停車、塞車、污染、高齡化的重要技術
•無人駕駛最重要的技術 - 光達(LiDAR)介紹
•最強無人導航GPS及IMU的應用介紹
•電腦視覺、機器學習、強化學習、CNN在無人車技術的實作
•行為預測、行動決策等高階技術
•車聯網時代的車車、人車互聯技術
•防止駭客及惡意攻擊的無人車系統
•使用SPARK和ROS的分散式無人車平台
•極高精地圖的產生
全書內容分為五部分。包括：
► 無人駕駛系統架構
► 無人駕駛中的感知定位技術模組
► 無人駕駛中的決策與控制技術模組
► 無人駕駛邊緣運算系統的技術點
► 無人駕駛雲端平台的技術點
適合讀者群：具Python程式設計基礎、想透過Python設計GUI應用程式，或在GUI應用程式中實現資料視覺化的讀者。
作者簡介
作者簡介
劉少山
PerceptIn創始人、CEO
美國加州大學爾灣分校（UC-Irvine）電腦博士。研究方向包括智慧感知運算、系統軟體、體系結構與異構運算，目前專注在機器人的核心SLAM與深度學習技術及其在智慧硬體上的實現。
唐潔
華南理工大學電腦科學與工程學院副教授
美國加州大學爾灣分校加州嵌入式系統研究中心博士，主要從事無人駕駛和機器人的大數據運算與存儲平台、人工智慧的運算體系架構、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
美國南加州大學物理博士、加州大學洛杉磯分校博士後，研究方向包括電腦和生物視覺、互聯網廣告演算法和語音辨識，曾在NIPS等國際會議中發表文章。
李力耘
京東矽谷研發中心自動駕駛團隊，主任架構師
紐約大學電腦博士，加盟京東矽谷研發中心前就職於百度美國矽谷無人駕駛團隊。
焦加麟
Pony.ai資深軟體工程師
美國密西根大學電子工程碩士，在無人駕駛、高精地圖、人工智慧、機器學習、搜索、大數據等領域有豐富經驗。
鮑君威
美國加州大學柏克萊分校博士
在光學精密測量儀器及感測器領域有近二十年工作和研發經驗。2015年加入百度自動駕駛事業部，負責車載運算系統及感測器團隊。
王超
美國南加州大學電腦碩士
2017年加入滴滴美國研發中心自動駕駛團隊，工程理論經驗涵蓋模擬平台全部流程。
裴頌文
上海理工大學光電資訊與電腦工程學院副教授
研究方向為異構運算、深度學習、無人駕駛汽車安全系統、雲端運算等。
陳辰
美國史丹佛大學電子工程博士
高精地圖初創公司DeepMap創始工程師之一。目前在DeepMap負責多感測器資料融合、大規模分散式優化及三維資料機器學習演算法開發工作。
鄒亮
美國喬治亞大學地理資訊科學碩士
2016年，加入DeepMap成為創始工程師，負責高精地圖的採集、製作、更新和維護整個流程及大中華地區的工程技術。
劉少山
PerceptIn創始人、CEO
美國加州大學爾灣分校（UC-Irvine）電腦博士。研究方向包括智慧感知運算、系統軟體、體系結構與異構運算，目前專注在機器人的核心SLAM與深度學習技術及其在智慧硬體上的實現。
唐潔
華南理工大學電腦科學與工程學院副教授
美國加州大學爾灣分校加州嵌入式系統研究中心博士，主要從事無人駕駛和機器人的大數據運算與存儲平台、人工智慧的運算體系架構、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
美國南加州大學物理博士、加州大學洛杉磯分校博士後，研究方向包括電腦和生物視覺、互聯網廣告演算法和語音辨識，曾在NIPS等國際會議中發表文章。
李力耘
京東矽谷研發中心自動駕駛團隊，主任架構師
紐約大學電腦博士，加盟京東矽谷研發中心前就職於百度美國矽谷無人駕駛團隊。
焦加麟
Pony.ai資深軟體工程師
美國密西根大學電子工程碩士，在無人駕駛、高精地圖、人工智慧、機器學習、搜索、大數據等領域有豐富經驗。
鮑君威
美國加州大學柏克萊分校博士
在光學精密測量儀器及感測器領域有近二十年工作和研發經驗。2015年加入百度自動駕駛事業部，負責車載運算系統及感測器團隊。
王超
美國南加州大學電腦碩士
2017年加入滴滴美國研發中心自動駕駛團隊，工程理論經驗涵蓋模擬平台全部流程。
裴頌文
上海理工大學光電資訊與電腦工程學院副教授
研究方向為異構運算、深度學習、無人駕駛汽車安全系統、雲端運算等。
陳辰
美國史丹佛大學電子工程博士
高精地圖初創公司DeepMap創始工程師之一。目前在DeepMap負責多感測器資料融合、大規模分散式優化及三維資料機器學習演算法開發工作。
鄒亮
美國喬治亞大學地理資訊科學碩士
2016年，加入DeepMap成為創始工程師，負責高精地圖的採集、製作、更新和維護整個流程及大中華地區的工程技術。
內容目錄
目錄
前言
01 無人車：正在開始的未來
1.1 正在走來的無人駕駛
1.2 無人駕駛的分級
1.3 無人駕駛系統簡介
1.4 序幕剛啟
1.5 參考資料
02 光達在無人駕駛中的應用
2.1 無人駕駛技術簡介
2.2 光達基礎知識
2.3 應用領域
2.4 光達技術面臨的挑戰
2.5 展望未來
2.6 參考資料
03 影像級高畫質光達
3.1 無人駕駛應用的各種光達的點雲特性
3.2 高畫質光達在建置可靠感知系統時的優勢
3.3 高畫質光達對定位和運動探測模組的價值
3.4 高畫質光達使得點雲和圖像資料的融合更高效
3.5 光達未來的發展趨勢
3.6 參考資料
04 GPS 及IMU 在無人駕駛中的應用
4.1 無人駕駛定位技術
4.2 GPS 簡介
4.3 IMU 簡介
4.4 GPS 和IMU 的融合
4.5 小結
4.6 參考資料
05 基於電腦視覺的無人駕駛感知系統
5.1 無人駕駛的感知
5.2 KITTI 資料集
5.3 電腦視覺能幫助無人車解決的問題
5.4 光流和立體視覺
5.5 物體的識別與追蹤
5.6 視覺里程計算法
5.7 小結
5.8 參考資料
06 卷積神經網路在無人駕駛中的應用
6.1 CNN 簡介
6.2 無人駕駛二元3D 感知
6.3 無人駕駛物體檢測
6.4 小結
6.5 參考資料
07 強化學習在無人駕駛中的應用
7.1 強化學習簡介
7.2 強化學習演算法
7.3 使用強化學習幫助決策 ....... 7-9
7.4 無人駕駛的決策介紹
7.5 參考資料
08 無人駕駛的行為預測
8.1 無人駕駛軟體系統模組整體架構
8.2 預測模組需要解決的問題
8.3 小結
8.4 參考資料
09 無人駕駛的決策、規劃和控制（1）
9.1 決策、規劃和控制模組概述
9.2 路由尋徑
9.3 行為決策
9.4 動作規劃
9.5 回饋控制
9.6 小結
9.7 參考資料
10 無人駕駛的決策、規劃和控制（2）
10.1 其他動作規劃演算法
10.2 光柵規劃器
10.3 自由空間TEB 規劃器
10.4 小結
10.5 參考資料
11 基於ROS 的無人駕駛系統
11.1 無人駕駛：多種技術的整合
11.2 ROS 簡介
11.3 系統可用性
11.4 系統通訊效能提升
11.5 系統資源管理與安全性
11.6 小結
11.7 參考資料
12 無人駕駛的硬體平台
12.1 無人駕駛：複雜系統
12.2 感測器平台
12.3 計算平台
12.4 控制平台
12.5 小結
12.6 參考資料
13 無人駕駛系統安全
13.1 針對無人駕駛的安全威脅
13.2 無人駕駛感測器的安全
13.3 無人駕駛作業系統的安全
13.4 無人駕駛控制系統的安全
13.5 車聯網通訊系統的安全
13.6 安全模型驗證方法
13.7 小結
13.8 參考資料
14 對抗樣本攻擊與防禦在無人駕駛中的應用
14.1 對抗樣本攻擊演算法
14.2 對抗樣本防禦演算法
14.3 實驗平台安裝及環境設定
14.4 AdvBox 攻擊與防禦實驗
14.5 防禦建議
14.6 小結
14.7 參考資料
15 無人駕駛資料服務通訊協定
15.1 資料服務通訊協定發展歷史
15.2 DSRC
15.3 C-V2X
15.4 3GPP 中V2X 無線連線標準研究
15.5 參考資料
16 無人駕駛模擬器技術
16.1 為什麼需要模擬器
16.2 模擬器的用途
16.3 模擬器系統的需求
16.4 模擬器系統的模組成
16.5 模擬器的使用場景及常見模擬器
16.6 模擬器的研發階段
16.7 模擬器模擬的一致性問題
16.8 小結
16.9 參考資料
17 基於Spark 與ROS的分散式無人駕駛模擬平台
17.1 無人駕駛模擬技術
17.2 基於ROS 的無人駕駛模擬器
17.3 基於Spark 的分散式模擬平台
17.4 小結
17.5 參考資料
18 無人駕駛中的高精地圖
18.1 傳統電子導航地圖
18.2 服務於無人駕駛場景的高精地圖
18.3 高精地圖的組成和特點
18.4 建置高精地圖
18.5 高精地圖在無人駕駛中的應用
18.6 高精地圖的現狀與結論
18.7 參考資料
19 高精地圖的自動化生產
19.1 高精地圖生產的挑戰
19.2 無人車用高精地圖
19.3 高精地圖生產的基本流程
19.4 機器學習在高精地圖生產中的應用
19.5 基於3D 點雲的深度學習
19.6 小結
19.7 參考資料
20 針對無人駕駛的邊緣高精地圖服務
20.1 邊緣運算與高精地圖
20.2 邊緣場景下的高精地圖服務
20.3 邊緣高精地圖生產
20.4 邊緣高精地圖內容分發
20.5 參考架構
20.6 相關工作
20.7 小結
20.8 參考資料
前言
01 無人車：正在開始的未來
1.1 正在走來的無人駕駛
1.2 無人駕駛的分級
1.3 無人駕駛系統簡介
1.4 序幕剛啟
1.5 參考資料
02 光達在無人駕駛中的應用
2.1 無人駕駛技術簡介
2.2 光達基礎知識
2.3 應用領域
2.4 光達技術面臨的挑戰
2.5 展望未來
2.6 參考資料
03 影像級高畫質光達
3.1 無人駕駛應用的各種光達的點雲特性
3.2 高畫質光達在建置可靠感知系統時的優勢
3.3 高畫質光達對定位和運動探測模組的價值
3.4 高畫質光達使得點雲和圖像資料的融合更高效
3.5 光達未來的發展趨勢
3.6 參考資料
04 GPS 及IMU 在無人駕駛中的應用
4.1 無人駕駛定位技術
4.2 GPS 簡介
4.3 IMU 簡介
4.4 GPS 和IMU 的融合
4.5 小結
4.6 參考資料
05 基於電腦視覺的無人駕駛感知系統
5.1 無人駕駛的感知
5.2 KITTI 資料集
5.3 電腦視覺能幫助無人車解決的問題
5.4 光流和立體視覺
5.5 物體的識別與追蹤
5.6 視覺里程計算法
5.7 小結
5.8 參考資料
06 卷積神經網路在無人駕駛中的應用
6.1 CNN 簡介
6.2 無人駕駛二元3D 感知
6.3 無人駕駛物體檢測
6.4 小結
6.5 參考資料
07 強化學習在無人駕駛中的應用
7.1 強化學習簡介
7.2 強化學習演算法
7.3 使用強化學習幫助決策 ....... 7-9
7.4 無人駕駛的決策介紹
7.5 參考資料
08 無人駕駛的行為預測
8.1 無人駕駛軟體系統模組整體架構
8.2 預測模組需要解決的問題
8.3 小結
8.4 參考資料
09 無人駕駛的決策、規劃和控制（1）
9.1 決策、規劃和控制模組概述
9.2 路由尋徑
9.3 行為決策
9.4 動作規劃
9.5 回饋控制
9.6 小結
9.7 參考資料
10 無人駕駛的決策、規劃和控制（2）
10.1 其他動作規劃演算法
10.2 光柵規劃器
10.3 自由空間TEB 規劃器
10.4 小結
10.5 參考資料
11 基於ROS 的無人駕駛系統
11.1 無人駕駛：多種技術的整合
11.2 ROS 簡介
11.3 系統可用性
11.4 系統通訊效能提升
11.5 系統資源管理與安全性
11.6 小結
11.7 參考資料
12 無人駕駛的硬體平台
12.1 無人駕駛：複雜系統
12.2 感測器平台
12.3 計算平台
12.4 控制平台
12.5 小結
12.6 參考資料
13 無人駕駛系統安全
13.1 針對無人駕駛的安全威脅
13.2 無人駕駛感測器的安全
13.3 無人駕駛作業系統的安全
13.4 無人駕駛控制系統的安全
13.5 車聯網通訊系統的安全
13.6 安全模型驗證方法
13.7 小結
13.8 參考資料
14 對抗樣本攻擊與防禦在無人駕駛中的應用
14.1 對抗樣本攻擊演算法
14.2 對抗樣本防禦演算法
14.3 實驗平台安裝及環境設定
14.4 AdvBox 攻擊與防禦實驗
14.5 防禦建議
14.6 小結
14.7 參考資料
15 無人駕駛資料服務通訊協定
15.1 資料服務通訊協定發展歷史
15.2 DSRC
15.3 C-V2X
15.4 3GPP 中V2X 無線連線標準研究
15.5 參考資料
16 無人駕駛模擬器技術
16.1 為什麼需要模擬器
16.2 模擬器的用途
16.3 模擬器系統的需求
16.4 模擬器系統的模組成
16.5 模擬器的使用場景及常見模擬器
16.6 模擬器的研發階段
16.7 模擬器模擬的一致性問題
16.8 小結
16.9 參考資料
17 基於Spark 與ROS的分散式無人駕駛模擬平台
17.1 無人駕駛模擬技術
17.2 基於ROS 的無人駕駛模擬器
17.3 基於Spark 的分散式模擬平台
17.4 小結
17.5 參考資料
18 無人駕駛中的高精地圖
18.1 傳統電子導航地圖
18.2 服務於無人駕駛場景的高精地圖
18.3 高精地圖的組成和特點
18.4 建置高精地圖
18.5 高精地圖在無人駕駛中的應用
18.6 高精地圖的現狀與結論
18.7 參考資料
19 高精地圖的自動化生產
19.1 高精地圖生產的挑戰
19.2 無人車用高精地圖
19.3 高精地圖生產的基本流程
19.4 機器學習在高精地圖生產中的應用
19.5 基於3D 點雲的深度學習
19.6 小結
19.7 參考資料
20 針對無人駕駛的邊緣高精地圖服務
20.1 邊緣運算與高精地圖
20.2 邊緣場景下的高精地圖服務
20.3 邊緣高精地圖生產
20.4 邊緣高精地圖內容分發
20.5 參考架構
20.6 相關工作
20.7 小結
20.8 參考資料
ISBN: 9789865501181