智能駕駛技術(shù)：路徑規(guī)劃與導(dǎo)航控制

定　價(jià)：￥79.00

作　者：	余伶俐，周開(kāi)軍，陳白帆著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	智能科學(xué)與技術(shù)叢書(shū)
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111653271	出版時(shí)間：	2020-06-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	228	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)主要介紹智能駕駛技術(shù)的路徑規(guī)劃與導(dǎo)航控制，內(nèi)容涉及基于視覺(jué)協(xié)同顯著性交通標(biāo)志牌檢測(cè)、地圖創(chuàng)建與全局路徑規(guī)劃、車(chē)輛行為決策與運(yùn)動(dòng)規(guī)劃、車(chē)輛軌跡跟蹤控制以及無(wú)模型智能駕駛控制技術(shù)。書(shū)中首先論述了基于聚類、顯著性線索分析以及幾何約束模型檢測(cè)交通標(biāo)志牌的方法。其次，闡述了基于ArcGis分析工具的地圖創(chuàng)建和全局路徑規(guī)劃方法。而后，探討了基于有限狀態(tài)機(jī)的駕駛行為決策方法，在此基礎(chǔ)上，利用RRT算法、曲線近似法、Frenet坐標(biāo)系法分別實(shí)現(xiàn)了智能駕駛車(chē)輛運(yùn)動(dòng)規(guī)劃。接下來(lái)，研究基于深度強(qiáng)化學(xué)習(xí)的智能駕駛車(chē)輛路徑規(guī)劃方法。并完成了幾何規(guī)則的軌跡跟蹤控制，實(shí)現(xiàn)了智能駕駛公交的自主泊車(chē)。最后，研究了基于數(shù)據(jù)驅(qū)動(dòng)的智能駕駛公交主動(dòng)轉(zhuǎn)向控制方法，分別用仿真軟件PreScan和TruckSim進(jìn)行了智能駕駛公交車(chē)輛的仿真實(shí)驗(yàn)。本書(shū)可作為高等院校智能科學(xué)與技術(shù)、自動(dòng)化、人工智能等專業(yè)研究生或高年級(jí)本科生的專業(yè)基礎(chǔ)課程教材，亦可供人工智能、智能駕駛、決策規(guī)劃、導(dǎo)航控制領(lǐng)域的廣大科技工作者閱讀和思考。

作者簡(jiǎn)介

　　余伶俐中南大學(xué)人工智能系副教授，主持多項(xiàng)國(guó)家重點(diǎn)研發(fā)計(jì)劃子任務(wù)、湖南省科技重大專項(xiàng)子課題、國(guó)家自然科學(xué)基金等項(xiàng)目。承擔(dān)了兩期的中車(chē)時(shí)代電動(dòng)汽車(chē)“智能駕駛決策與控制系統(tǒng)”開(kāi)發(fā)，在湖南湘江新區(qū)與智慧公交示范運(yùn)營(yíng)線路上完成了3500 km測(cè)試，獲得了湖南省頒發(fā)的第一輛智能駕駛公交車(chē)牌照。發(fā)表學(xué)術(shù)論文50多篇，申請(qǐng)發(fā)明專利25項(xiàng)，其中發(fā)明專利授權(quán)19項(xiàng)，獲批軟件著作權(quán)9項(xiàng)，編著專著/教材5部。為國(guó)家“智能科學(xué)系列課程”教學(xué)團(tuán)隊(duì)成員，教育部“智能控制”資源共享課程主講教師之一，獲省級(jí)教學(xué)競(jìng)賽一等獎(jiǎng)、全國(guó)智能設(shè)計(jì)大賽優(yōu)秀指導(dǎo)教師獎(jiǎng)等。周開(kāi)軍湖南工商大學(xué)教授、碩士生導(dǎo)師，美國(guó)布蘭戴斯大學(xué)國(guó)家復(fù)雜系統(tǒng)研究中心訪問(wèn)學(xué)者，湖南省青年骨干教師，湖南工商大學(xué)151人才。現(xiàn)任電子工程系主任，先后主持國(guó)家自然科學(xué)基金青年項(xiàng)目和面上項(xiàng)目、國(guó)家留學(xué)基金項(xiàng)目、省部級(jí)以上科研項(xiàng)目5項(xiàng)、產(chǎn)學(xué)研校企合作項(xiàng)目2項(xiàng)；在”Neurocomputing”、”Applied Intelligence”等期刊發(fā)表高水平論文40余篇，申請(qǐng)國(guó)家發(fā)明專利5項(xiàng)，授權(quán)4項(xiàng)，出版學(xué)術(shù)專著1部，登記軟件著作權(quán)4項(xiàng)。兼任湖南省科技廳項(xiàng)目評(píng)審專家、湖南省電子信息研究會(huì)常務(wù)理事、中國(guó)自動(dòng)化學(xué)會(huì)、湖南省人工智能學(xué)會(huì)會(huì)員、”IEEE Journal of Selected Topics in Signal Processing”、”IEEE Access”等期刊審稿人。陳白帆中南大學(xué)副教授，碩士生導(dǎo)師，湖南省人工智能學(xué)會(huì)副秘書(shū)長(zhǎng)，湖南省自興人工智能研究院副院長(zhǎng)，長(zhǎng)期從事智能駕駛、移動(dòng)機(jī)器人等應(yīng)用理論研究。先后主持國(guó)家自然科學(xué)基金項(xiàng)目、湖南省自然科學(xué)基金項(xiàng)目，參與國(guó)家自然科學(xué)基金重大計(jì)劃、國(guó)家重點(diǎn)研發(fā)計(jì)劃、湖南省科技重大專項(xiàng)子課題。發(fā)表高水平論文30余篇，編著專著/教材3部。國(guó)家“智能科學(xué)系列課程”教學(xué)團(tuán)隊(duì)成員，教育部“人工智能”精品資源共享課程主講教師之一，國(guó)家十二五規(guī)劃教材、國(guó)家教育部科技進(jìn)步一等獎(jiǎng)教材“人工智能及應(yīng)用”作者之一。

圖書(shū)目錄

前言
第1章　緒論 1
1.1　智能駕駛公交車(chē)輛發(fā)展現(xiàn)狀 1
1.2　全局路徑規(guī)劃方法研究現(xiàn)狀 3
1.3　行為決策與運(yùn)動(dòng)規(guī)劃方法研究現(xiàn)狀 4
1.4　跟蹤控制方法研究現(xiàn)狀 5
參考文獻(xiàn) 6
第2章　基于視覺(jué)協(xié)同顯著性的交通標(biāo)志牌檢測(cè) 14
2.1　基于視覺(jué)協(xié)同顯著性的交通標(biāo)志牌檢測(cè)框架設(shè)計(jì) 14
2.1.1　基于聚類的圖間/圖內(nèi)顯著性檢測(cè)模型子框架 15
2.1.2　幾何結(jié)構(gòu)約束模型子框架 15
2.2　基于視覺(jué)協(xié)同顯著性的圖像檢測(cè)算法 18
2.2.1　基于聚類的視覺(jué)協(xié)同顯著性檢測(cè) 18
2.2.2　視覺(jué)顯著性線索分析 19
2.2.3　協(xié)同顯著圖的生成 20
2.2.4　各顯著性線索的特性分析 22
2.2.5　幾何結(jié)構(gòu)約束模型 24
2.3　顯著性檢測(cè)實(shí)驗(yàn)與分析 26
2.3.1　單圖像顯著性檢測(cè)實(shí)驗(yàn)分析 26
2.3.2　圖像對(duì)協(xié)同顯著性檢測(cè)實(shí)驗(yàn)分析 28
2.3.3　多圖像協(xié)同顯著性檢測(cè)實(shí)驗(yàn)分析 29
2.3.4　運(yùn)行速度測(cè)試分析 32
2.3.5　聚類數(shù)目影響分析 33
2.4　復(fù)雜場(chǎng)景中交通標(biāo)志牌的檢測(cè)實(shí)驗(yàn)分析 34
2.5　本章小結(jié) 36
參考文獻(xiàn) 36
第3章　智能駕駛公交車(chē)輛全局路徑規(guī)劃方法 40
3.1　基于ArcGIS地圖創(chuàng)建及全局規(guī)劃 41
3.1.1　ArcGIS系統(tǒng)概述 41
3.1.2　基于ArcGIS的地圖創(chuàng)建 42
3.1.3　基于ArcGIS網(wǎng)絡(luò)分析工具的全局路徑規(guī)劃 55
3.2　最優(yōu)路徑信息處理 56
3.2.1　全局坐標(biāo)系轉(zhuǎn)換 56
3.2.2　全局路徑插值 57
3.3　地圖創(chuàng)建及全局規(guī)劃仿真實(shí)驗(yàn) 58
3.4　本章小結(jié) 61
參考文獻(xiàn) 61
第4章　智能駕駛公交車(chē)輛行為決策與運(yùn)動(dòng)規(guī)劃方法 64
4.1　基于分層有限狀態(tài)機(jī)的智能駕駛公交車(chē)輛決策模型 64
4.1.1　頂層狀態(tài)機(jī)設(shè)計(jì) 65
4.1.2　底層狀態(tài)機(jī)設(shè)計(jì) 65
4.1.3　雙層擴(kuò)展有限狀態(tài)機(jī)行為決策方法 67
4.1.4　基于分層有限狀態(tài)機(jī)的行為決策實(shí)驗(yàn) 67
4.2　基于快速搜索隨機(jī)樹(shù)的動(dòng)態(tài)路徑規(guī)劃方法 70
4.2.1　RRT算法 70
4.2.2　基于起點(diǎn)與終點(diǎn)位姿約束的雙向RRT算法 71
4.2.3　基于起點(diǎn)與終點(diǎn)位姿約束的RRT算法仿真實(shí)驗(yàn) 73
4.3　基于曲線近似的智能駕駛公交車(chē)輛動(dòng)態(tài)軌跡規(guī)劃方法 73
4.3.1　基于貝塞爾曲線的路徑平滑與拼接 74
4.3.2　基于約束的多項(xiàng)式動(dòng)態(tài)軌跡規(guī)劃方法 79
4.4　基于Frenet坐標(biāo)系的智能駕駛公交車(chē)輛運(yùn)動(dòng)規(guī)劃方法 86
4.4.1　Frenet坐標(biāo)系的建立 86
4.4.2　橫縱向軌跡解耦規(guī)劃 87
4.4.3　基于車(chē)輛約束的最優(yōu)軌跡選擇 89
4.4.4　基于Frenet坐標(biāo)系的軌跡規(guī)劃仿真實(shí)驗(yàn) 90
4.5　智能駕駛公交車(chē)輛行為決策與運(yùn)動(dòng)規(guī)劃方法應(yīng)用實(shí)例 100
4.5.1　基于高精度地圖與紅外信標(biāo)的智能駕駛公交車(chē)輛自動(dòng)啟停實(shí)現(xiàn)方法 100
4.5.2　智能駕駛公交車(chē)輛行為決策與運(yùn)動(dòng)規(guī)劃實(shí)車(chē)實(shí)驗(yàn) 103
4.6　本章小結(jié) 105
參考文獻(xiàn) 105
第5章　基于深度強(qiáng)化學(xué)習(xí)的智能駕駛公交車(chē)輛路徑規(guī)劃方法 107
5.1　深度強(qiáng)化學(xué)習(xí)方法的理論講解 107
5.1.1　強(qiáng)化學(xué)習(xí)理論基礎(chǔ) 107
5.1.2　深度學(xué)習(xí)理論基礎(chǔ) 112
5.1.3　基于深度強(qiáng)化學(xué)習(xí)的路徑規(guī)劃概述 113
5.2　基于深度強(qiáng)化學(xué)習(xí)的網(wǎng)絡(luò)模型構(gòu)建 116
5.3　基于深度強(qiáng)化學(xué)習(xí)的環(huán)境模型構(gòu)建 123
5.3.1　虛擬環(huán)境構(gòu)建 123
5.3.2　環(huán)境模型應(yīng)用策略 124
5.3.3　模型訓(xùn)練 125
5.4　基于深度強(qiáng)化學(xué)習(xí)的路徑規(guī)劃實(shí)現(xiàn)方法 127
5.4.1　深度強(qiáng)化學(xué)習(xí)的算法框架 127
5.4.2　關(guān)鍵環(huán)境回報(bào)值選取 128
5.4.3　基于深度強(qiáng)化學(xué)習(xí)的路徑規(guī)劃方法實(shí)驗(yàn)分析 130
5.4.4　多種軌跡規(guī)劃方法對(duì)比實(shí)驗(yàn)分析 135
5.5　本章小結(jié) 143
參考文獻(xiàn) 143
第6章　智能駕駛公交車(chē)輛軌跡跟蹤控制方法 146
6.1　智能駕駛公交車(chē)輛運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)模型 146
6.1.1　運(yùn)動(dòng)學(xué)模型 146
6.1.2　動(dòng)力學(xué)模型 147
6.2　智能駕駛公交車(chē)輛軌跡跟蹤控制 149
6.2.1　基于航向預(yù)測(cè)的軌跡跟蹤控制及仿真 149
6.2.2　基于運(yùn)動(dòng)學(xué)模型的軌跡跟蹤控制 152
6.2.3　智能駕駛公交車(chē)輛速度控制方法 155
6.3　智能駕駛公交車(chē)輛自主泊車(chē)控制 158
6.3.1　基于Akerman轉(zhuǎn)向幾何的路徑規(guī)劃 159
6.3.2　基于車(chē)輛運(yùn)動(dòng)學(xué)模型及位置補(bǔ)償?shù)目刂破? 160
6.3.3　智能駕駛公交車(chē)輛自主泊車(chē)仿真驗(yàn)證及實(shí)車(chē)實(shí)驗(yàn) 161
6.4　基于PreScan的智能駕駛公交車(chē)輛仿真環(huán)境 163
6.4.1　場(chǎng)景搭建 164
6.4.2　聯(lián)合仿真 172
6.5　本章小結(jié) 173
參考文獻(xiàn) 174
第7章　基于數(shù)據(jù)驅(qū)動(dòng)的智能駕駛公交車(chē)輛主動(dòng)轉(zhuǎn)向控制方法 177
7.1　基于數(shù)據(jù)驅(qū)動(dòng)的主動(dòng)轉(zhuǎn)向控制系統(tǒng)概述 177
7.1.1　智能駕駛公交車(chē)輛主動(dòng)轉(zhuǎn)向控制系統(tǒng)概述 177
7.1.2　數(shù)據(jù)驅(qū)動(dòng)控制方法概述 177
7.1.3　軌跡跟蹤誤差的向量描述 178
7.1.4　基于數(shù)據(jù)驅(qū)動(dòng)的車(chē)輛模型在線辨識(shí)方法 179
7.1.5　基于數(shù)據(jù)驅(qū)動(dòng)的主動(dòng)轉(zhuǎn)向控制系統(tǒng)框架 181
7.2　基于自抗擾控制的主動(dòng)轉(zhuǎn)向控制方法 182
7.2.1　自抗擾控制方法概述 182
7.2.2　自抗擾控制器設(shè)計(jì) 182
7.2.3　基于自抗擾控制的主動(dòng)轉(zhuǎn)向控制器設(shè)計(jì) 188
7.3　基于無(wú)模型自適應(yīng)的主動(dòng)轉(zhuǎn)向控制方法 189
7.3.1　無(wú)模型自適應(yīng)控制方法概述 189
7.3.2　基于預(yù)瞄偏差角的跟蹤控制方案 189
7.3.3　基于無(wú)模型自適應(yīng)的主動(dòng)轉(zhuǎn)向控制器設(shè)計(jì) 190
7.4　基于TruckSim的跟蹤控制仿真方法 191
7.4.1　聯(lián)合仿真平臺(tái)的搭建 191
7.4.2　仿真環(huán)境下跟蹤控制性能驗(yàn)證 199
7.4.3　控制器遷移至真實(shí)環(huán)境的可行性評(píng)估 203
7.5　本章小結(jié) 204
參考文獻(xiàn) 204
附錄 206
第8章　智能駕駛技術(shù)展望 213
8.1　智能駕駛路徑規(guī)劃技術(shù)展望 213
8.2　智能駕駛跟蹤控制技術(shù)展望 214
8.3　智能駕駛仿真環(huán)境展望 215
8.4　技術(shù)展望 216
8.5　本章小結(jié) 217
參考文獻(xiàn) 217