自動駕駛與機器人實踐指南：基于DragonFly智能車的模塊化設計方法

1　基于模塊化設計的經(jīng)濟可靠的自動駕駛方案 001
1.1　簡介 001
1.2　成本昂貴的自動駕駛技術(shù) 002
1.2.1　傳感器系統(tǒng) 002
1.2.2　高精度地圖的創(chuàng)建和維護 003
1.2.3　計算系統(tǒng) 003
1.3　實現(xiàn)經(jīng)濟可行性和技術(shù)可靠性 004
1.3.1　傳感器融合 004
1.3.2　模塊化設計 005
1.3.3　擴展現(xiàn)有的數(shù)字地圖 005
1.4　模塊化設計 006
1.4.1　通信系統(tǒng) 007
1.4.2　底盤 007
1.4.3　用于被動感知的毫米波雷達和聲吶 007
1.4.4　用于定位的GNSS 007
1.4.5　用于主動感知和定位的計算機視覺 007
1.4.6　規(guī)劃與控制 008
1.4.7　建圖 008
1.5　內(nèi)容前瞻 008
1.6　書中使用的開源項目 009
參考文獻 011
2　車載通信系統(tǒng) 012
2.1　簡介 012
2.2　控制器局域網(wǎng)絡（CAN） 013
2.3　FlexRay總線 015
2.3.1　FlexRay拓撲結(jié)構(gòu) 016
2.3.2　FlexRay通信協(xié)議 016
2.4　CANopen 017
2.4.1　對象字典 018
2.4.2　配置文件族 018
2.4.3　數(shù)據(jù)傳輸和網(wǎng)絡管理 019
2.4.4　通信模型 020
2.4.5　CANopen節(jié)點（CANopenNode） 020
參考文獻 022
3　智能機器人和自動駕駛車輛的底盤技術(shù) 023
3.1　簡介 023
3.2　線控節(jié)流閥 024
3.3　線控制動技術(shù) 025
3.4　線控轉(zhuǎn)向技術(shù) 025
3.5　Open Source Car Control項目 025
3.5.1　OSCC APIs 026
3.5.2　硬件機構(gòu) 026
3.5.3　固件 027
3.6　OpenCaret 028
3.6.1　OSCC 節(jié)流閥 028
3.6.2　OSCC制動 028
3.6.3　OSCC轉(zhuǎn)向 029
3.7　以PerceptIn自動駕駛汽車底盤為例的軟件適配層 030
參考文獻 033
4　聲吶和毫米波雷達的被動感知 034
4.1　簡介 034
4.2　毫米波雷達的基本原理 035
4.2.1　距離測量 035
4.2.2　速度測量 036
4.2.3　角度測量 037
4.3　毫米波雷達部署 037
4.4　聲吶傳感器部署 040
參考文獻 044
5　通過實時動態(tài)全球?qū)Ш叫l(wèi)星系統(tǒng)進行定位 045
5.1　簡介 045
5.2　GNSS技術(shù)概述 046
5.3　RTK-GNSS 047
5.4　RTK-GNSS云服務器安裝步驟 049
5.4.1　配置NtripCaster 049
5.4.2　開始運行NtripCaster 051
5.5　在樹莓派上配置NtripServer和NtripClient 052
5.5.1　安裝樹莓派系統(tǒng) 052
5.5.2　在樹莓派上運行RTKLIB-str2str 053
5.6　配置基站和GNSS移動探測站 055
5.6.1　基站硬件配置 055
5.6.2　基站軟件配置 055
5.6.3　配置GNSS移動探測站 059
5.7　FreeWave無線電基本配置 062
參考文獻 066
6　計算機視覺的定位與感知 067
6.1　簡介 067
6.2　搭建計算機視覺硬件 068
6.2.1　七層技術(shù) 068
6.2.2　硬件同步 070
6.2.3　計算 071
6.3　相機標定 071
6.3.1　內(nèi)參 072
6.3.2　外參 072
6.3.3　Kalibr 072
6.4　計算機視覺定位 075
6.4.1　VSLAM概述 075
6.4.2　ORB-SLAM2 076
6.5　計算機視覺感知 077
6.5.1　雙目立體深度感知算法——ELAS 078
6.5.2　目標實例分割算法—Mask R-CNN 078
6.6　DragonFly系統(tǒng)的計算機視覺模塊 079
6.6.1　DragonFly定位接口 080
6.6.2　DragonFly感知接口 081
6.6.3　DragonFly 系統(tǒng) 082
參考文獻 084
7　規(guī)劃和控制 086
7.1　簡介 086
7.2　路徑規(guī)劃 087
7.2.1　有向加權(quán)圖 087
7.2.2　迪杰斯特拉（Dijkstra）算法 088
7.2.3　A*算法 089
7.3　行為決策 089
7.3.1　馬爾可夫決策過程（MDP） 090
7.3.2　值迭代算法 090
7.3.3　部分可見馬爾可夫決策過程（POMDP） 091
7.3.4　求解POMDP 092
7.4　運動規(guī)劃 092
7.4.1　快速擴展隨機樹 093
7.4.2　RRT*算法 094
7.5　反饋控制 094
7.5.1　比例積分微分(PID)控制器 095
7.5.2　模型預測控制（MPC） 096
7.6　Apollo中的EM Planning 迭代系統(tǒng) 097
7.6.1　術(shù)語 097
7.6.2　EM Planning 迭代算法 098
7.7　PerceptIn規(guī)劃控制框架 101
參考文獻 104
8　建圖 105
8.1　簡介 105
8.2　數(shù)字地圖 106
8.2.1　OSM開源地圖 106
8.2.2　Java OpenStreetMap編輯器 108
8.2.3　Nominatim 109
8.3　高精地圖 111
8.3.1　高精地圖的特征 111
8.3.2　高精地圖的圖層 111
8.3.3　高精地圖的創(chuàng)建 112
8.4　PerceptIn公司的π-Map 115
8.4.1　拓撲圖 115
8.4.2　π-Map的創(chuàng)建 116
參考文獻 118
9　搭建DragonFly Pod 和DragonFly Bus 119
9.1　簡介 119
9.2　底盤硬件規(guī)格  120
9.3　傳感器配置 122
9.4　軟件架構(gòu)  124
9.5　系統(tǒng)機制 126
9.6　數(shù)據(jù)結(jié)構(gòu)  127
9.6.1　常用數(shù)據(jù)結(jié)構(gòu)  128
9.6.2　底盤數(shù)據(jù) 129
9.6.3　定位數(shù)據(jù)  131
9.6.4　感知數(shù)據(jù)  133
9.6.5　規(guī)劃數(shù)據(jù)  135
9.7　用戶界面  139
參考文獻 140
10　搭建商業(yè)智能太空探索機器人 141
10.1　簡介 141
10.2　目的地——火星 142
10.3　火星探索機器人 143
10.3.1　定位 143
10.3.2　感知 144
10.3.3　路徑規(guī)劃 144
10.3.4　好奇號漫游車和火星2020探測器 145
10.4　挑戰(zhàn)：機載計算能力 147
參考文獻 150
11　自動駕駛車輛的邊緣計算 151
11.1　簡介 151
11.2　基準（Benchmarks） 152
11.3　計算系統(tǒng)架構(gòu) 153
11.4　運行時層（Runtime） 154
11.5　中間件 155
11.6　案例研究 156
參考文獻 158
12　Vehicle-to-Everything基礎設施的創(chuàng)新 160
12.1　簡介 160
12.2　V2X技術(shù)的發(fā)展歷史 160
12.3　協(xié)同自動駕駛 163
12.4　挑戰(zhàn) 164
參考文獻 166
13　車輛邊緣安全 168
13.1　簡介 168
13.2　傳感器安全 168
13.3　操作系統(tǒng)安全 169
13.4　控制系統(tǒng)安全 170
13.5　V2X安全 170
13.6　邊緣計算的安全性 171
參考文獻 173