智能汽車環(huán)境感知與多傳感器融合技術(shù)

第1章緒論001
1.1智能汽車環(huán)境感知的定義002
1.2智能汽車環(huán)境感知的作用002
1.3智能汽車環(huán)境感知的要求003
1.4智能汽車環(huán)境感知的類型004
1.5智能汽車環(huán)境感知的流程006
1.6智能汽車環(huán)境感知的功能需求009
1.7智能汽車環(huán)境感知的約束條件010
1.8智能汽車環(huán)境感知的發(fā)展趨勢(shì)011
第2章基于視覺傳感器的環(huán)境感知技術(shù)013
2.1視覺傳感器的功能需求與配置014
2.1.1視覺傳感器的功能需求014
2.1.2視覺傳感器的配置015
2.2視覺傳感器的標(biāo)定017
2.2.1視覺傳感器的標(biāo)定目的017
2.2.2視覺傳感器的標(biāo)定方法018
2.2.3單目相機(jī)的標(biāo)定022
2.2.4雙目相機(jī)的標(biāo)定026
2.3視覺傳感器的圖像處理技術(shù)028
2.3.1圖像預(yù)處理技術(shù)028
2.3.2圖像特征提取技術(shù)034
2.3.3圖像分割技術(shù)037
2.3.4目標(biāo)檢測(cè)技術(shù)042
2.3.5目標(biāo)識(shí)別技術(shù)049
2.4數(shù)據(jù)集051
2.4.1數(shù)據(jù)集的作用052
2.4.2KITTI數(shù)據(jù)集052
2.4.3nuScenes數(shù)據(jù)集053
2.4.4WaymoOpenDataset054
2.4.5ApolloOpenDataset055
2.5目標(biāo)檢測(cè)常用算法056
2.5.1卷積神經(jīng)網(wǎng)絡(luò)056
2.5.2R-CNN系列算法070
2.5.3YOLO系列算法076
2.6基于視覺傳感器的目標(biāo)檢測(cè)084
2.6.1車道線檢測(cè)084
2.6.2車輛檢測(cè)086
2.6.3行人檢測(cè)090
2.6.4交通標(biāo)志檢測(cè)093
2.6.5交通信號(hào)燈檢測(cè)095
第3章基于毫米波雷達(dá)的環(huán)境感知技術(shù)099
3.1毫米波雷達(dá)的功能需求與配置100
3.1.1毫米波雷達(dá)的功能需求100
3.1.2毫米波雷達(dá)的配置101
3.2毫米波雷達(dá)的標(biāo)定103
3.2.1毫米波雷達(dá)的標(biāo)定目的103
3.2.2毫米波雷達(dá)的標(biāo)定方法104
3.3毫米波雷達(dá)的數(shù)據(jù)處理108
3.3.1數(shù)據(jù)接收109
3.3.2數(shù)據(jù)預(yù)處理110
3.3.3目標(biāo)檢測(cè)與提取112
3.3.4目標(biāo)跟蹤與軌跡生成115
3.4基于毫米波雷達(dá)的目標(biāo)檢測(cè)116
3.4.1基于傳統(tǒng)的毫米波雷達(dá)目標(biāo)檢測(cè)116
3.4.2基于深度學(xué)習(xí)的毫米波雷達(dá)目標(biāo)檢測(cè)117
3.4.3基于卡爾曼濾波的目標(biāo)跟蹤118
第4章基于激光雷達(dá)的環(huán)境感知技術(shù)124
4.1激光雷達(dá)的功能需求與配置125
4.1.1激光雷達(dá)的功能需求125
4.1.2激光雷達(dá)的配置126
4.2激光雷達(dá)的標(biāo)定128
4.2.1激光雷達(dá)的標(biāo)定目的128
4.2.2激光雷達(dá)的標(biāo)定方法129
4.2.3激光雷達(dá)標(biāo)定示例133
4.3激光雷達(dá)的點(diǎn)云數(shù)據(jù)處理135
4.3.1點(diǎn)云數(shù)據(jù)獲取135
4.3.2點(diǎn)云預(yù)處理140
4.3.3點(diǎn)云配準(zhǔn)145
4.3.4點(diǎn)云特征提取148
4.3.5點(diǎn)云分割149
4.3.6點(diǎn)云聚類155
4.3.7點(diǎn)云三維建模155
4.3.8點(diǎn)云的運(yùn)動(dòng)畸變156
4.4點(diǎn)云的目標(biāo)檢測(cè)方法159
4.4.1基于規(guī)則的點(diǎn)云目標(biāo)檢測(cè)方法159
4.4.2基于機(jī)器學(xué)習(xí)的點(diǎn)云目標(biāo)檢測(cè)方法160
4.4.3基于深度學(xué)習(xí)的點(diǎn)云目標(biāo)檢測(cè)方法161
4.5常用的點(diǎn)云深度學(xué)習(xí)模型163
4.5.1PointNet模型163
4.5.2PSANet模型168
4.5.3PointPillars模型171
4.6基于激光雷達(dá)的目標(biāo)檢測(cè)174
4.6.1車道線檢測(cè)174
4.6.2車輛檢測(cè)177
4.6.3行人檢測(cè)178
第5章多傳感器融合技術(shù)180
5.1概述181
5.1.1多傳感器融合的定義181
5.1.2多傳感器融合的過(guò)程182
5.1.3多傳感器融合的要求182
5.1.4多傳感器融合方案183
5.2多傳感器同步理論192
5.2.1時(shí)間同步192
5.2.2空間同步195
5.3多傳感器融合算法196
5.3.1加權(quán)平均法196
5.3.2卡爾曼濾波法198
5.3.3多貝葉斯估計(jì)法200
5.3.4D-S證據(jù)推理法203
5.3.5模糊邏輯推理206
5.3.6人工神經(jīng)網(wǎng)絡(luò)法209
5.4BEV感知融合技術(shù)212
參考文獻(xiàn)218