安阳日报:无人驾驶道理与实践

新2备用网址/2020-04-02/ 分类:科技/阅读:

出书日期:2019年01月

文件巨细:42.53M

支撑装备:

¥45.00仅供试读

合用客户端:

iPad/iPhone客户端:下载 Android客户端:下载PC客户端:下载更多详情:
?对图书下载、阅读卡购置有疑问:当即进入辅佐中间>>

图书简介

目次

本书从道理到实践体系地先容了无人驾驶汽车软件体系,包括无人驾驶体系的根基观念和道理,涵盖ROS编程、呆板进修和深度进修等入门常识,以及普及行使的环境感知、定位、传感器融合、路径筹划、举动决定、动作筹划和高级节制算法,同时先容了深度强化进修、端到端无人驾驶等学术研究偏向。本书得当但愿进入无人驾驶汽车行业的技强职员和高校门生作为技能入门书本,亦可作为无人驾驶应用研究的器材书。

本书赞誉

媒介
解说提议
第1章 初识无人驾驶体系
 1.1 什么是无人驾驶
  1.1.1 无人驾驶的分级尺度
  1.1.2 无人驾驶到底有多灾
 1.2 为什么必要无人驾驶
  1.2.1 进步阶梯交通平安
  1.2.2 缓解都市交通拥堵
  1.2.3 晋升出行遵从
  1.2.4 低落驾驶者的门槛
 1.3 无人驾驶体系的根基框架
  1.3.1 环境感知
  1.3.2 定位
  1.3.3 使命筹划
  1.3.4 举动筹划
  1.3.5 动作筹划
  1.3.6 节制体系
  1.3.7 小结
 1.4 开拓环境设置
  1.4.1 简朴环境安装
  1.4.2 ROS安装
  1.4.3 OpenCV安装
 1.5 本章参考文献
第2章 ROS入门
 2.1 ROS简介
  2.1.1 ROS是什么
  2.1.2 ROS的汗青
  2.1.3 ROS的特征
 2.2 ROS的焦点观念
 2.3 catkin建设体系
 2.4 ROS中的项目构造布局
 2.5 基于Husky模仿器的实践
 2.6 ROS的根基编程
  2.6.1 ROS C++编程
  2.6.2 编写简朴的宣布和订阅措施
  2.6.3 ROS中的参数处事
  2.6.4 基于Husky呆板人的小案例
 2.7 ROS Service
 2.8 ROS Action
 2.9 ROS中的常用器材
  2.9.1 Rviz
  2.9.2 rqt
  2.9.3 TF坐标转换体系
  2.9.4 URDF和SDF
 2.10 本章参考文献
第3章 无人驾驶体系的定位要领
 3.1 实现定位的道理
 3.2 迭代近来点算法
 3.3 正态漫衍调动
  3.3.1 NDT算法先容
  3.3.2 NDT算法的根基步调
  3.3.3 NDT算法的利益
  3.3.4 NDT算法实例
 3.4 基于GPS+惯性组合导航的定位体系
  3.4.1 定位道理
  3.4.2 差异传感器的定位融合实现
 3.5 基于SLAM的定位体系
  3.5.1 SLAM定位道理
  3.5.2 SLAM应用
 3.6 本章参考文献
第4章 状况预计和传感器融合
 4.1 卡尔曼滤波和状况预计
  4.1.1 配景常识
  4.1.2 卡尔曼滤波
  4.1.3 卡尔曼滤波在无人驾驶汽车感知模块中的应用
 4.2 高级行为模子和扩展卡尔曼滤波
  4.2.1 应用于车辆追踪的高级行为模子
  4.2.2 扩展卡尔曼滤波
 4.3 无损卡尔曼滤波
  4.3.1 行为模子
  4.3.2 非线性进程模子和丈量模子
  4.3.3 无损调动
  4.3.4 猜测
  4.3.5 丈量更新
  4.3.6 小结
 4.4 本章参考文献
第5章 呆板进修和神经收集基本
 5.1 呆板进修根基观念
 5.2 监视进修
  5.2.1 履历风险最小化
  5.2.2 模子、过拟合和欠拟合
  5.2.3 “必然的算法”——梯度降落算法
  5.2.4 小结
 5.3 神经收集基本
  5.3.1 神经收集根基布局
  5.3.2 无穷容量——拟合恣意函数
  5.3.3 前向撒播
  5.3.4 随机梯度降落
 5.4 行使Keras实现神经收集
  5.4.1 数据筹备
  5.4.2 三层收集的小变换——深度前馈神经收集
  5.4.3 小结
 5.5 本章参考文献
第6章 深度进修和无人驾驶视觉感知
 6.1 深度前馈神经收集——为什么要深
  6.1.1 大数据下的模子实习遵从
  6.1.2 暗示进修
 6.2 应用于深度神经收集的正则化技能
  6.2.1 数据集加强
  6.2.2 提前住手
  6.2.3 参数范数处罚
  6.2.4 Dropout技能
 6.3 拭魅战——交通符号辨认
  6.3.1 BelgiumTS数据集
  6.3.2 数据预处理赏罚
  6.3.3 行使Keras结构并实习深度前馈收集
 6.4 卷积神经收集入门
  6.4.1 什么是卷积以及卷积的念头
  6.4.2 稀少交互
  6.4.3 参数共享
  6.4.4 等变暗示
  6.4.5 卷积神经收集
  6.4.6 卷积的一些细节
 6.5 基于YOLO的车辆检测
  6.5.1 预实习分类收集
  6.5.2 实习检测收集
  6.5.3 YOLO的丧失函数
  6.5.4 测试
  6.5.5 基于YOLO的车辆和行人检测
 6.6 本章参考文献
第7章 迁徙进修和端到端无人驾驶
 7.1 迁徙进修
 7.2 端到端无人驾驶
 7.3 端到端无人驾驶模仿
  7.3.1 模仿器的选择
  7.3.2 数据采集和处理赏罚
  7.3.3 深度神经收集模子构建
 7.4 本章小结
 7.5 本章参考文献
第8章 无人驾驶筹划入门
 8.1 无人车路径筹划和A*算法
  8.1.1 有向图
  8.1.2 广度优先搜刮算法
  8.1.3 涉及的数据布局
  8.1.4 怎样天生蹊径
  8.1.5 有偏向地举办搜刮(开导式)
  8.1.6 Dijkstra算法
  8.1.7 A*算法
 8.2 分层有限状况机和无人车举动筹划
  8.2.1 无人车决定筹划体系计划准则
  8.2.2 有限状况机
  8.2.3 分层有限状况机
  8.2.4 状况机在举动筹划中的行使
 8.3 基于自由界线三次样条插值的无人车路径天生
  8.3.1 三次样条插值
  8.3.2 三次样条插值算法
  8.3.3 行使Python实现三次样条插值举办路径天生
 8.4 基于Frenet优化轨迹的无人车动作筹划要领
  8.4.1 为什么行使Frenet坐标系
  8.4.2 Jerk最小化和5次轨迹多项式求解
  8.4.3 碰撞中止
  8.4.4 基于Frenet优化轨迹的无人车动作筹划实例
 8.5 本章参考文献
第9章 车辆模子和高级节制
 9.1 行为学自行车模子和动力学自行车模子
  9.1.1 自行车模子
  9.1.2 行为学自行车模子
  9.1.3 动力学自行车模子
 9.2 无人车节制入门
  9.2.1 为什么必要节制理论
  9.2.2 PID节制
 9.3 基于行为学模子的模子猜测节制
  9.3.1 将PID节制应用于转向节制存在的题目
  9.3.2 猜测模子
  9.3.3 在线转动优化
  9.3.4 反馈校正
 9.4 轨迹追踪
 9.5 本章参考文献
第10章 深度强化进修及其在主动驾驶中的应用
 10.1 强化进修概述
 10.2 强化进修道理及进程
  10.2.1 马尔可夫决定进程
  10.2.2 强化进修的方针及智能体的要素
  10.2.3 值函数
 10.3 近似代价函数
 10.4 深度Q值收集算法
  10.4.1 Q_Learning算法
  10.4.2 DQN算法
 10.5 计策梯度
 10.6 深度确定性计策梯度及TORCS游戏的节制
  10.6.1 TORCS游戏简介
  10.6.2 TORCS游戏环境安装
  10.6.3 深度确定性计策梯度算法
 10.7 本章小结
 10.8 本章参考文献

阅读:
广告 330*360
广告 330*360

热门文章

HOT NEWS
  • 周榜
  • 月榜
阳光在线官网
微信二维码扫一扫
关注微信公众号
新闻自媒体 Copyright © 2002-2019 阳光在线官网 版权所有
二维码
意见反馈 二维码