预购商品
书目分类
特别推荐
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
客服公告
热门活动
订阅电子报
