封面
书名页
版权
前言
第1章 从高精地图到无图模式的自动驾驶技术演变
 1.1 地图的魔力：自动驾驶的起点
  1.1.1 昔日辉煌：自动驾驶的有图时代
  1.1.2 双刃剑的舞动：高精地图的弊端
 1.2 从依赖到独立：无图模式的挑战
  1.2.1 背景驱动：从地图依赖到无图探索
  1.2.2 核心支撑：实现无图的关键技术
  1.2.3 产业观察：无图方案的发展现状
  1.2.4 隐忧与瓶颈：落地过程中的主要挑战
  1.2.5 新机与潜能：无图方案的应用前景
第2章 洞悉自动驾驶之眼：摄像头的妙用与精调
 2.1 视觉传感器的种类与原理
  2.1.1 单目摄像头：最基础的视觉感知
  2.1.2 双目与多目摄像头：立体视觉的实现
  2.1.3 全景摄像头：360°无死角的视界
 2.2 视觉传感器的安装与布局
  2.2.1 合理的传感器布局策略
  2.2.2 传感器视角的优化与覆盖
 2.3 视觉传感器的校准技术
  2.3.1 外参校准：确定传感器的相对位置
  2.3.2 内参校准：提升摄像头的感知精度
 2.4 让摄像头看得更清楚：数据优化的秘密
  2.4.1 除去“噪声”的图像清理术
  2.4.2 多只“眼睛”的协作：视角合成与融合
  2.4.3 鸟瞰图：为车装上“上帝视角”
 2.5 未来的摄像头：更聪明、更强大
  2.5.1 分辨率越高越好吗
  2.5.2 “自我学习”的摄像头
  2.5.3 AI赋能的“超级视角”
第3章 目标检测与目标跟踪
 3.1 感知任务中的基础与关键角色
  3.1.1 核心功能：从视觉输入到目标与轨迹的构建
  3.1.2 价值与意义：安全驾驶的基石与鲁棒性的保障
 3.2 目标检测：理解道路与参与者
  3.2.1 道路与规则要素：车道线、路缘、交通标志与信号灯
  3.2.2 交通参与者：车辆、行人、骑行体
  3.2.3 异常与低频目标：施工设施、落物、动物等
 3.3 目标跟踪：稳定的时序感知
  3.3.1 从检测到轨迹：多目标跟踪与轨迹生成
  3.3.2 稳定性挑战：遮挡恢复、身份一致性与轨迹管理
  3.3.3 实时性挑战：视觉目标跟踪的效率与算力优化
 3.4 方法进展与融合方向
  3.4.1 模型演进：大模型驱动的感知范式
  3.4.2 感知与规划的衔接：端到端与一体化趋势
第4章 全景建模与环境理解
 4.1 占用网络：开启环境理解的新视野
  4.1.1 从二维视角到全局感知
  4.1.2 感知赋能：占用网络在智能感知中的角色
 4.2 数据生成：构建智能的“基础原料”
  4.2.1 数据采集：真值构建的核心材料
  4.2.2 数据生成流程揭秘：数据的“炼金术”
  4.2.3 精度指标：如何衡量我们的模型性能？
 4.3 模型进化：智能理解的“多样化路径”
  4.3.1 占用网络模型：三维特征表达的多样性
  4.3.2 轻量化与稀疏化方案：实现高效推理的秘诀
  4.3.3 自监督学习方案：模型自主学习的探索之旅
第5章 行为理解与预测：自动驾驶的演绎推理
 5.1 像人类驾驶人一样思考
  5.1.1 人类驾驶人的核心能力
  5.1.2 自动驾驶如何具备推理能力
 5.2 理解环境中的交通参与者：行为预测
  5.2.1 感知与规划的桥梁：预测算法
  5.2.2 从历史中学习：时空信息建模
  5.2.3 行为预测的前景与挑战
 5.3 场景理解
  5.3.1 从感知到理解：场景解析的背景
  5.3.2 方法与路径：当前场景理解技术
  5.3.3 迈向未来：场景理解的机遇与挑战
 5.4 推演未来：世界模型
  5.4.1 自动驾驶中的世界模型
  5.4.2 生成式AI：如何创造未来世界
  5.4.3 自动驾驶中的世界模型
第6章 自动化矢量地图构建
 6.1 驶向无图时代：感知矢量构图的崛起
  6.1.1 感知为先：无图时代的重要性
  6.1.2 赋能应用：无图感知的实践场景
  6.1.3 技术沉淀：传统高精地图的发展
  6.1.4 轻量化演进：局部高精矢量地图
 6.2 技术引擎：揭开主流矢量构建框架的面纱
  6.2.1 端到端理念：矢量构图网络概述
  6.2.2 核心方案：主流端到端框架解析
  6.2.3 多元探索：其他框架的矢量构建方法
 6.3 如何给局部矢量构图网络“打分”
  6.3.1 数据基础：常用数据集
  6.3.2 评测体系：核心评价指标
  6.3.3 对比分析：常见基准的表现
  6.3.4 细分评测：含中心线基准的表现
 6.4 未来探索：挑战与机遇的交汇点
  6.4.1 难题解码：局部矢量地图构建的挑战
  6.4.2 未来之光：局部矢量构图的机遇探索
第7章 驾驶仿真与模型重建渲染
 7.1 驾驶仿真：从虚拟到现实的旅程
  7.1.1 机器人与仿真：萌芽于虚拟的技术
  7.1.2 自动驾驶仿真器：幕后英雄的功能与设计
  7.1.3 Sim2Real：虚拟驾驶如何加速真实上路
 7.2 三维重建：为自动驾驶“重现”世界
  7.2.1 传统建模：手工的数字场景复刻
  7.2.2 自动化三维重建：看懂三维世界的算法
  7.2.3 智能重建：基于深度学习构建环境
 7.3 新视角合成渲染：赋予驾驶场景新的生命
  7.3.1 NeRF与3DGS：重塑视野的双剑
  7.3.2 未来展望：重建渲染的无限可能
第8章 当前挑战和未来展望
 8.1 目前自动驾驶中的“路障”：问题与挑战
  8.1.1 简单与复杂：纯视觉技术不能解决的情况
  8.1.2 有限与无限：训练数据不足和硬件成本的限制
  8.1.3 矛盾与统一：不同制度和政策带来的问题
 8.2 自动驾驶的“突破之道”：解决方案与协作策略
  8.2.1 硬件与软件的突破：提升视觉系统的适应性和精确度
  8.2.2 数据支持与成本控制：丰富模型训练数据并降低自动驾驶系统成本
  8.2.3 协调与引导：推动制度与政策的规范化建设
 8.3 未来自动驾驶的“蓝图”：愿景与创新发展
参考文献
封底