封面
书名页
版权页
前言
第1章 典型车载环境感知传感器
 1.1 机器视觉
  1.1.1 单目视觉传感器
  1.1.2 双目视觉传感器
  1.1.3 红外视觉传感器
 1.2 超声波雷达
 1.3 毫米波雷达
 1.4 激光雷达
 参考文献
第2章 基于机器视觉的智能网联汽车环境感知技术
 2.1 车道线识别
  2.1.1 基于深度学习的车道线识别
  2.1.2 实验结果分析
 2.2 交通标志识别
  2.2.1 基于改进YOLOv5s的交通标志识别网络结构
  2.2.2 基于最优传输分配的标签分配方法
  2.2.3 考虑角度的回归损失函数
  2.2.4 实验结果分析
 2.3 交通信号灯识别
 2.4 基于多级匹配的多目标检测与跟踪
  2.4.1 特征提取网络
  2.4.2 中心点目标检测模型
  2.4.3 重识别模型
  2.4.4 基于多级匹配的多目标跟踪
  2.4.5 实验结果分析
 参考文献
第3章 基于激光雷达的智能网联汽车环境感知技术
 3.1 地面分割
  3.1.1 数据预处理
  3.1.2 基于环状置信传播的地面分割
  3.1.3 地面分割实验结果分析
 3.2 点云聚类
 3.3 考虑点云空间分布的路缘分割
  3.3.1 点云空间特征筛选
  3.3.2 两侧路缘点云集提取
  3.3.3 基于中心点距离均值的路缘点云聚类补偿
  3.3.4 路缘分割实验结果分析
 3.4 基于机器学习的三维点云多目标检测
  3.4.1 基于模板匹配的目标检测
  3.4.2 基于SVM和贝叶斯理论集成的目标检测
 3.5 基于深度学习的三维点云车辆目标检测
  3.5.1 基于金字塔特征融合的车辆目标检测
  3.5.2 车辆目标检测实验结果分析
 3.6 基于道路模型的三维点云车辆目标跟踪算法
  3.6.1 曲线道路建模
  3.6.2 坐标转换
  3.6.3 车辆运动状态建模
  3.6.4 基于无迹卡尔曼滤波的车辆运动状态估计
  3.6.5 车辆目标跟踪实验结果分析
  3.6.6 消融实验
 参考文献
第4章 基于视觉传感器与激光雷达融合的智能网联汽车环境感知技术
 4.1 摄像机与激光雷达的联合标定
 4.2 基于改进YOLOx的二维车辆目标图像特征提取
 4.3 基于滤波聚类的三维车辆目标点云特征获取
 4.4 基于置信度优化的多源数据融合与目标检测
 4.5 多目标车辆检测实验结果与分析
 参考文献
第5章 基于激光雷达的智能网联汽车协同感知技术
 5.1 车间坐标转换
 5.2 面向单车感知的点-体柱特征提取网络
  5.2.1 点特征提取
  5.2.2 体柱特征提取
  5.2.3 点-体柱特征融合
 5.3 基于PredRNN的时间特征延迟补偿
 5.4 跨车辆空间特征融合补偿
  5.4.1 跨车辆特征聚合
  5.4.2 多分辨率特征提取
  5.4.3 多尺度特征融合
 5.5 算法性能测试
  5.5.1 环境搭建
  5.5.2 数据集
  5.5.3 评价指标
  5.5.4 检测结果
 参考文献
第6章 基于车路协同感知的智能网联汽车复合定位技术
 6.1 定位假设
 6.2 基于D-S证据理论的数据预处理
 6.3 基于多层IUKF的车辆定位数据融合
 6.4 基于自适应因子的车辆定位数据反馈融合修正
 6.5 复合定位方法性能测试
  6.5.1 实车测试平台
  6.5.2 评价指标
  6.5.3 实验结果与分析
 参考文献
封底