目 錄
第1章 無(wú)人駕駛技術(shù)的發(fā)展 1
1.1 無(wú)人駕駛的基本概念 1
1.1.1 無(wú)人駕駛的定義 1
1.1.2 無(wú)人駕駛的分級(jí) 1
1.2 國(guó)內(nèi)外無(wú)人駕駛的發(fā)展歷史 3
1.2.1 國(guó)外無(wú)人駕駛的發(fā)展 3
1.2.2 國(guó)內(nèi)無(wú)人駕駛的發(fā)展 5
1.3 無(wú)人駕駛的治理趨勢(shì) 8
1.3.1 國(guó)際無(wú)人駕駛的治理趨勢(shì) 8
1.3.2 國(guó)內(nèi)無(wú)人駕駛的治理趨勢(shì) 11
第2章 無(wú)人駕駛技術(shù)的基本原理 14
2.1 無(wú)人駕駛技術(shù)的基本框架 14
2.2 環(huán)境感知方法 14
2.2.1 精確位置感知 15
2.2.2 周邊環(huán)境信息感知 17
2.3 決策與控制執(zhí)行方法 17
2.3.1 智能決策方法 17
2.3.2 車輛控制方法 19
2.4 車輛底盤線控方法 19
2.4.1 車輛縱向控制方法 20
2.4.2 車輛橫向控制方法 20
2.5 智能網(wǎng)聯(lián)汽車 21
2.5.1 傳統(tǒng)道路交通系統(tǒng)所面臨的挑戰(zhàn) 21
2.5.2 車聯(lián)網(wǎng)的概念與定義 22
2.5.3 車聯(lián)網(wǎng)平臺(tái)架構(gòu) 23
2.5.4 車聯(lián)網(wǎng)通信技術(shù)路線 25
2.5.5 車聯(lián)網(wǎng)國(guó)內(nèi)外發(fā)展現(xiàn)狀 27
2.5.6 車聯(lián)網(wǎng)未來(lái)發(fā)展趨勢(shì) 32
2.6 無(wú)人駕駛仿真平臺(tái)的分類與應(yīng)用 34
2.6.1 無(wú)人駕駛仿真平臺(tái)發(fā)展 34
2.6.2 無(wú)人駕駛仿真平臺(tái)介紹 35
2.6.3 無(wú)人駕駛仿真平臺(tái)的發(fā)展方向 40
第3章 無(wú)人駕駛汽車底盤改造原理與方法 41
3.1 無(wú)人駕駛汽車底盤改造方案 41
3.1.1 無(wú)人駕駛汽車分類 41
3.1.2 低速無(wú)人駕駛汽車的特點(diǎn) 42
3.1.3 小型電動(dòng)車底盤改造方案 42
3.2 車載總線技術(shù) 45
3.2.1 車載總線技術(shù)概述 45
3.2.2 CAN總線技術(shù) 46
3.2.3 CAN-FD總線技術(shù) 53
3.2.4 其他車載總線技術(shù) 55
3.2.5 車載總線開(kāi)發(fā)流程及常用設(shè)備 58
3.3 自動(dòng)轉(zhuǎn)向系統(tǒng)的改造方法 60
3.3.1 車輛轉(zhuǎn)向系統(tǒng)的類型 60
3.3.2 無(wú)人駕駛汽車阿克曼式自動(dòng)轉(zhuǎn)向系統(tǒng)改造設(shè)計(jì) 66
3.3.3 低速無(wú)人駕駛汽車雙模轉(zhuǎn)向系統(tǒng)改造實(shí)例分析 68
3.4 自動(dòng)制動(dòng)系統(tǒng)的改造方法 70
3.4.1 車輛制動(dòng)原理及主動(dòng)制動(dòng)控制功能 70
3.4.2 線控制動(dòng)系統(tǒng)的實(shí)現(xiàn)方法 71
3.4.3 低速無(wú)人駕駛汽車制動(dòng)改造實(shí)例 76
第4章 常用的智能傳感器與控制器 80
4.1 概述 80
4.2 車載GNSS設(shè)備 81
4.3 車載慣性導(dǎo)航設(shè)備 83
4.3.1 光纖慣導(dǎo) 83
4.3.2 微慣導(dǎo) 84
4.3.3 組合式導(dǎo)航設(shè)備 84
4.4 視覺(jué)傳感器 86
4.4.1 視覺(jué)傳感器的原理 86
4.4.2 常用的視覺(jué)傳感器設(shè)備 89
4.5 激光雷達(dá) 91
4.5.1 激光雷達(dá)的原理 91
4.5.2 激光雷達(dá)的分類 92
4.5.3 機(jī)械旋轉(zhuǎn)式激光雷達(dá) 93
4.5.4 MEMS激光雷達(dá) 101
4.6 毫米波雷達(dá) 103
4.6.1 毫米波雷達(dá)的原理 103
4.6.2 毫米波雷達(dá)的典型設(shè)備 104
4.7 超聲波雷達(dá) 105
4.7.1 超聲波雷達(dá)的原理 105
4.7.2 超聲波雷達(dá)的類型 105
4.8 車載智能芯片及控制器 106
4.8.1 國(guó)外車載智能芯片 106
4.8.2 國(guó)內(nèi)車載智能芯片 110
4.8.3 國(guó)產(chǎn)域控制器實(shí)例 111
第5章 精確定位與導(dǎo)航原理 114
5.1 定位方法概述 114
5.2 磁導(dǎo)航與慣性導(dǎo)航定位 115
5.2.1 磁導(dǎo)航定位 115
5.2.2 慣性導(dǎo)航定位 116
5.3 GNSS定位 118
5.3.1 導(dǎo)航定位原理 118
5.3.2 差分導(dǎo)航原理 119
5.3.3 大地主題解算的基本原理 121
5.4 UWB無(wú)線定位 126
5.4.1 UWB無(wú)線定位概述 126
5.4.2 TOA原理 127
5.4.3 TDOA原理 129
5.4.4 AOA原理 130
5.5 激光雷達(dá)SLAM定位 131
5.5.1 激光雷達(dá)SLAM概述 131
5.5.2 激光雷達(dá)SLAM算法分類 131
5.5.3 激光雷達(dá)SLAM流程 135
5.6 視覺(jué)SLAM定位 136
5.6.1 視覺(jué)SLAM概述 136
5.6.2 常用的視覺(jué)SLAM算法 137
5.7 多傳感器融合的精確定位方法 141
5.7.1 基于誤差狀態(tài)卡爾曼濾波的IMU+GPS融合定位 141
5.7.2 基于卡爾曼濾波的IMU+輪速計(jì)融合定位 144
5.7.3 基于因子圖的GNSS+激光雷達(dá)+IMU的融合SLAM算法 145
5.7.4 激光雷達(dá)+IMU+GNSS+相機(jī)融合定位方法 147
5.7.5 基于實(shí)時(shí)局部建圖的激光雷達(dá)長(zhǎng)周期定位方法 148
第6章 環(huán)境感知的原理及方法 150
6.1 環(huán)境感知要求與方法 150
6.2 基于視覺(jué)的環(huán)境感知 152
6.2.1 基于規(guī)則的視覺(jué)感知 152
6.2.2 基于深度學(xué)習(xí)的視覺(jué)感知 158
6.3 基于激光雷達(dá)的環(huán)境感知 166
6.3.1 萌芽期 166
6.3.2 起步期 167
6.3.3 發(fā)展期 167
6.3.4 落地期 170
6.4 激光雷達(dá)與視覺(jué)結(jié)合的障礙物檢測(cè)方法 171
6.4.1 基于視覺(jué)圖像的行人檢測(cè)方法研究 172
6.4.2 基于相機(jī)與激光雷達(dá)數(shù)據(jù)融合的行人檢測(cè)方法研究 175
第7章 智能決策方法 183
7.1 決策方法概述 183
7.2 遞階式?jīng)Q策方法 183
7.2.1 行為決策 184
7.2.2 運(yùn)動(dòng)規(guī)劃 189
7.3 端到端決策方法 194
7.3.1 模仿學(xué)習(xí) 195
7.3.2 基于強(qiáng)化學(xué)習(xí)的決策方法 203
7.4 決策評(píng)估方法與相關(guān)數(shù)據(jù)集 213
7.4.1 決策評(píng)估方法 213
7.4.2 數(shù)據(jù)集 214
第8章 車輛控制方法 218
8.1 軌跡跟蹤控制 218
8.1.1 預(yù)瞄跟隨理論 218
8.1.2 目標(biāo)轉(zhuǎn)角計(jì)算 221
8.1.3 PID控制 222
8.1.4 誤差與轉(zhuǎn)角一致性分析 222
8.2 縱向控制 223
第9章 無(wú)人駕駛技術(shù)的應(yīng)用場(chǎng)景 226
9.1 無(wú)人駕駛出租車 226
9.1.1 簡(jiǎn)介 226
9.1.2 百度無(wú)人駕駛出行服務(wù)平臺(tái)：蘿卜快跑 227
9.2 無(wú)人物流配送 227
9.2.1 自動(dòng)導(dǎo)向車（AGV） 228
9.2.2 園區(qū)無(wú)人配送與零售 229
9.3 礦山無(wú)人機(jī)械 230
9.3.1 露天煤礦無(wú)人化運(yùn)輸車 230
9.3.2 地下金屬礦無(wú)人化巡檢車 231
9.4 農(nóng)牧業(yè)智能化中的無(wú)人駕駛 232
9.4.1 無(wú)人化農(nóng)業(yè) 232
9.4.2 無(wú)人化畜牧業(yè) 233
9.5 港口的無(wú)人化應(yīng)用 234
9.6 工程機(jī)械的無(wú)人化應(yīng)用 234