第1章无人驾驶系统简介 2
1.1无人驾驶技术概述 2
1.2无人驾驶算法 2
1.2.1传感 3
1.2.2感知 4
1.2.3目标识别与跟踪 6
1.2.4决策 6
1.3无人驾驶客户端系统 8
1.3.1机器人操作系统 8
1.3.2硬件平台 11
1.4无人驾驶云平台 11
1.4.1仿真模拟 11
1.4.2高精度地图生成 12
1.4.3深度学习模型训练 13
1.5一切刚刚开始 14
第2章无人驾驶车辆的定位系统 15
2.1采用全球导航卫星系统定位 15
2.1.1 GNSS概述 15
2.1.2 GNSS误差分析 17
2.1.3星基增强系统 18
2.1.4载波相位差分技术和差分GNSS 19
2.1.5精确点定位 20
2.1.6全球定位系统和惯性导航系统的融合 22
2.2采用激光雷达和高精度地图定位 23
2.2.1激光雷达概述 23
2.2.2高精度地图概述 26
2.2.3激光雷达和高精度地图定位 30
2.3视觉里程计 34
2.3.1立体视觉里程计 35
2.3.2单目视觉里程计 36
2.3.3视觉惯性里程计 36
2.4航位推算和轮式里程计 38
2.4.1轮式编码器 38
2.4.2轮式里程计误差 39
2.4.3减少轮式里程计误差 40
2.5多传感器融合 42
2.5.1卡内基梅隆大学无人驾驶城市挑战赛车Boss 42
2.5.2斯坦福大学无人驾驶城市挑战赛车Junior 44
2.5.3梅赛德斯-奔驰无人驾驶车Bertha 45
参考文献 47
第3章无人驾驶的感知系统 51
3.1概述 51
3.2数据集 52
3.3目标识别 54
3.4语义分割 56
3.5立体视觉、光流和场景流 58
3.5.1立体视觉与深度信息 58
3.5.2光流 59
3.5.3场景流 59
3.6目标跟踪 61
3.7总结 63
参考文献 64
第4章深度学习在无人驾驶感知系统中的应用 68
4.1卷积神经网络 68
4.2目标检测 69
4.3语义分割 72
4.4立体视觉和光流 75
4.4.1立体视觉 75
4.4.2光流 76
4.5总结 79
参考文献 80
第5章预测与路径规划 82
5.1规划与控制模块概览 82
5.1.1架构：广义上的规划与控制 82
5.1.2各个模块的范围：以模块的方式解决问题 84
5.2交通预测 87
5.2.1将行为预测作为分类问题 88
5.2.2车辆轨迹生成 93
5.3车道级的路径规划 94
5.3.1为路径规划创建权重有向图 96
5.3.2典型的路径规划算法 98
5.3.3规划图损失：强弱路径规划 102
5.4总结 103
参考文献 103
第6章决策、规划和控制 105
6.1行为决策 105
6.1.1马尔可夫决策过程方法 107
6.1.2基于场景的分治法 109
6.2运动规划 116
6.2.1车辆模型、道路模型、SL坐标系 118
6.2.2划分为路径规划和速度规划的运动规划 119
6.2.3划分为纵向规划和横向规划的运动规划 126
6.3反馈控制 130
6.3.1自行车模型 130
6.3.2 PID控制 132
6.4总结 133
参考文献 134
第7章基于增强学习的规划和控制 136
7.1概述 136
7.2增强学习 138
7.2.1 Q-学习 140
7.2.2 ACTOR-CRITIC方法 144
7.3无人驾驶中基于学习的规划和控制 146
7.3.1行为决策中的增强学习 147
7.3.2基于增强学习的规划和控制 147
7.4总结 150
参考文献 150
第8章无人驾驶客户端系统 152
8.1无人驾驶系统：一个复杂的系统 152
8.2无人驾驶的操作系统 154
8.2.1 ROS综述 154
8.2.2系统可靠性 156
8.2.3性能优化 157
8.2.4资源管理与安全性 157
8.3计算平台 158
8.3.1计算平台的实现 158
8.3.2现有的计算解决方案 159
8.3.3计算机体系结构设计的探索 160
参考文献 164
第9章无人驾驶云平台 165
9.1概述 165
9.2基础架构 166
9.2.1分布式计算框架 167
9.2.2分布式存储 167
9.2.3异构计算 168
9.3仿真模拟 170
9.3.1 BinPipeRDD 171
9.3.2连接ROS与Spark引擎 172
9.3.3性能表现 173
9.4模型训练 173
9.4.1为什么使用Spark引擎 174
9.4.2训练平台架构 175
9.4.3异构计算 176
9.5高精度地图生成 176
9.5.1高精度地图 177
9.5.2云端地图生成 178
9.6总结 179
参考文献 179