《 无人驾驶原理与实践》（《钢铁是怎样炼成的》）

无人驾驶原理与实践

申泽邦  雍宾宾  周庆国  李良  李冠憬  编著

Praise本书赞誉

Foreword序

前言Preface

申泽邦周庆国

2018年9月

目录Contents

前言

教学建议

第1章初识无人驾驶系统

11什么是无人驾驶

111无人驾驶的分级标准

112无人驾驶到底有多难

12为什么需要无人驾驶

121提高道路交通安全

122缓解城市交通拥堵

123提升出行效率

124降低驾驶者的门槛

13无人驾驶系统的基本框架

131环境感知

132定位

133任务规划

134行为规划

135动作规划

136控制系统

137小结

14开发环境配置

141简单环境安装

142ROS安装

143OpenCV安装

15本章参考文献

第2章ROS入门

21ROS简介

211ROS是什么

212ROS的历史

213ROS的特性

22ROS的核心概念

23catkin创建系统

24ROS中的项目组织结构

25基于Husky模拟器的实践

26ROS的基本编程

261ROS C++编程

262编写简单的发布和订阅程序

263ROS中的参数服务

264基于Husky机器人的小案例

27ROS Service

28ROS Action

29ROS中的常用工具

291Rviz

292rqt

293TF坐标转换系统

294URDF和SDF

210本章参考文献

第3章无人驾驶系统的定位方法

31实现定位的原理

32迭代最近点算法

33正态分布变换

331NDT算法介绍

332NDT算法的基本步骤

333NDT算法的优点

334NDT算法实例

34基于GPS+惯性组合导航的定位系统

341定位原理

342不同传感器的定位融合实现

35基于SLAM的定位系统

351SLAM定位原理

352SLAM应用

36本章参考文献

第4章状态估计和传感器融合

41卡尔曼滤波和状态估计

411背景知识

412卡尔曼滤波

413卡尔曼滤波在无人驾驶汽车感知模块中的应用

42高级运动模型和扩展卡尔曼滤波

421应用于车辆追踪的高级运动模型

422扩展卡尔曼滤波

43无损卡尔曼滤波

431运动模型

432非线性过程模型和测量模型

433无损变换

434预测

435测量更新

436小结

44本章参考文献

第5章机器学习和神经网络基础

51机器学习基本概念

52监督学习

521经验风险最小化

522模型、过拟合和欠拟合

523“一定的算法”——梯度下降算法

524小结

53神经网络基础

531神经网络基本结构

532无限容量——拟合任意函数

533前向传播

534随机梯度下降

54使用Keras实现神经网络

541数据准备

542三层网络的小变动——深度前馈神经网络

543小结

55本章参考文献

第6章深度学习和无人驾驶视觉感知

61深度前馈神经网络——为什么要深

611大数据下的模型训练效率

612表示学习

62应用于深度神经网络的正则化技术

621数据集增强

622提前终止

623参数范数惩罚

624Dropout技术

63实战——交通标志识别

631BelgiumTS 数据集

632数据预处理

633使用Keras构造并训练深度前馈网络

64卷积神经网络入门

641什么是卷积以及卷积的动机

642稀疏交互

643参数共享

644等变表示

645卷积神经网络

646卷积的一些细节

65基于YOLO的车辆检测

651预训练分类网络

652训练检测网络

653YOLO的损失函数

654测试

655基于YOLO的车辆和行人检测

66本章参考文献

第7章迁移学习和端到端无人驾驶

71迁移学习

72端到端无人驾驶

73端到端无人驾驶模拟

731模拟器的选择

732数据采集和处理

733深度神经网络模型构建

74本章小结

75本章参考文献

第8章无人驾驶规划入门

81无人车路径规划和A*算法

811有向图

812广度优先搜索算法

813涉及的数据结构

814如何生成路线

815有方向地进行搜索（启发式）

816Dijkstra算法

817A*算法

82分层有限状态机和无人车行为规划

821无人车决策规划系统设计准则

822有限状态机

823分层有限状态机

824状态机在行为规划中的使用

83基于自由边界三次样条插值的无人车路径生成

831三次样条插值

832三次样条插值算法

833使用Python实现三次样条插值进行路径生成

84基于Frenet优化轨迹的无人车动作规划方法

841为什么使用Frenet坐标系

842Jerk最小化和5次轨迹多项式求解

843碰撞避免

844基于Frenet优化轨迹的无人车动作规划实例

85本章参考文献

第9章车辆模型和高级控制

91运动学自行车模型和动力学自行车模型

911自行车模型

912运动学自行车模型

913动力学自行车模型

92无人车控制入门

921为什么需要控制理论

922PID控制

93基于运动学模型的模型预测控制

931将PID控制应用于转向控制存在的问题

932预测模型

933在线滚动优化

934反馈校正

94轨迹追踪

95本章参考文献

第10章深度强化学习及其在自动驾驶中的应用

101强化学习概述

102强化学习原理及过程

1021马尔可夫决策过程

1022强化学习的目标及智能体的要素

1023值函数

103近似价值函数

104深度Q值网络算法

1041Q_Learning算法

1042DQN算法

105策略梯度

106深度确定性策略梯度及TORCS游戏的控制

1061TORCS游戏简介

1062TORCS游戏环境安装

1063深度确定性策略梯度算法

107本章小结

108本章参考文献

自动驾驶开发平台 自动驾驶

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。