《智能网联汽车环境感知技术》是“智能网联汽车核心技术丛书”中的一册。本书内容依托“杭州职业技术学院文库”，深入解析了自动驾驶感知系统，涵盖车载传感器、定位导航、车联网通信、计算机视觉感知及目标检测与识别等关键技术领域，剖析了其核心原理、相关算法及系统架构，展现了自动驾驶技术的前沿进展与应用实践。从车辆“感官”到智能决策，本书为读者揭示自动驾驶背后的技术奥秘，助力行业发展。
本书适合智能网联汽车环境感知方向的技术人员阅读参考，也可供智能网联汽车行业的政策制定者、企业管理者、科研工作者以及汽车第三方检测机构人员阅读，同时也可以作为高等院校及大中专院校汽车相关专业的参考教材。
第1章 自动驾驶感知系统概述 001
1.1 自动驾驶系统的技术架构 002
1.1.1 自动驾驶“三横两纵”架构 002
1.1.2 自动驾驶的四大关键技术 005
1.1.3 自动驾驶的计算平台架构 007
1.1.4 自动驾驶的软件系统框架 010
1.2 感知系统框架与关键技术 013
1.2.1 感知系统整体架构 013
1.2.2 车载传感器技术 014
1.2.3 定位导航技术 016
1.2.4 车联通信技术 017
1.3 感知系统测试技术与方法 019
1.3.1 图像系统测试 021
1.3.2 激光雷达系统测试 022
1.3.3 融合感知系统测试 023
第2章 车载传感器技术 025
2.1 车载摄像头 026
2.1.1 车载摄像头原理与分类 026
2.1.2 车载摄像头的部件构成 029
2.1.3 车载摄像头的玩家群像 031
2.1.4 车载摄像头的技术趋势 033
2.2 激光雷达 035
2.2.1 激光雷达的原理与应用 035
2.2.2 激光雷达的类型与特点 037
2.2.3 激光雷达的零部件构成 039
2.2.4 激光雷达的产业链图谱 041
2.3 超声波雷达 044
2.3.1 超声波雷达的特点与原理 044
2.3.2 超声波雷达的类型与参数 046
2.3.3 超声波雷达的行业竞争格局 048
2.4 毫米波雷达 050
2.4.1 毫米波雷达特性与优势 050
2.4.2 毫米波雷达的工作原理 051
2.4.3 毫米波雷达在自动驾驶中的应用 053
2.4.4 毫米波雷达在智能交通中的应用 054
第3章 定位导航技术 058
3.1 全球导航卫星系统 059
3.1.1 全球定位系统的原理 059
3.1.2 全球定位系统的构成 061
3.1.3 全球主流的导航卫星系统 062
3.1.4 基于GPS的汽车导航系统 065
3.2 惯性导航系统 067
3.2.1 惯性导航技术的演变发展 067
3.2.2 惯性导航系统结构与类型 069
3.2.3 惯性导航系统的工作原理 071
3.2.4 惯性导航系统的核心算法 073
3.3 高精度地图技术 076
3.3.1 高精度地图技术特点与应用 076
3.3.2 自动驾驶的高精度定位技术 079
3.3.3 国外高精度地图的发展现状 081
3.3.4 我国高精度地图的发展现状 082
第4章 车联网通信技术 084
4.1 车联网概念、内涵及架构 085
4.1.1 车联网的概念及内涵 085
4.1.2 车联网功能架构体系 089
4.1.3 车联网技术标准体系 091
4.1.4 车联网产业发展现状 093
4.2 车联网通信的技术路线 094
4.2.1 DSRC技术 094
4.2.2 LTE-V2X技术 096
4.2.3 5G-V2X技术 098
4.3 5G车联网整体解决方案 100
4.3.1 车联网面临的技术挑战 100
4.3.2 5G车联网的应用优势 102
4.3.3 5G车联网关键技术 104
4.3.4 5G车联网解决方案 107
第5章 计算机视觉感知技术 111
5.1 计算机视觉的原理与任务 112
5.1.1 计算机视觉的概念与原理 112
5.1.2 任务1：图像分类 113
5.1.3 任务2：目标检测 116
5.1.4 任务3：目标跟踪 117
5.1.5 任务4：图像分割 118
5.1.6 任务5：影像重建 120
5.2 基于深度学习的目标检测算法 121
5.2.1 单阶段目标检测算法 122
5.2.2 二阶段目标检测算法 125
5.2.3 无锚点目标检测算法 129
5.2.4 目标检测算法的性能比较 131
5.3 基于深度学习的深度估计 132
5.3.1 传统单目深度估计的方法 132
5.3.2 传统双目深度估计的方法 134
5.3.3 基于深度学习的单目深度估计 136
5.3.4 双目立体视觉匹配的算法流程 138
5.3.5 基于场景的深度估计数据集 140
5.4 SLAM技术与应用 141
5.4.1 SLAM系统结构与原理 141
5.4.2 SLAM分类与流程 145
5.4.3 激光雷达主流的SLAM算法 147
5.4.4 基于SLAM的自动驾驶应用 151
第6章 目标检测与识别技术 154
6.1 道路检测与识别 155
6.1.1 道路检测与识别方法 155
6.1.2 道路检测与识别算法 157
6.1.3 道路障碍物检测与识别 159
6.1.4 可行驶区域检测与识别 161
6.2 车辆检测与识别 163
6.2.1 车型检测与识别方法 163
6.2.2 车牌检测与识别方法 166
6.2.3 车辆时空参数识别 169
6.2.4 车辆重量参数识别 172
6.3 行人检测与识别 174
6.3.1 行人检测系统的技术与应用 174
6.3.2 基于计算机视觉的行人检测 176
6.3.3 行人检测与跟踪的主要方法 178
6.4 交通标志检测与识别 180
6.4.1 交通标志识别的技术原理 180
6.4.2 道路交通标志识别的方法 182
6.4.3 道路交通标志识别的应用 184
第7章 多传感器信息融合技术 187
7.1 多传感器信息融合的原理与结构 188
7.1.1 多传感器信息融合的工作原理 188
7.1.2 多传感器信息融合的主要优势 189
7.1.3 多传感器信息融合的三个层次 191
7.1.4 多传感器信息融合的系统结构 192
7.2 多传感器信息融合的算法与技术 195
7.2.1 随机类信息融合算法 195
7.2.2 AI类信息融合算法 198
7.3 基于多传感器信息融合的环境感知策略 199
7.3.1 基于信息融合的感知系统 199
7.3.2 多传感器信息融合与目标探测 201
7.3.3 面向自动驾驶的融合策略 203
7.3.4 可行驶区域探测信息融合 205
参考文献 207
书单推荐
