第1章 智能车辆与人工智能概述
1.1智能车辆概述
1.2人工智能概述
1.3滤波技术基础
1.3.1 卡尔曼滤波
1.3.2 粒子滤波
1.4 智能车辆体系结构
1.4.1 RCS系统运行机制介绍
1.4.2 数据采集与回放系统
习题
第2章 智能车辆视觉技术
2.1 基于三维激光雷达的目标检测与跟踪
2.1.1 栅格地图创建
2.1.2 目标聚类与检测
2.1.3 目标数据关联
2.1.4 动态目标状态估计
2.2 使用机器视觉的可通行区域检测
2.2.1 特征提取算法
2.2.2 基于FSVM和AdaBoost的特征选择算法
2.2.3 SVM模型的训练与分类
2.3 视觉SLAM
2.3.1 算法框架与前端搭建
2.3.2 图优化概述
2.3.3 非回环分层模型
2.4 实例---用ORB-SLAM2方法对KITTI数据集计算
习题
第3章 深度学习与目标检测
3.1 卷积神经网络
3.1.1 卷积神经网络模型结构
3.1.2 卷积神经网络的前向传播算法
3.1.3 卷积神经网络的反向传播算法
3.2 CNN卷积神经网络改进
3.2.1 R-CNN
3.2.2 SPPNet
3.2.3 Fast R-CNN
3.2.4 YOLO
3.2.5 Faster R-CNN
3.2.6 SSD
3.2.7 Mask R-CNN
3.3 训练框架
3.3.1 Caffe
3.3.2 Tensorflow
3.3.3 Torch、MXNET与Keras
3.4 深度学习在智能车辆上应用实例分析
3.4.1 基于深度学习的车道线检测
3.4.2 Caffe+SSD目标检测实例介绍
习题
第4章 智能网联技术
4.1 基于网联技术的多车编队自动驾驶
4.1.1 车辆编队总体方案
4.1.2 多车编队系统架构
4.1.3 编队车辆平台软件结构
4.2 V2V通信与车载传感器信息融合的匝道入口避撞系统
4.2.1 基于车载传感器与V2V通信的避撞系统
4.2.2 综合V2V通信与车载传感器信息的匝道入口避撞系统
4.2.3匝道避碰系统仿真分析
4.3基于V2V的遮挡情况下的AEB技术
4.3.1 在遮挡环境下基于V2V通信的AEB系统
4.3.2 基于PreScan/matlab的模型搭建
4.3.3 三车V2V避撞仿真分析
习题
第5章 智能决策与类人驾驶
5.1 高速道路环境下智能车辆超车行为决策
5.1.1 基于层次状态机的超车行为建模
5.1.2 基于人工神经网络的超车意图产生
5.1.3 基于规则的超车条件判定
5.2 无信号灯十字交叉口智能车辆行为决策
5.2.1 无信号灯十字交叉口场景分析
5.2.2基于模糊逻辑的驾驶员激进程度识别
5.2.3基于相对驾驶激进程度的无信号灯交叉口决策方法
5.3 车辆跟驰类人驾驶学习系统
5.3.1 类人驾驶学习系统设计
5.3.2 强化学习与马尔科夫决策过程
5.3.3 Q Learning与NQL(Neural-Q Learning)
5.3.4 NQL求解过程
5.3.5 NQL算法流程
5.4 定距离跟驰仿真试验
5.4.1仿真系统设计
5.4.2 定距离跟驰模型
5.4.3 试验结果与分析
习题
第6章 智能车辆路径规划与运动规划
6.1 实时、增量式路径规划
6.1.1 概述
6.1.2 增量式路径规划算法
6.1.3 变维度状态空间的实时、增量式路径规划
6.2 局部路径规划
6.2.1 局部路径生成算法
6.2.2 避障分析与路径选择
6.3 运动规划与行驶模式
6.3.1规划方法设计思路
6.3.2速度规划方法
6.3.3行驶模式分析
习题
第7章 智能车辆模型预测控制
7.1 车辆动力学和轮胎模型
7.1.1 车辆动力学模型
7.1.2 轮胎模型
7.2 模型预测控制理论推导与求解
7.2.1 模型预测控制算法
7.2.2 非线性模型预测控制
7.2.3 线性时变模型预测控制
7.3 基于动力学模型的前轮主动转向控制
习题
第8章 智能车辆测试与评价
8.1 基于ROS+V-REP的智能车辆测试方法
8.1.1 安装ROS+V-REP
8.1.2 模型搭建
8.1.3 联合仿真测试
8.2复杂交通环境智能车辆评价方法
8.2.1复杂交通环境下智能车辆性能测试内容
8.2.2 基于集成测试方法的性能测试
8.2.3 智能车辆性能测试环境构建
8.2.4智能车辆性能评价方法
习题
参考文献
鄂公网安备 42010302001612号 