清华大学出版社：
http://www.tup.tsinghua.edu.cn/wap/tsxqy.aspx?id=10025801
本书写作目的：
在自动驾驶发展方兴未艾时
,
越来越多的公司
、
工程师
、
科学家和学生进入或打算
进入这个赛道
。
笔者希望给读者介绍一下当今自动驾驶前沿的技术理论
。
本书主要包括以下内容。
-
简要介绍自动驾驶的概论
,
包括自动驾驶的分级方法
、
两种不同的开发结构
(
模块化和端到端
)、
自动驾驶的应用场景分类和数据闭环概念等
。
-
在展开前沿技术介绍之前
,
铺垫了涉及的基础理论
,
如计算机视觉
、
图像处理
、
优化理论
、
机器学习和深度学习等
。
-
在开始本书的重点之前
,
读者需要对自动驾驶的软硬件平台有初步了解
,
硬件部分有传感器
(
摄像头
、
激光雷达
、
毫米波雷达
、
超声波雷达和车联网等
)、
计算平
台
、
线控底盘和电子电气架构等
,
软件部分有软件架构
(
如
AUTOSAR
和
aSPICE
)、
软件开发
V-
模型和操作系统
。
-
本书真正的重头戏是第
5~9
章
,
即感知
、
高清地图
、
定位
、
规划和控制
。
感知部分涉及了多种传感器标定
、
单目测距
、
深度图估计
、
3D
障碍物检测和跟踪
、
传感
器融合
(
数据级和任务级
)、
车道线检测
、
交通标志检测识别
、
交通信号灯检测识
别
、
双目视觉
、
驾驶区域分割
、
人体姿态估计
、
驾驶人监控系统和新一代
BEV
感
知框架等
;
高清地图部分介绍了高清地图的结构
、
语义地图的构建
、
基于车道线地图和基于深度学习的
SLAM
等
;
定位部分和高清地图部分不可分
,
包括基于
车道线地图的定位
、
基于激光雷达的地图定位
、
传感器融合的混合式定位以及
基于深度学习的定位方法
;
规划部分涉及基本的规划理论
、
对驾驶行为的建模
预测
、
行人行为的建模预测和基于深度学习的模仿学习等
;
控制方法相对来说
比较传统
,
但是在回顾经典的车辆运动学和动力学模型
、
控制理论
(
如
PID
和
MPC
)
之 外
,
也 讨 论 了 基 于 深 度 学 习 的 控 制 理 论
。
-
本书也讨论了自动驾驶研发重要的一个环节
:
模拟仿真
,
介绍了传感器仿真
,
交
通模拟模型
、
汽车
/
行人仿真模型
、
可视化平台以及数字孪生和安全
-
紧要场景数
据生成等
。
-
作为自动驾驶不可分的一部分是安全理论
,
本书涉及著名的
NHTSA
的安全要
素
、
国 际 标 准 化 组 织 功 能 安 全 标 准
ISO 26262
和 预 期 功 能 安 全 标 准
ISO 21448
(
SOTIF
)、
网 络 安 全
、
自 动 驾 驶 的 安 全 隐 患 和 解 决 方 法 以 及 系 统 的 验 证 和 确 认
(
V & V
)
技 术
,
还 附 加 了
Intel M obile
y
e
的 责 任 敏 感 性 安 全 模 型
。
-
目前自动驾驶技术最接近商业落地的一个场景是自动自主泊车
。
本书专门具体
讨论了泊车系统的视觉系统标定
、
停车位检测
、
运动规划
、
传感器融合
(
超声波和
环视摄像系统
)
和自主泊车系统
,
特别讨论了停车场的地图制作和基于深度学习
的泊车规划方法
。
-
车联网是自动驾驶的一个重要辅助
,
可以看作传感器的
“
延伸
”。
本书还讨论了
车联网技术的应用
,
如车
-
路协同
、
车辆协同感知和车辆编队的规划及控制等
。
