自动驾驶算法与芯片设计

封面

版权信息

作者简介

内容简介

前言

第1章 自动驾驶芯片的挑战

1.1 自动驾驶科技界现状

1.2 自动驾驶设计的挑战

1.2.1 功能约束

1.2.2 可预测性约束

1.2.3 存储限制

1.2.4 热量约束

1.2.5 功率约束

1.3 自动驾驶系统算法设计

1.3.1 感知

1.3.2 决策

1.3.3 控制

1.3.4 安全验证与测试

1.4 自动驾驶系统计算平台

1.4.1 GPU

1.4.2 DSP

1.4.3 FPGA

1.4.4 ASIC

参考文献

第2章 3D物体检测

2.1 传感器

2.1.1 摄像机

2.1.2 激光雷达

2.2 数据集

2.3 3D物体检测方法

2.3.1 基于单目图像的检测方法

2.3.2 基于点云的检测方法

2.3.3 基于融合的检测方法

2.4 实战项目：3D物体检测

2.4.1 算法概述

2.4.2 点云预处理

2.4.3 网络结构

2.4.4 欧拉区域提议

2.4.5 锚盒设计

2.4.6 复角度回归

2.4.7 损失函数的构建

2.4.8 实验结果

2.4.9 训练细节

2.4.10 鸟瞰检测

2.4.11 3D对象检测

2.5 未来研究展望

参考文献

第3章 车道检测

3.1 传统图像处理

3.2 实例：基于霍夫变换的车道检测

3.2.1 霍夫变换

3.2.2 OpenCV车道检测

3.3 实例：RANSAC算法及直线拟合

3.3.1 算法思路

3.3.2 用Python实现直线拟合

3.4 基于深度学习

3.5 多传感器集成方案

3.6 车道检测系统评估标准

3.6.1 车道检测系统性能的影响因素

3.6.2 离线评估

3.6.3 在线评估

3.6.4 评估指标

3.7 实战项目：车道检测

3.7.1 概述

3.7.2 车道点实例网络

3.7.3 调整大小层

3.7.4 相同瓶颈层

3.7.5 下采样瓶颈层和上采样瓶颈层

3.7.6 损失函数

3.7.7 后处理方法

3.7.8 实验结果

3.7.9 测试部分

参考文献

第4章 运动规划和控制

4.1 概述

4.2 传统自动驾驶的规划和决策层

4.2.1 路径规划

4.2.2 实例：路径规划Dijkstra算法

4.2.3 实例：路径规划A*算法

4.2.4 行为决策

4.2.5 运动规划

4.2.6 实例：运动规划

4.2.7 车辆控制

4.2.8 实例：模型预测控制

4.2.9 实例：PID控制

4.3 集成感知和规划

实战项目：NVIDIA的端到端自动驾驶

4.4 交互行为感知和规划

4.4.1 合作与互动

4.4.2 博弈论方法

4.4.3 概率方法

4.4.4 部分可观察的马尔可夫决策过程

4.4.5 基于学习的方法

参考文献

第5章 定位与建图

5.1 SLAM问题

5.1.1 基于滤波器的SLAM方法

5.1.2 基于优化的SLAM方法

5.2 自主驾驶的局限性

5.2.1 问题的提出