無(wú)人駕駛是通過(guò)智能化駕駛系統(tǒng)，部分或完全的代替人類駕駛員的汽車行駛控制技術(shù)。在機(jī)器學(xué)習(xí)、大數(shù)據(jù)和人工智能技術(shù)大規(guī)模崛起之前，無(wú)人駕駛系統(tǒng)解決方案基本依賴于傳統(tǒng)的優(yōu)化技術(shù)。近年來(lái)，隨著計(jì)算機(jī)視覺、自然語(yǔ)言處理以及智能決策等理論技術(shù)的快速發(fā)展，無(wú)人駕駛已經(jīng)成為人工智能z具前景的應(yīng)用領(lǐng)域之一。本書共分八章。第一章概述，主要論述人工智能的定義及發(fā)展史、人工智能關(guān)鍵共性技術(shù)發(fā)展現(xiàn)狀及趨勢(shì)、人工智能時(shí)代給我們帶來(lái)的影響、人工智能與汽車產(chǎn)業(yè)轉(zhuǎn)型及融合以及無(wú)人駕駛汽車的產(chǎn)生與發(fā)展等內(nèi)容。第二章人工智能的技術(shù)基礎(chǔ)，主要包括知識(shí)表示、概念表示、專家系統(tǒng)、搜索技術(shù)、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)及其他相關(guān)技術(shù)。第三章人腦認(rèn)知與優(yōu)化計(jì)算，主要包括腦科學(xué)與腦神經(jīng)、視覺和聽覺感知、記憶與思維認(rèn)知、優(yōu)化與智能優(yōu)化算法、凸優(yōu)化、梯度下降與隨機(jī)梯度等內(nèi)容。第四章自然語(yǔ)言處理，主要包括自然語(yǔ)言的理解與生成、文本解析、語(yǔ)言處理、文本向量化表示、語(yǔ)言模型與預(yù)測(cè)等。第五章 智能圖像處理，主要包括模式識(shí)別與圖像識(shí)別、機(jī)器視覺與圖像處理、智能圖像處理技術(shù)、基于深度神經(jīng)網(wǎng)絡(luò)的圖像處理等。第六章路徑規(guī)劃與路徑跟蹤，主要包括視覺定位技術(shù)、環(huán)境地圖表示方法、路徑搜索算法、車輛運(yùn)動(dòng)學(xué)與路徑跟蹤算法、速差轉(zhuǎn)向車輛運(yùn)動(dòng)分析與跟蹤控制。第七章環(huán)境感知與定位導(dǎo)航，主要包括車載視覺傳感器與傳感器標(biāo)定、交通信號(hào)燈和交通標(biāo)志的檢測(cè)、道路檢測(cè)與環(huán)境檢測(cè)、全球衛(wèi)星導(dǎo)航定位與GPSDR組合定位、同時(shí)定位與地圖創(chuàng)建、視覺定位技術(shù)等內(nèi)容。第八章無(wú)人駕駛應(yīng)用場(chǎng)景及實(shí)例分析，主要論述無(wú)人駕駛應(yīng)用場(chǎng)景及無(wú)人駕駛應(yīng)用實(shí)例，如Apollo、Uber、Waymo、Autopilot等系統(tǒng)。
前言
第1章 緒論
1.1 人工智能
1.1.1 定義
1.1.2 人工智能發(fā)展史
1.1.3 人工智能發(fā)展趨勢(shì)
1.2 無(wú)人駕駛
1.2.1 概述
1.2.2 技術(shù)領(lǐng)域
1.3 人工智能賦能無(wú)人駕駛行業(yè)
1.3.1 概述
1.3.2 智能制造領(lǐng)域
1.3.3 智能駕駛領(lǐng)域
1.4 本章小結(jié)
第2章 人工智能技術(shù)基礎(chǔ)
2.1 知識(shí)表示
2.1.1 概述
2.1.2 產(chǎn)生式表示法
2.1.3 框架表示法
2.1.4 狀態(tài)空間表示法
2.2 機(jī)器學(xué)習(xí)
2.2.1 監(jiān)督學(xué)習(xí)
2.2.2 無(wú)監(jiān)督學(xué)習(xí)
2.2.3 人工神經(jīng)網(wǎng)絡(luò)
2.3 邏輯推理
2.3.1 確定性推理
2.3.2 產(chǎn)生式推理
2.3.3 模糊邏輯推理
2.3.4 可拓云推理
2.4 本章小結(jié)
第3章 環(huán)境感知與信息融合
3.1 車載傳感器與傳感器標(biāo)定
3.1.1 基礎(chǔ)理論
3.1.2 常用傳感器
3.1.3 傳感器標(biāo)定
3.2 信息融合結(jié)構(gòu)層次
3.2.1 傳感器融合結(jié)構(gòu)
3.2.2 傳感器融合層次
3.2.3 多傳感器融合方法
3.3 車輛位置信息融合
3.3.1 GNSS定位原理
3.3.2 INS定位原理
3.3.3 導(dǎo)航信息的卡爾曼濾波融合
3.4 超聲波與視覺傳感器融合
3.4.1 融合框架與原理
3.4.2 超聲波傳感器
3.4.3 視覺圖像處理
3.4.4 目標(biāo)識(shí)別
3.5 多源圖像融合
3.5.1 概述
3.5.2 圖像融合典型方法
3.5.3 PCA在圖像融合中的應(yīng)用
3.5.4 小波變換在圖像融合中的應(yīng)用
3.6 本章小結(jié)
第4章 群體智能與車隊(duì)控制
4.1 基因優(yōu)化型群體智能
4.1.1 概述
4.1.2 算法分析
4.2 覓食導(dǎo)向型群體智能
4.2.1 細(xì)菌覓食算法
4.2.2 蟻群算法
4.2.3 蛙跳算法
4.2.4 蜂群算法
4.2.5 人工魚群算法
4.3 遷徙導(dǎo)向型群體智能
4.3.1 概述
4.3.2 算法分析
4.4 車輛運(yùn)動(dòng)學(xué)
4.4.1 轉(zhuǎn)向模型
4.4.2 轉(zhuǎn)向動(dòng)力學(xué)分析
4.4.3 預(yù)瞄自適應(yīng)控制
4.5 V2X環(huán)境下車輛跟馳與信息交互
4.5.1 車輛跟馳模型
4.5.2 信息傳播機(jī)制
4.6 V2X環(huán)境下的車隊(duì)控制
4.6.1 建模思路與穩(wěn)定性泛論
4.6.2 車輛隊(duì)列協(xié)調(diào)控制策略
4.6.3 連續(xù)系統(tǒng)車隊(duì)控制策略
4.6.4 離散系統(tǒng)車隊(duì)控制策略
4.7 本章小結(jié)
第5章 自然語(yǔ)言處理與人機(jī)交互
5.1 基礎(chǔ)理論
5.1.1 隱馬爾可夫模型
5.1.2 Viterbi算法
5.1.3 條件隨機(jī)場(chǎng)
5.2 語(yǔ)料庫(kù)解析
5.2.1 語(yǔ)料與語(yǔ)料庫(kù)
5.2.2 自然語(yǔ)言工具包
5.2.3 結(jié)巴工具包
5.2.4 常用語(yǔ)料庫(kù)
5.3 文本數(shù)據(jù)獲取與規(guī)范化
5.3.1 數(shù)據(jù)獲取
5.3.2 數(shù)據(jù)清洗
5.3.3 特征構(gòu)造
5.3.4 特征降維與選擇
5.4 預(yù)處理
5.4.1 分詞
5.4.2 詞干提取
5.4.3 詞形還原
5.4.4 停用詞
5.5 詞性標(biāo)注
5.5.1 概述
5.5.2 基于規(guī)則的方法
5.5.3 基于統(tǒng)計(jì)的方法
5.6 命名實(shí)體識(shí)別
5.6.1 命名實(shí)體
5.6.2 識(shí)別方法
5.6.3 應(yīng)用領(lǐng)域
5.6.4 應(yīng)用實(shí)例
5.7 語(yǔ)義理解
5.7.1 概述
5.7.2 詞嵌入的生成
5.8 人機(jī)交互
5.8.1 語(yǔ)音處理
5.8.2 人機(jī)交互界面
5.9 本章小結(jié)
第6章 無(wú)人駕駛應(yīng)用
6.1 無(wú)人駕駛應(yīng)用場(chǎng)景
6.1.1 無(wú)人駕駛出租車場(chǎng)景
6.1.2 無(wú)人駕駛公共交通場(chǎng)景
6.1.3 礦區(qū)應(yīng)用場(chǎng)景
6.1.4 園區(qū)物流場(chǎng)景
6.2 典型無(wú)人駕駛系統(tǒng)
6.2.1 Apollo
6.2.2 Waymo
6.3 單車智能與車路協(xié)同
6.3.1 兩大方向
6.3.2 三種技術(shù)
6.3.3 道路之選
6.4 無(wú)人駕駛應(yīng)用人工智能的展望
6.5 本章小結(jié)
參考文獻(xiàn)
書單推薦
