MATLAB自動(dòng)駕駛函數(shù)及應(yīng)用
定 價(jià)：78 元
當(dāng)前圖書(shū)已被 30 所學(xué)校薦購(gòu)過(guò)！
查看明細(xì)
- 作者：崔勝民 編
- 出版時(shí)間：2020/9/1
- ISBN：9787122373236
- 出 版 社：化學(xué)工業(yè)出版社
- 中圖法分類：U463.61
- 頁(yè)碼：196
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16開(kāi)
《MATLAB自動(dòng)駕駛函數(shù)及應(yīng)用》詳細(xì)介紹了MATLAB用于汽車(chē)自動(dòng)駕駛仿真的函數(shù)及應(yīng)用，涵蓋駕駛場(chǎng)景、鳥(niǎo)瞰圖、環(huán)境感知、路徑規(guī)劃和目標(biāo)跟蹤共125個(gè)函數(shù)，每個(gè)函數(shù)都給出了應(yīng)用實(shí)例。書(shū)中所涉及的實(shí)例，都提供了原程序，并對(duì)程序進(jìn)行了注釋，方便讀者快速理解和掌握。
本書(shū)內(nèi)容豐富，圖文并茂，通俗易懂，實(shí)用性強(qiáng)，可作為從事自動(dòng)駕駛及智能網(wǎng)聯(lián)汽車(chē)開(kāi)發(fā)的工程技術(shù)人員及相關(guān)專業(yè)的本科生、研究生的參考用書(shū)，也可供MATLAB應(yīng)用愛(ài)好者閱讀學(xué)習(xí)。
★書(shū)中包含自動(dòng)駕駛仿真的基礎(chǔ)操作：駕駛場(chǎng)景、鳥(niǎo)瞰圖、環(huán)境感知、路徑規(guī)劃；
★詳細(xì)介紹了MATLAB自動(dòng)駕駛仿真的125個(gè)函數(shù)；
★每個(gè)MATLAB函數(shù)都有應(yīng)用實(shí)例，每個(gè)實(shí)例都有原程序，每個(gè)原程序都有注釋；
★6個(gè)綜合實(shí)例，將前面所講知識(shí)綜合應(yīng)用于自動(dòng)駕駛仿真技術(shù)中。
智能網(wǎng)聯(lián)汽車(chē)的發(fā)展已經(jīng)進(jìn)入快速發(fā)展時(shí)期，無(wú)論是汽車(chē)企業(yè)，還是學(xué)校的汽車(chē)人才培養(yǎng)，都面臨轉(zhuǎn)型升級(jí)。作為智能網(wǎng)聯(lián)汽車(chē)開(kāi)發(fā)的重要工具——基于場(chǎng)景的自動(dòng)駕駛仿真技術(shù)也將得到快速發(fā)展。
本書(shū)全面系統(tǒng)地介紹了MATLAB自動(dòng)駕駛函數(shù)及應(yīng)用。全書(shū)共分6章：第1章介紹了創(chuàng)建駕駛場(chǎng)景方面的25個(gè)函數(shù)，通過(guò)這些函數(shù)，可以根據(jù)需要建立不同的駕駛場(chǎng)景，它是汽車(chē)自動(dòng)駕駛仿真的基礎(chǔ)；第2章介紹了鳥(niǎo)瞰圖方面的18個(gè)函數(shù)，鳥(niǎo)瞰圖是MATLAB研究汽車(chē)自動(dòng)駕駛仿真的新方法，實(shí)現(xiàn)仿真可視化；第3章介紹了環(huán)境感知方面的40個(gè)函數(shù)，涉及視覺(jué)傳感器和雷達(dá)的檢測(cè)和數(shù)據(jù)處理，以及道路識(shí)別、車(chē)輛識(shí)別、行人識(shí)別和交通標(biāo)志識(shí)別等；第4章介紹了路徑規(guī)劃方面的13個(gè)函數(shù)，MATLAB提出利用車(chē)輛成本圖進(jìn)行路徑規(guī)劃的方法；第5章介紹了目標(biāo)跟蹤方面的29個(gè)函數(shù)，主要利用卡爾曼濾波進(jìn)行目標(biāo)跟蹤；第6章介紹了這些函數(shù)的綜合應(yīng)用實(shí)例，涉及汽車(chē)自動(dòng)行駛路線仿真、自動(dòng)駕駛場(chǎng)景仿真、汽車(chē)前向碰撞仿真、汽車(chē)自動(dòng)避障仿真、基于視覺(jué)傳感器的多車(chē)輛檢測(cè)和跟蹤、基于激光雷達(dá)的地面和障礙物檢測(cè)。
在本書(shū)編寫(xiě)過(guò)程中，主要參考了MATLAB官方網(wǎng)站的公開(kāi)資料，特向其表示謝意。
由于自動(dòng)駕駛仿真是一門(mén)新技術(shù)，自動(dòng)駕駛函數(shù)又是MATLAB新推出的， 而且采用了一些新技術(shù)和新方法，有些專用英文詞匯與中文詞匯難以匹配，翻譯成中文不一定非常準(zhǔn)確，再加上編者學(xué)識(shí)有限，書(shū)中不足之處在所難免，懇盼讀者給予指正。
編 者
崔勝民，哈爾濱工業(yè)大學(xué)（威海），教授，主要研究方向是汽車(chē)系統(tǒng)動(dòng)力學(xué)與控制、新能源汽車(chē)技術(shù)和特種車(chē)輛等，主持完成各類科研項(xiàng)目20余項(xiàng)，發(fā)表論文60余篇，培養(yǎng)各類研究生120余人，編著有《新能源汽車(chē)技術(shù)解析》《現(xiàn)代汽車(chē)技術(shù)解析》《智能網(wǎng)聯(lián)汽車(chē)新技術(shù)》《智能網(wǎng)聯(lián)汽車(chē)先進(jìn)駕駛輔助系統(tǒng)關(guān)鍵技術(shù)》《一本書(shū)讀懂新能源汽車(chē)》《一本書(shū)讀懂智能網(wǎng)聯(lián)汽車(chē)》《基于MATLAB的車(chē)輛工程仿真實(shí)例》《基于MATLAB的新能源汽車(chē)仿真實(shí)例》《MATLAB編程與汽車(chē)仿真應(yīng)用》等多本圖書(shū)。
第1章 駕駛場(chǎng)景 / 1
1.1 drivingScenario：創(chuàng)建駕駛場(chǎng)景 2
1.2 plot：繪制駕駛場(chǎng)景 3
1.3 road：添加道路 4
1.4 roadNetwork：添加道路網(wǎng) 5
1.5 roadBoundaries：道路邊界 6
1.6 laneMarking：車(chē)道標(biāo)線 8
1.7 laneMarkingVertices：車(chē)道標(biāo)線頂點(diǎn) 10
1.8 laneType：車(chē)道類型 12
1.9 lanespec：車(chē)道規(guī)范 13
1.10 vehicle：添加車(chē)輛 14
1.11 actor：添加交通參與者 17
1.12 trajectory：交通參與者軌跡 19
1.13 actorPoses：交通參與者姿態(tài) 20
1.14 actorProfiles：交通參與者特性 22
1.15 currentLane：當(dāng)前車(chē)道 23
1.16 record：交通參與者狀態(tài)記錄 25
1.17 chasePlot：繪制追逐圖 26
1.18 laneBoundaries：車(chē)道邊界 28
1.19 clothoidLaneBoundary：回旋線車(chē)道邊界模型 31
1.20 computeBoundaryModel：計(jì)算車(chē)道邊界點(diǎn) 33
1.21 targetPoses：目標(biāo)姿態(tài) 34
1.22 targetOutlines：目標(biāo)輪廓 35
1.23 updatePlots：更新駕駛場(chǎng)景圖 37
1.24 radarDetectionGenerator：雷達(dá)檢測(cè)器 38
1.25 visionDetetionGenerator：視覺(jué)檢測(cè)器 41
第2章 鳥(niǎo)瞰圖 / 45
2.1 birdsEyePlot：創(chuàng)建鳥(niǎo)瞰圖 46
2.2 coverageAreaPlotter：覆蓋區(qū)繪圖儀 47
2.3 plotCoverageArea：繪制覆蓋區(qū) 48
2.4 detectionPlotter：檢測(cè)繪圖儀 49
2.5 plotDetection：繪制目標(biāo)檢測(cè) 50
2.6 laneBoundaryPlotter：車(chē)道邊界繪圖儀 52
2.7 plotLaneBoundary：繪制車(chē)道邊界 53
2.8 laneMarkingPlotter：車(chē)道標(biāo)線繪圖儀 54
2.9 plotLaneMarking：繪制車(chē)道標(biāo)線 56
2.10 pathPlotter：路徑繪圖儀 58
2.11 plotPath：繪制路徑 59
2.12 trackPlotter：軌跡繪圖儀 61
2.13 plotTrack：繪制軌跡 62
2.14 outlinePlotter：輪廓繪圖儀 63
2.15 plotOutline：繪制輪廓 65
2.16 findPlotter：查找繪圖儀 66
2.17 clearPlotterData：清除繪圖儀數(shù)據(jù) 68
2.18 clearData：清除特定繪圖儀數(shù)據(jù) 69
第3章 環(huán)境感知 / 71
3.1 monoCamera：配置單目攝像機(jī) 72
3.2 imageToVehicle：圖像坐標(biāo)轉(zhuǎn)換為車(chē)輛坐標(biāo) 73
3.3 vehicleToImage：車(chē)輛坐標(biāo)轉(zhuǎn)換為圖像坐標(biāo) 75
3.4 estimateMonoCameraParameters：?jiǎn)文繑z像機(jī)外部參數(shù) 75
3.5 birdsEyeview：利用逆透視變換創(chuàng)建鳥(niǎo)瞰圖對(duì)象 77
3.6 transformImage：將圖像轉(zhuǎn)換為鳥(niǎo)瞰圖像 78
3.7 imageToVehicle：將鳥(niǎo)瞰圖像坐標(biāo)轉(zhuǎn)換為車(chē)輛坐標(biāo) 79
3.8 vehicleToImage：將車(chē)輛坐標(biāo)轉(zhuǎn)換為鳥(niǎo)瞰圖像坐標(biāo) 81
3.9 segmentLaneMarkerRidge：檢測(cè)灰度圖像中的車(chē)道 82
3.10 parabolicLaneBoundary：拋物線車(chē)道邊界模型 83
3.11 findParabolicLaneBoundaries：用拋物線模型尋找車(chē)道邊界 84
3.12 insertLaneBoundary：在圖像中插入車(chē)道邊界 86
3.13 cubicLaneBoundaryModel：三次方車(chē)道邊界模型 87
3.14 findCubicLaneBoundaries：用三次方模型尋找車(chē)道邊界 88
3.15 computeBoundaryModel：求車(chē)道邊界坐標(biāo)值 90
3.16 evaluateLaneBoundaries：評(píng)價(jià)車(chē)道邊界模型 91
3.17 vehicleDetectorACF： ACF車(chē)輛檢測(cè)器 92
3.18 detect： ACF目標(biāo)檢測(cè) 93
3.19 vehicleDetectorFasterRCNN： RCNN車(chē)輛檢測(cè)器 95
3.20 peopleDetectorACF： ACF行人檢測(cè)器 96
3.21 vision.PeopleDetector：基于HOG特征檢測(cè)行人 98
3.22 configureDetectorMonoCamera：?jiǎn)文繑z像機(jī)目標(biāo)檢測(cè)器 99
3.23 trainACFObjecDetector：訓(xùn)練ACF目標(biāo)檢測(cè)器 101
3.24 trainFastRCNNObjectDetector：訓(xùn)練RCNN目標(biāo)檢測(cè)器 103
3.25 trainFasterRCNNObjectDetector：訓(xùn)練更快的RCNN目標(biāo)檢測(cè)器 105
3.26 trainYOLO v2ObjectDetector：訓(xùn)練YOLO v2目標(biāo)檢測(cè)器 106
3.27 objecDetectorTrainingData：目標(biāo)檢測(cè)器訓(xùn)練數(shù)據(jù) 108
3.28 insertMarker：插入標(biāo)記 109
3.29 pointCloud：創(chuàng)建三維點(diǎn)云 110
3.30 pcdenoise：去除三維點(diǎn)云噪聲 112
3.31 pcmerge：合并三維點(diǎn)云 113
3.32 pcnormals：估計(jì)三維點(diǎn)云表面法線 114
3.33 pctransform：三維點(diǎn)云變換 115
3.34 pcregistercpd：基于CPD的三維點(diǎn)云配準(zhǔn) 117
3.35 pcregistericp：基于ICP的三維點(diǎn)云配準(zhǔn) 118
3.36 pcregisterndt：基于NDT的三維點(diǎn)云配準(zhǔn) 120
3.37 pcsegdist：基于歐幾里得的點(diǎn)云分割 121
3.38 segmentLidarData：激光雷達(dá)數(shù)據(jù)分割 123
3.39 segmentGroundFromLidarData：激光雷達(dá)數(shù)據(jù)分割地面點(diǎn) 125
3.40 pcfitplane：三維點(diǎn)云平面擬合 126
第4章 路徑規(guī)劃 / 129
4.1 vehicleCostmap：車(chē)輛成本圖 130
4.2 vehicleDimensions：車(chē)輛尺寸 132
4.3 checkFree：空閑區(qū)檢測(cè) 133
4.4 checkOccupied：占用區(qū)域檢測(cè) 134
4.5 getCosts：獲取單元格成本 136
4.6 setCosts：設(shè)置單元格成本 138
4.7 inflationCollisionChecker：碰撞檢測(cè) 139
4.8 pathPlannerRRT： RRT* 路徑規(guī)劃器 141
4.9 plan：路徑規(guī)劃 142
4.10 checkPathValidity：檢查路徑規(guī)劃的有效性 144
4.11 interpolate：沿路徑插入車(chē)輛姿態(tài) 145
4.12 smoothPathSpline：路徑平滑 146
4.13 lateralControllerStanley：橫向控制器 147
第5章 目標(biāo)跟蹤 / 149
5.1 multObjectTracker：多目標(biāo)跟蹤器 150
5.2 objectDetection：?jiǎn)文繕?biāo)檢測(cè)報(bào)告 151
5.3 getTrackPositions：獲取跟蹤位置 152
5.4 getTrackVelocities：獲取跟蹤速度 153
5.5 trackingKF：線性卡爾曼濾波器 155
5.6 predict：卡爾曼濾波器預(yù)測(cè) 156
5.7 correct：卡爾曼濾波器校正 157
5.8 initcvkf：勻速線性卡爾曼濾波器 158
5.9 initcakf：加速線性卡爾曼濾波器 159
5.10 trackingEKF：線性擴(kuò)展卡爾曼濾波器 160
5.11 initcvekf：勻速線性擴(kuò)展卡爾曼濾波器 161
5.12 initcaekf：加速線性擴(kuò)展卡爾曼濾波器 162
5.13 initctekf：轉(zhuǎn)向線性擴(kuò)展卡爾曼濾波器 163
5.14 trackingUKF：無(wú)跡卡爾曼濾波器 164
5.15 initcvukf：勻速無(wú)跡卡爾曼濾波器 166
5.16 initcaukf：加速無(wú)跡卡爾曼濾波器 167
5.17 initctukf：轉(zhuǎn)向無(wú)跡卡爾曼濾波器 168
5.18 constvel：勻速運(yùn)動(dòng)模型 169
5.19 constveljac：勻速運(yùn)動(dòng)的雅可比矩陣 170
5.20 cvmeas：勻速運(yùn)動(dòng)測(cè)量函數(shù) 171
5.21 cvmeasjac：勻速運(yùn)動(dòng)測(cè)量函數(shù)的雅可比矩陣 172
5.22 constacc：加速運(yùn)動(dòng)模型 173
5.23 constaccjac：加速運(yùn)動(dòng)的雅可比矩陣 174
5.24 cameas：加速運(yùn)動(dòng)測(cè)量函數(shù) 175
5.25 cameasjac：加速運(yùn)動(dòng)測(cè)量函數(shù)的雅可比矩陣 176
5.26 constturn：轉(zhuǎn)向運(yùn)動(dòng)模型 177
5.27 constturnjac：轉(zhuǎn)向運(yùn)動(dòng)的雅可比矩陣 178
5.28 ctmeas：轉(zhuǎn)向運(yùn)動(dòng)的測(cè)量函數(shù) 179
5.29 ctmeasjac：轉(zhuǎn)向運(yùn)動(dòng)測(cè)量函數(shù)的雅可比矩陣 180
第6章 綜合應(yīng)用實(shí)例 / 182
6.1 汽車(chē)自動(dòng)行駛路線仿真 183
6.2 駕駛場(chǎng)景仿真 184
6.3 汽車(chē)前向碰撞仿真 187
6.4 汽車(chē)自動(dòng)避障仿真 188
6.5 基于視覺(jué)傳感器的多車(chē)輛檢測(cè)和跟蹤 190
6.6 基于激光雷達(dá)的地面和障礙物檢測(cè) 193
參考文獻(xiàn) / 196
書(shū)單推薦
