第1章　自動駕駛感知系統(tǒng)概述 001
1.1　自動駕駛系統(tǒng)的技術(shù)架構(gòu) 002
1.1.1　自動駕駛“三橫兩縱”架構(gòu) 002
1.1.2　自動駕駛的四大關(guān)鍵技術(shù) 005
1.1.3　自動駕駛的計(jì)算平臺架構(gòu) 007
1.1.4　自動駕駛的軟件系統(tǒng)框架 010
1.2　感知系統(tǒng)框架與關(guān)鍵技術(shù) 013
1.2.1　感知系統(tǒng)整體架構(gòu) 013
1.2.2　車載傳感器技術(shù) 014
1.2.3　定位導(dǎo)航技術(shù) 016
1.2.4　車聯(lián)通信技術(shù) 017
1.3　感知系統(tǒng)測試技術(shù)與方法 019
1.3.1　圖像系統(tǒng)測試 021
1.3.2　激光雷達(dá)系統(tǒng)測試 022
1.3.3　融合感知系統(tǒng)測試 023

第2章　車載傳感器技術(shù) 025
2.1　車載攝像頭 026
2.1.1　車載攝像頭原理與分類 026
2.1.2　車載攝像頭的部件構(gòu)成 029
2.1.3　車載攝像頭的玩家群像 031
2.1.4　車載攝像頭的技術(shù)趨勢 033
2.2　激光雷達(dá) 035
2.2.1　激光雷達(dá)的原理與應(yīng)用 035
2.2.2　激光雷達(dá)的類型與特點(diǎn) 037
2.2.3　激光雷達(dá)的零部件構(gòu)成 039
2.2.4　激光雷達(dá)的產(chǎn)業(yè)鏈圖譜 041
2.3　超聲波雷達(dá) 044
2.3.1　超聲波雷達(dá)的特點(diǎn)與原理 044
2.3.2　超聲波雷達(dá)的類型與參數(shù) 046
2.3.3　超聲波雷達(dá)的行業(yè)競爭格局 048
2.4　毫米波雷達(dá) 050
2.4.1　毫米波雷達(dá)特性與優(yōu)勢 050
2.4.2　毫米波雷達(dá)的工作原理 051
2.4.3　毫米波雷達(dá)在自動駕駛中的應(yīng)用 053
2.4.4　毫米波雷達(dá)在智能交通中的應(yīng)用 054

第3章　定位導(dǎo)航技術(shù) 058
3.1　全球?qū)Ш叫l(wèi)星系統(tǒng) 059
3.1.1　全球定位系統(tǒng)的原理 059
3.1.2　全球定位系統(tǒng)的構(gòu)成 061
3.1.3　全球主流的導(dǎo)航衛(wèi)星系統(tǒng) 062
3.1.4　基于GPS的汽車導(dǎo)航系統(tǒng) 065
3.2　慣性導(dǎo)航系統(tǒng) 067
3.2.1　慣性導(dǎo)航技術(shù)的演變發(fā)展 067
3.2.2　慣性導(dǎo)航系統(tǒng)結(jié)構(gòu)與類型 069
3.2.3　慣性導(dǎo)航系統(tǒng)的工作原理 071
3.2.4　慣性導(dǎo)航系統(tǒng)的核心算法 073
3.3　高精度地圖技術(shù) 076
3.3.1　高精度地圖技術(shù)特點(diǎn)與應(yīng)用 076
3.3.2　自動駕駛的高精度定位技術(shù) 079
3.3.3　國外高精度地圖的發(fā)展現(xiàn)狀 081
3.3.4　我國高精度地圖的發(fā)展現(xiàn)狀 082

第4章　車聯(lián)網(wǎng)通信技術(shù) 084
4.1　車聯(lián)網(wǎng)概念、內(nèi)涵及架構(gòu) 085
4.1.1　車聯(lián)網(wǎng)的概念及內(nèi)涵 085
4.1.2　車聯(lián)網(wǎng)功能架構(gòu)體系 089
4.1.3　車聯(lián)網(wǎng)技術(shù)標(biāo)準(zhǔn)體系 091
4.1.4　車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展現(xiàn)狀 093
4.2　車聯(lián)網(wǎng)通信的技術(shù)路線 094
4.2.1　DSRC技術(shù) 094
4.2.2　LTE-V2X技術(shù) 096
4.2.3　5G-V2X技術(shù) 098
4.3　5G車聯(lián)網(wǎng)整體解決方案 100
4.3.1　車聯(lián)網(wǎng)面臨的技術(shù)挑戰(zhàn) 100
4.3.2　5G車聯(lián)網(wǎng)的應(yīng)用優(yōu)勢 102
4.3.3　5G車聯(lián)網(wǎng)關(guān)鍵技術(shù) 104
4.3.4　5G車聯(lián)網(wǎng)解決方案 107

第5章　計(jì)算機(jī)視覺感知技術(shù) 111
5.1　計(jì)算機(jī)視覺的原理與任務(wù) 112
5.1.1　計(jì)算機(jī)視覺的概念與原理 112
5.1.2　任務(wù)1：圖像分類 113
5.1.3　任務(wù)2：目標(biāo)檢測 116
5.1.4　任務(wù)3：目標(biāo)跟蹤 117
5.1.5　任務(wù)4：圖像分割 118
5.1.6　任務(wù)5：影像重建 120
5.2　基于深度學(xué)習(xí)的目標(biāo)檢測算法 121
5.2.1　單階段目標(biāo)檢測算法 122
5.2.2　二階段目標(biāo)檢測算法 125
5.2.3　無錨點(diǎn)目標(biāo)檢測算法 129
5.2.4　目標(biāo)檢測算法的性能比較 131
5.3　基于深度學(xué)習(xí)的深度估計(jì) 132
5.3.1　傳統(tǒng)單目深度估計(jì)的方法 132
5.3.2　傳統(tǒng)雙目深度估計(jì)的方法 134
5.3.3　基于深度學(xué)習(xí)的單目深度估計(jì) 136
5.3.4　雙目立體視覺匹配的算法流程 138
5.3.5　基于場景的深度估計(jì)數(shù)據(jù)集 140
5.4　SLAM技術(shù)與應(yīng)用 141
5.4.1　SLAM系統(tǒng)結(jié)構(gòu)與原理 141
5.4.2　SLAM分類與流程 145
5.4.3　激光雷達(dá)主流的SLAM算法 147
5.4.4　基于SLAM的自動駕駛應(yīng)用 151

第6章　目標(biāo)檢測與識別技術(shù) 154
6.1　道路檢測與識別 155
6.1.1　道路檢測與識別方法 155
6.1.2　道路檢測與識別算法 157
6.1.3　道路障礙物檢測與識別 159
6.1.4　可行駛區(qū)域檢測與識別 161
6.2　車輛檢測與識別 163
6.2.1　車型檢測與識別方法 163
6.2.2　車牌檢測與識別方法 166
6.2.3　車輛時空參數(shù)識別 169
6.2.4　車輛重量參數(shù)識別 172
6.3　行人檢測與識別 174
6.3.1　行人檢測系統(tǒng)的技術(shù)與應(yīng)用 174
6.3.2　基于計(jì)算機(jī)視覺的行人檢測 176
6.3.3　行人檢測與跟蹤的主要方法 178
6.4　交通標(biāo)志檢測與識別 180
6.4.1　交通標(biāo)志識別的技術(shù)原理 180
6.4.2　道路交通標(biāo)志識別的方法 182
6.4.3　道路交通標(biāo)志識別的應(yīng)用 184

第7章　多傳感器信息融合技術(shù) 187
7.1　多傳感器信息融合的原理與結(jié)構(gòu) 188
7.1.1　多傳感器信息融合的工作原理 188
7.1.2　多傳感器信息融合的主要優(yōu)勢 189
7.1.3　多傳感器信息融合的三個層次 191
7.1.4　多傳感器信息融合的系統(tǒng)結(jié)構(gòu) 192
7.2　多傳感器信息融合的算法與技術(shù) 195
7.2.1　隨機(jī)類信息融合算法 195
7.2.2　AI類信息融合算法 198
7.3　基于多傳感器信息融合的環(huán)境感知策略 199
7.3.1　基于信息融合的感知系統(tǒng) 199
7.3.2　多傳感器信息融合與目標(biāo)探測 201
7.3.3　面向自動駕駛的融合策略 203
7.3.4　可行駛區(qū)域探測信息融合 205

參考文獻(xiàn) 207