顶部
  1. 首页
  2. 图书产品
  3. 智能网联汽车技术基础
收藏

智能网联汽车技术基础

样章
作者：
赵万忠 王源隆
定价：
42.00元
ISBN：
978-7-04-059534-5
版面字数：
400.000千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
重点项目：
暂无
出版时间：
2023-08-15
读者对象：
高等教育
一级分类：
电气/电子信息/自动化类
二级分类：
电气/自动化专业课
三级分类：
其他

本书是工业和信息化部“十四五”规划教材，系统阐述了智能网联汽车的关键技术，并适当介绍了智能网联汽车领域的新理念和新方法。全书共分八章，包括：智能网联汽车概述，环境感知技术，定位导航技术，决策与路径规划技术，运动控制技术，网联通信技术，架构、测试与评价技术，深度学习与自动驾驶等。

本书可作为高等学校交通运输类、计算机类、电子信息类、自动化类、电气类、机械类、材料类等专业的本科生或研究生教学用书，对从事智能网联汽车的工程技术人员、研究人员也有很好的参考价值。

  • 前辅文
  • 第一章　智能网联汽车概述
    • 1.1　智能网联汽车的内涵
      • 1.1.1　智能网联汽车的定义
      • 1.1.2　智能网联汽车的分级
      • 1.1.3　智能交通系统
      • 1.1.4　其他相关术语
    • 1.2　智能网联汽车发展史
      • 1.2.1　无人驾驶汽车的概念初期
      • 1.2.2　机器视觉的初步应用时期
      • 1.2.3　无人驾驶汽车的成型时期
      • 1.2.4　无人驾驶挑战赛不断蓄能时期
      • 1.2.5　智能网联汽车的快速发展时期
    • 1.3　中国智能网联汽车发展概述
      • 1.3.1　中国智能网联汽车发展基础
      • 1.3.2　中国智能网联汽车发展目标
    • 1.4　智能网联汽车架构
      • 1.4.1　智能网联汽车整车架构
      • 1.4.2　智能网联汽车关键技术架构
  • 第二章　智能网联汽车环境感知技术
    • 2.1　激光雷达
      • 2.1.1　激光雷达的工作原理
      • 2.1.2　激光雷达的类型
      • 2.1.3　激光雷达的性能指标与特点
      • 2.1.4　激光雷达的应用
      • 2.1.5　基于激光雷达的目标检测
      • 2.1.6　激光雷达面临的挑战
    • 2.2　毫米波雷达
      • 2.2.1　毫米波雷达的工作原理
      • 2.2.2　毫米波雷达的类型
      • 2.2.3　毫米波雷达的性能指标和特点
      • 2.2.4　毫米波雷达的应用
    • 2.3　超声波雷达
      • 2.3.1　超声波雷达的工作原理
      • 2.3.2　超声波雷达的类型
      • 2.3.3　超声波雷达的性能指标与特点
      • 2.3.4　超声波雷达的应用
    • 2.4　车载视觉传感器
      • 2.4.1　视觉传感器的工作原理
      • 2.4.2　视觉传感器的类型
      • 2.4.3　视觉传感器的性能指标与特点
      • 2.4.4　视觉传感器的应用
      • 2.4.5　车载视觉技术
      • 2.4.6　色彩空间模型
      • 2.4.7　基于视觉的车道线检测
    • 2.5　多传感器融合
      • 2.5.1　多传感器融合的层次
      • 2.5.2　多传感器融合的关键问题
      • 2.5.3　多传感器融合思路
  • 第三章　智能网联汽车定位导航技术
    • 3.1　定位导航技术概述
    • 3.2　全球导航卫星系统(GNSS)
      • 3.2.1　GNSS的定位原理
      • 3.2.2　GNSS的误差
      • 3.2.3　差分GNSS的原理
      • 3.2.4　GNSS的特点
    • 3.3　蜂窝定位技术
      • 3.3.1　AOA定位法
      • 3.3.2　TOA定位法
      • 3.3.3　TDOA定位法
    • 3.4　惯性导航系统
      • 3.4.1　惯性测量单元
      • 3.4.2　惯性导航系统的工作原理
      • 3.4.3　惯性导航系统的特点
      • 3.4.4　电子罗盘
      • 3.4.5　航迹推算定位
    • 3.5　组合定位技术
      • 3.5.1　GNSS/INS的组合定位
      • 3.5.2　卡尔曼滤波
      • 3.5.3　GNSS/DR组合导航定位系统
    • 3.6　即时定位与地图构建(SLAM)
      • 3.6.1　SLAM的基本概念
      • 3.6.2　视觉SLAM的基本概念
      • 3.6.3　视觉SLAM的框架
      • 3.6.4　视觉SLAM的前端方法
      • 3.6.5　激光雷达SLAM的基本概念
      • 3.6.6　激光雷达SLAM的框架
      • 3.6.7　激光雷达SLAM的前端方法
      • 3.6.8　视觉SLAM与激光雷达SLAM的对比
      • 3.6.9　SLAM的关键问题
    • 3.7　高精度地图
      • 3.7.1　高精度地图简介
      • 3.7.2　高精度地图与导航电子地图的区别
      • 3.7.3　高精度地图的作用
      • 3.7.4　高精度地图生产过程
  • 第四章　智能网联汽车决策与路径规划技术
    • 4.1　环境预测
    • 4.2　行为决策
      • 4.2.1　行为决策的基本方法
      • 4.2.2　有限状态机
      • 4.2.3　基于有限状态机的行为决策系统
      • 4.2.4　行为决策与环境的交互方式
    • 4.3　路径规划概述
      • 4.3.1　路径规划的基本概念
      • 4.3.2　路径规划的一般步骤及其特点
      • 4.3.3　路径规划中的环境建模
    • 4.4　基于采样的路径搜索算法
      • 4.4.1　随机路径图算法(PRM)
      • 4.4.2　快速扩展随机数算法(RRT)
      • 4.4.3　维诺图法(Voronoi)
    • 4.5　基于地图的路径搜索算法
      • 4.5.1　 Dijkstra算法
      • 4.5.2　A*算法
      • 4.5.3　改进A*算法
    • 4.6　其他路径规划方法
      • 4.6.1　人工势场法
      • 4.6.2　蚁群算法
      • 4.6.3　触须算法
      • 4.6.4　遗传算法
  • 第五章　智能网联汽车运动控制技术
    • 5.1　智能网联汽车线控系统
      • 5.1.1　线控油门系统
      • 5.1.2　线控制动系统
      • 5.1.3　线控转向系统
    • 5.2　车辆模型
      • 5.2.1　车辆运动学模型
      • 5.2.2　车辆动力学模型
    • 5.3　汽车运动控制理论
      • 5.3.1　经典PID控制理论
      • 5.3.2　 LQR控制理论
      • 5.3.3　模糊控制
      • 5.3.4　自适应控制
      • 5.3.5　模型预测控制
      • 5.3.6　神经网络控制
      • 5.3.7　滑模控制
      • 5.3.8　鲁棒控制
    • 5.4　智能网联车辆横向控制
      • 5.4.1　纯跟踪算法
      • 5.4.2　基于航向预估的横向控制
      • 5.4.3　基于最优控制的LQG/LTR横向控制
      • 5.4.4　基于滑模变结构理论的横向控制
      • 5.4.5　基于MPC的横向控制
    • 5.5　智能网联车辆纵向控制
      • 5.5.1　基于模糊PID的纵向控制
      • 5.5.2　基于MPC的纵向跟车控制
  • 第六章　智能网联汽车网联通信技术
    • 6.1　智能网联汽车网络系统概述
      • 6.1.1　V2X通信技术
      • 6.1.2　智能网联汽车网络体系
      • 6.1.3　智能网联汽车网络系统的特点
    • 6.2　车载网络系统
      • 6.2.1　车载网络系统的分类
      • 6.2.2　CAN总线网络
      • 6.2.3　LIN总线网络
      • 6.2.4　FlexRay总线网络
      • 6.2.5　MOST总线网络
      • 6.2.6　以太网
    • 6.3　车载自组织网络
      • 6.3.1　车载自组织网络的定义
      • 6.3.2　车载自组织网络的类型
      • 6.3.3　车载自组织网络的路由协议类型
      • 6.3.4　车载自组织网络的主要属性
    • 6.4　短距离无线通信技术
      • 6.4.1　无线通信的定义
      • 6.4.2　无线通信的分类
      • 6.4.3　DSRC通信
      • 6.4.4　其他短距离无线通信技术
    • 6.5　车载移动互联网
      • 6.5.1　移动互联网的定义
      • 6.5.2　移动互联网的接入方式
      • 6.5.3　车载移动互联网
    • 6.6　移动网络通信技术
      • 6.6.1　移动网络通信技术的定义与组成
      • 6.6.2　移动网络通信技术的发展
      • 6.6.3　5G网络的关键技术
      • 6.6.4　5G网络的特点
      • 6.6.5　C-V2X通信
    • 6.7　车路协同技术
      • 6.7.1　车路协同的定义
      • 6.7.2　车路协同系统关键技术
      • 6.7.3　车路协同技术的应用场景
      • 6.7.4　基于V2X的网联车辆队列的通信拓扑结构
      • 6.7.5　网联车辆队列行驶系统建模
      • 6.7.6　智能网联汽车队列系统控制方法
  • 第七章　智能网联汽车架构、测试与评价技术
    • 7.1　智能网联汽车电子电气架构
      • 7.1.1　分布式电子电气架构
      • 7.1.2　域集中式电子电气架构
      • 7.1.3　中央集中式电子电气架构
    • 7.2　智能网联汽车计算平台架构
      • 7.2.1　智能网联汽车系统软件抽象层
      • 7.2.2　智能网联汽车系统软件操作系统内核
      • 7.2.3　智能网联汽车系统软件中间件组件
      • 7.2.4　智能网联汽车计算硬件平台
      • 7.2.5　智能网联汽车计算框架ROS
    • 7.3　智能网联汽车仿真测试
      • 7.3.1　智能网联汽车测试技术概述
      • 7.3.2　智能网联汽车仿真测试技术
      • 7.3.3　智能网联汽车仿真测试平台
    • 7.4　智能网联汽车道路测试与评价方法
      • 7.4.1　智能网联汽车实车测试
      • 7.4.2　智能网联汽车测试场设计技术要求
      • 7.4.3　智能网联汽车封闭道路测试项目
      • 7.4.4　智能网联汽车封闭道路测试方法
      • 7.4.5　智能网联汽车封闭道路测试评价方法
  • 第八章　深度学习与自动驾驶
    • 8.1　深度学习
      • 8.1.1　深度学习的概念
      • 8.1.2　深度学习的基本原理
    • 8.2　卷积神经网络(CNN)
      • 8.2.1　卷积神经网络的基本概念
      • 8.2.2　卷积神经网络的基本结构
      • 8.2.3　经典卷积神经网络
    • 8.3　循环神经网络(RNN)
      • 8.3.1　循环神经网络的基本概念
      • 8.3.2　循环神经网络的基本结构
      • 8.3.3　长短时记忆网络(LSTM)
    • 8.4　其他人工智能网络
      • 8.4.1　生成对抗网络(GAN)
      • 8.4.2　深度强化学习
    • 8.5　深度学习在自动驾驶领域的应用
      • 8.5.1　深度学习在环境感知领域的应用
      • 8.5.2　深度学习在决策规划领域的应用
      • 8.5.3　深度学习在运动控制领域的应用
      • 8.5.4　端到端自动驾驶系统
    • 8.6　自动驾驶数据集
    • 8.7　自动驾驶领域深度学习应用挑战
    • 8.8　自动驾驶领域深度学习应用未来发展方向
  • 参考文献

相关图书

仪器科学与技术概论

潘仲明

￥46.80 收藏

全国大学生智能汽车竞赛指导系列丛书——基础知识

程玉华

￥35.00 收藏

全国大学生智能汽车竞赛指导系列丛书——硬件设计

程玉华

￥35.00 收藏

全国大学生智能汽车竞赛指导系列丛书——系统设计

程玉华

￥35.00 收藏

全国大学生智能汽车竞赛指导系列丛书——软件设计

程玉华

￥35.00 收藏

智能仪器原理与设计

朱欣华 等

￥28.70 收藏

机器学习基础

李宏亮，孟凡满，吴庆波

￥54.00 收藏

机器视觉技术及应用

张静亚 涂水林 主编 张静亚 涂水林 魏学光 吴健辉 编

￥33.50 收藏

机器视觉技术及应用(第2版)

韩九强、钟德星

￥53.00 收藏

电气与PLC控制技术及应用

张晓峰

￥38.00 收藏

自动化系统集成技术

韩力群 等

￥24.20 收藏

计算机视觉技术及应用

主编：吴成东 副主编：迟剑宁、张祥越、于晓升

￥40.50 收藏