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

智能机器人系统设计

主编：赵杰

￥0.00 收藏

机器人理论与技术基础

丁希仑、徐坤

￥36.50 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