国产特级毛片aaaaaa,国产视频高清在线,日韩精品区欧美在线一区

環(huán)境感知是智能駕駛技術(shù)的重要組成部分，也是實(shí)現(xiàn)智能決策與協(xié)同控制的信息基礎(chǔ)。本書(shū)以智能駕駛汽車(chē)復(fù)雜場(chǎng)景感知技術(shù)為出發(fā)點(diǎn)，首先對(duì)智能駕駛環(huán)境感知技術(shù)背景、發(fā)展現(xiàn)狀及關(guān)鍵挑戰(zhàn)進(jìn)行概述，隨后從復(fù)雜場(chǎng)景感知的深度學(xué)習(xí)方法、面向智能駕駛復(fù)雜場(chǎng)景感知的目標(biāo)檢測(cè)技術(shù)、面向智能駕駛復(fù)雜場(chǎng)景的多任務(wù)感知關(guān)鍵技術(shù)、車(chē)聯(lián)網(wǎng)場(chǎng)景下多傳感器融合感知技術(shù)、復(fù)雜場(chǎng)景感知中的邊緣計(jì)算技術(shù)、復(fù)雜感知技術(shù)在智能駕駛場(chǎng)景中的實(shí)際應(yīng)用等方面對(duì)智能駕駛汽車(chē)復(fù)雜場(chǎng)景感知進(jìn)行全面的介紹和討論，具有較高的學(xué)術(shù)價(jià)值和市場(chǎng)需求。本書(shū)可供智能駕駛相關(guān)行業(yè)的汽車(chē)制造商、技術(shù)公司和學(xué)術(shù)研究者等閱讀使用，也適用于大專院校中機(jī)械學(xué)院、汽車(chē)學(xué)院、計(jì)算機(jī)學(xué)院、人工智能學(xué)院的師生閱讀參考。

隨著汽車(chē)工業(yè)的快速發(fā)展，智能駕駛技術(shù)已經(jīng)成為汽車(chē)產(chǎn)業(yè)的重要發(fā)展方向，并被視為推動(dòng)交通運(yùn)輸體系革新的關(guān)鍵力量。實(shí)現(xiàn)安全、高效、可靠的自動(dòng)駕駛，不僅能夠顯著提升交通運(yùn)輸?shù)男剩?減少交通事故的發(fā)生，還可以推動(dòng)環(huán)保節(jié)能等多方面的社會(huì)效益提升。然而，車(chē)輛對(duì)復(fù)雜場(chǎng)景的準(zhǔn)確感知與理解成為限制系統(tǒng)性能的關(guān)鍵問(wèn)題，這也是當(dāng)前智能駕駛技術(shù)在復(fù)雜環(huán)境中進(jìn)一步推廣應(yīng)用的主要挑戰(zhàn)。在感知技術(shù)的發(fā)展歷程中，智能駕駛系統(tǒng)經(jīng)歷了從單傳感器感知、多傳感器融合感知，再到車(chē)路協(xié)同感知等多個(gè)重要階段。當(dāng)前，我國(guó)在智能駕駛感知技術(shù)的發(fā)展中，正積極推動(dòng)車(chē)路協(xié)同感知技術(shù)的應(yīng)用，這種技術(shù)可以視為更廣泛的多傳感器融合技術(shù)，有效擴(kuò)展了車(chē)輛的感知范圍，提升了感知系統(tǒng)在復(fù)雜交通場(chǎng)景中的響應(yīng)速度和決策能力。本書(shū)針對(duì)智能駕駛汽車(chē)復(fù)雜場(chǎng)景感知技術(shù)的相關(guān)知識(shí)進(jìn)行介紹，希望能為當(dāng)前致力于智能駕駛場(chǎng)景感知技術(shù)的人員提供新的想法和思路。本書(shū)共分７章，第１章對(duì)智能駕駛汽車(chē)復(fù)雜場(chǎng)景感知技術(shù)進(jìn)行了全面的概述，詳細(xì)介紹了智能駕駛技術(shù)的發(fā)展背景與智能車(chē)輛的研究現(xiàn)狀，深入分析了復(fù)雜場(chǎng)景感知技術(shù)的重要性，并對(duì)復(fù)雜場(chǎng)景感知技術(shù)的關(guān)鍵問(wèn)題及未來(lái)的研究方向進(jìn)行了討論；第２章對(duì)復(fù)雜場(chǎng)景感知的深度學(xué)習(xí)方法進(jìn)行了詳細(xì)介紹，這些理論的快速發(fā)展為實(shí)現(xiàn)復(fù)雜場(chǎng)景感知提供了可能，也為后續(xù)章節(jié)具體方法的深入分析與討論奠定了理論基礎(chǔ)；第３、４章對(duì)場(chǎng)景感知中所涉及的目標(biāo)檢測(cè)、目標(biāo)跟蹤、語(yǔ)義分割和實(shí)例分割技術(shù)進(jìn)行了詳細(xì)討論，系統(tǒng)地分析了這些技術(shù)目前的主流方法以及存在的關(guān)鍵問(wèn)題；第５、６章對(duì)車(chē)聯(lián)網(wǎng)多傳感器融合系統(tǒng)以及車(chē)聯(lián)網(wǎng)時(shí)代必不可少的邊緣計(jì)算技術(shù)進(jìn)行了概述，相關(guān)方法也是當(dāng)前推動(dòng)智能駕駛汽車(chē)復(fù)雜場(chǎng)景感知的關(guān)鍵，可為智能駕駛復(fù)雜場(chǎng)景感知的發(fā)展提供重要的參考價(jià)值；第７章對(duì)當(dāng)前復(fù)雜感知技術(shù)在智能駕駛場(chǎng)景中的實(shí)際應(yīng)用進(jìn)行了詳細(xì)闡述，包括機(jī)場(chǎng)自動(dòng)駕駛托運(yùn)車(chē)、礦業(yè)自動(dòng)駕駛貨車(chē)、港口貨運(yùn)自動(dòng)駕駛貨車(chē)、自動(dòng)駕駛清掃車(chē)等典型案例，其表明了復(fù)雜感知技術(shù)在動(dòng)態(tài)交通場(chǎng)景中的適應(yīng)能力與發(fā)展?jié)摿Α１緯?shū)由田迪、李嘉波、王艷、劉永濤撰寫(xiě)，田迪負(fù)責(zé)第１～６章的撰寫(xiě)工作，李嘉波負(fù)責(zé)第７章的撰寫(xiě)工作，王艷、劉永濤負(fù)責(zé)參考文獻(xiàn)的整理工作。本書(shū)得到了西安石油大學(xué)優(yōu)秀學(xué)術(shù)著作出版基金、陜西省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（２０２４ＣＹ２?ＧＪＨＸ?３１）、陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目（２０２５ＪＣ?ＹＢＱＮ?６４５）、陜西省教育廳科研計(jì)劃項(xiàng)目（２４ＪＲ１２８）的資助與支持，在此深表謝意。本書(shū)力求做到文字準(zhǔn)確、精練，插圖清晰，幫助讀者掌握智能駕駛汽車(chē)復(fù)雜場(chǎng)景感知技術(shù)的發(fā)展現(xiàn)狀與研究方法，但由于作者水平有限，書(shū)中難免出現(xiàn)不妥之處，懇請(qǐng)讀者批評(píng)指正，共同推動(dòng)我國(guó)智能駕駛技術(shù)的發(fā)展。作　者

前　言第1 章緒論1.1　智能駕駛環(huán)境感知技術(shù)背景／００１１.１.１　智能駕駛的發(fā)展背景／００１１.１.２　智能車(chē)輛的研究現(xiàn)狀／００５１.１.３　復(fù)雜場(chǎng)景感知技術(shù)的重要性／００９1.2　復(fù)雜場(chǎng)景感知技術(shù)發(fā)展現(xiàn)狀／０１０１.２.１　早期理論探索與傳統(tǒng)感知技術(shù)／０１０１.２.２　基于深度學(xué)習(xí)的復(fù)雜場(chǎng)景感知技術(shù)／０１２1.3　復(fù)雜場(chǎng)景的感知需求及關(guān)鍵挑戰(zhàn)／０１５１.３.１　復(fù)雜場(chǎng)景的具體感知需求／０１５１.３.２　復(fù)雜場(chǎng)景感知技術(shù)的關(guān)鍵問(wèn)題／０１７１.３.３　未來(lái)研究方向展望／０１９1.4　本章小結(jié)／０２０第2 章復(fù)雜場(chǎng)景感知的深度學(xué)習(xí)方法　2.1　圖像預(yù)處理方法／０２１２.１.１　圖像平滑／０２１２.１.２　尺度歸一化／０２３２.１.３�。疲铮悖酰� 切片處理／０２４２.１.４　數(shù)據(jù)增強(qiáng)／０２５2.2　卷積神經(jīng)網(wǎng)絡(luò)／０２７２.２.１　卷積神經(jīng)網(wǎng)絡(luò)關(guān)鍵模塊／０２７２.２.２　模型優(yōu)化方法／０３２２.２.３　經(jīng)典特征提取網(wǎng)絡(luò)／０３４2.3　循環(huán)神經(jīng)網(wǎng)絡(luò)／０３９２.３.１　循環(huán)神經(jīng)網(wǎng)絡(luò)概述／０３９２.３.２　循環(huán)神經(jīng)網(wǎng)絡(luò)的衍生模型／０４１２.３.３　循環(huán)神經(jīng)網(wǎng)絡(luò)的不足及其發(fā)展趨勢(shì)／０４５2.4 　Transformer ／０４７２.４.１　Ｔｒａｎｓｆｏｒｍｅｒ概述／０４８２.４.２�。裕颍幔睿螅妫铮颍恚澹� 的實(shí)現(xiàn)／０５０２.４.３　Ｔｒａｎｓｆｏｒｍｅｒ的不足及其發(fā)展趨勢(shì)／０５２2.5　生成對(duì)抗網(wǎng)絡(luò)／０５４２.５.１　生成對(duì)抗網(wǎng)絡(luò)概述／０５４２.５.２　生成對(duì)抗網(wǎng)絡(luò)的衍生模型／０５６２.５.３　生成對(duì)抗網(wǎng)絡(luò)的不足及其發(fā)展趨勢(shì)／０６０2.6　本章小結(jié)／０６２第3 章面向智能駕駛復(fù)雜場(chǎng)景感知的目標(biāo)檢測(cè)技術(shù)3.1　目標(biāo)檢測(cè)關(guān)鍵問(wèn)題的理論方法分析／０６３３.１.１　邊界框回歸損失相關(guān)理論分析／０６４３.１.２　注意力機(jī)制相關(guān)理論分析／０６８３.１.３　模型訓(xùn)練策略相關(guān)理論分析／０７３３.１.４　多尺度特征學(xué)習(xí)相關(guān)理論分析／０７４3.2　兩階段目標(biāo)檢測(cè)網(wǎng)絡(luò)／０７７３.２.１�。遥茫危� 系列／０７７３.２.２　ＲＦＣＮ／０７９３.２.３�。茫幔螅悖幔洌� ＲＣＮＮ／０８０3.3　單階段目標(biāo)檢測(cè)網(wǎng)絡(luò)／０８１３.３.１�。伲希蹋� 系列／０８１３.３.２�。樱樱� 系列／０８６３.３.３�。遥澹簦椋睿幔危澹� ／０８８3.4　無(wú)錨框目標(biāo)檢測(cè)網(wǎng)絡(luò)／０８９３.４.１�。茫铮颍睿澹颍危澹� ／０８９３.４.２　ＣｅｎｔｅｒＮｅｔ／０９１３.４.３�。疲茫希� ／０９２3.5　目標(biāo)檢測(cè)算法提升策略／０９３３.５.１　多尺度檢測(cè)／０９３３.５.２　樣本均衡化／０９４３.５.３　上下文信息／０９６３.５.４　非極大值抑制／０９７３.５.５　邊界框回歸／０９８3.6　本章小結(jié)／０９９第4 章面向智能駕駛復(fù)雜場(chǎng)景的多任務(wù)感知關(guān)鍵技術(shù)4.1　目標(biāo)跟蹤／１０１４.１.１　傳統(tǒng)目標(biāo)跟蹤方法／１０２４.１.２　基于深度學(xué)習(xí)的目標(biāo)跟蹤方法／１０４４.１.３　目標(biāo)跟蹤技術(shù)存在的難點(diǎn)／１０７4.2　語(yǔ)義分割／１０８４.２.１　傳統(tǒng)語(yǔ)義分割方法／１０８４.２.２　基于深度學(xué)習(xí)的語(yǔ)義分割方法／１１０４.２.３　語(yǔ)義分割常用數(shù)據(jù)集／１１２４.２.４　語(yǔ)義分割技術(shù)存在的難點(diǎn)／１１４4.3　實(shí)例分割／１１５４.３.１　基于檢測(cè)的實(shí)例分割方法／１１７４.３.２　基于像素聚類的實(shí)例分割方法／１１９４.３.３　單階段實(shí)例分割方法／１２１４.３.４　實(shí)例分割技術(shù)存在的難點(diǎn)／１２３4.4　本章小結(jié)／１２５第5 章車(chē)聯(lián)網(wǎng)場(chǎng)景下多傳感器融合感知技術(shù)5.1　車(chē)聯(lián)網(wǎng)多傳感器融合系統(tǒng)概述／１２７5.2　車(chē)聯(lián)網(wǎng)多傳感器信息融合的關(guān)鍵感知設(shè)備／１２９５.２.１　攝像頭／１３０５.２.２　激光雷達(dá)／１３２５.２.３　毫米波雷達(dá)／１３３５.２.４　超聲波傳感器／１３４５.２.５　ＧＰＳ和ＩＭＵ／１３５５.２.６�。郑玻� ／１３７5.3　車(chē)聯(lián)網(wǎng)多傳感器融合方法／１３８５.３.１　融合策略／１３８５.３.２　多傳感器融合中的深度學(xué)習(xí)架構(gòu)／１４１５.３.３　車(chē)聯(lián)網(wǎng)場(chǎng)景中常用的多傳感器融合方法／１４２5.4　車(chē)聯(lián)網(wǎng)多傳感器融合技術(shù)中的關(guān)鍵問(wèn)題／１４９５.４.１　多傳感器數(shù)據(jù)同步／１４９５.４.２　信息融合算法／１５１５.４.３　數(shù)據(jù)隱私與安全／１５２５.４.４　融合中的傳感器類型／１５４５.４.５　監(jiān)管和立法／１５４5.5　車(chē)聯(lián)網(wǎng)多傳感器融合技術(shù)中的發(fā)展趨勢(shì)／１５５5.6　本章小結(jié)／１５６第6 章復(fù)雜場(chǎng)景感知中的邊緣計(jì)算技術(shù)6.1　邊緣計(jì)算概述／１５７6.2　邊緣計(jì)算架構(gòu)設(shè)計(jì)／１５８６.２.１　邊緣計(jì)算模型／１５８６.２.２　邊緣云與核心云／１５９６.２.３　邊緣硬件設(shè)備／１６１６.２.４　邊緣計(jì)算的工程應(yīng)用／１６３6.3　5 G 邊緣計(jì)算技術(shù)／１６４６.３.１�。担� 與邊緣計(jì)算的融合／１６４６.３.２　５Ｇ邊緣計(jì)算的關(guān)鍵技術(shù)／１６７６.３.３�。担� 邊緣計(jì)算的挑戰(zhàn)與解決方案／１６８6.4　邊緣計(jì)算安全／１７０６.４.１　邊緣計(jì)算安全概述／１７０６.４.２　邊緣計(jì)算安全架構(gòu)設(shè)計(jì)原則／１７２６.４.３　邊緣計(jì)算安全的關(guān)鍵技術(shù)／１７３6.5　邊緣計(jì)算開(kāi)源平臺(tái)／１７４６.５.１　開(kāi)源平臺(tái)概述／１７４６.５.２　ＥｄｇｅＸＦｏｕｎｄｒｙ／１７６６.５.３�。粒耄颍幔椋睿� ＥｄｇｅＳｔａｃｋ／１７８６.５.４�。耍酰猓澹牛洌纾� ／１７９6.6　本章小結(jié)／１８０第7 章復(fù)雜感知技術(shù)在智能駕駛場(chǎng)景中的實(shí)際應(yīng)用　7.1　障礙物檢測(cè)及跟蹤／１８１７.１.１　障礙物檢測(cè)及跟蹤任務(wù)討論／１８１７.１.２　具體檢測(cè)目標(biāo)的應(yīng)用／１８３７.１.３　車(chē)聯(lián)網(wǎng)對(duì)障礙物檢測(cè)及跟蹤的影響／１８８7.2　碰撞預(yù)警與制動(dòng)／１８９７.２.１　碰撞預(yù)警與制動(dòng)任務(wù)討論／１８９７.２.２　車(chē)聯(lián)網(wǎng)對(duì)碰撞預(yù)警與制動(dòng)的影響／１９１7.3　自動(dòng)泊車(chē)／１９２７.３.１　自動(dòng)泊車(chē)任務(wù)討論／１９２７.３.２　車(chē)聯(lián)網(wǎng)對(duì)自動(dòng)泊車(chē)的影響／１９３7.4　高精度地圖建模／１９５７.４.１　高精度地圖建模任務(wù)討論／１９５７.４.２　車(chē)聯(lián)網(wǎng)對(duì)高精度地圖建模的影響／１９６7.5　智能駕駛在典型特殊場(chǎng)景中的落地應(yīng)用／１９７７.５.１　機(jī)場(chǎng)自動(dòng)駕駛托運(yùn)車(chē)／１９７７.５.２　礦業(yè)自動(dòng)駕駛貨車(chē)／１９９７.５.３　港口貨運(yùn)自動(dòng)駕駛貨車(chē)／２００７.５.４　自動(dòng)駕駛清掃車(chē)／２０２7.6　本章小結(jié)／２０４參考文獻(xiàn)／２０５

你還可能感興趣

我要評(píng)論