亚洲a∨精品永久无码,亚洲av成人无码人在线观看堂 ,久久aaa

內(nèi)容簡(jiǎn)介

　　激光雷達(dá)作為自動(dòng)駕駛汽車的核心傳感器之一，在自動(dòng)駕駛領(lǐng)域發(fā)揮著至關(guān)重要的作用。本書深度挖掘激光雷達(dá)關(guān)鍵技術(shù)，介紹激光雷達(dá)的原理、應(yīng)用以及發(fā)展趨勢(shì)。本書共9章，包括激光雷達(dá)與自動(dòng)駕駛的發(fā)展、激光雷達(dá)的基本工作原理、點(diǎn)云編程基礎(chǔ)、標(biāo)定、SLAM、深度學(xué)習(xí)在激光雷達(dá)中的應(yīng)用等內(nèi)容。本書通過深入的理論解說和實(shí)際操作示例，幫助讀者輕松開發(fā)基于激光雷達(dá)的感知與定位模塊。此外，本書還展望了激光雷達(dá)的發(fā)展趨勢(shì)及其在汽車工業(yè)中的應(yīng)用前景，為自動(dòng)駕駛領(lǐng)域的研究和發(fā)展提供了參考依據(jù)。本書可作為希望進(jìn)入自動(dòng)駕駛汽車行業(yè)的汽車類、自動(dòng)化類專業(yè)的學(xué)生的技術(shù)入門圖書，也可作為汽車工程師、對(duì)自動(dòng)駕駛技術(shù)感興趣的讀者的參考書。

作者簡(jiǎn)介

　　申澤邦梅賽德斯奔馳研發(fā)中心高級(jí)工程師，谷歌開發(fā)者專家（機(jī)器學(xué)習(xí)方向），CSDN博客專家，蘭州大學(xué)自動(dòng)駕駛團(tuán)隊(duì)創(chuàng)辦人，著有《無人駕駛原理與實(shí)踐》一書。周慶國蘭州大學(xué)信息科學(xué)與工程學(xué)院教授，博士生導(dǎo)師。蘭州大學(xué)開源軟件與實(shí)時(shí)系統(tǒng)教育部工程研究中心主任，蘭州大學(xué)分布式與嵌入式系統(tǒng)實(shí)驗(yàn)室主任。 2005年畢業(yè)于蘭州大學(xué)，物理學(xué)博士，IET Fellow，教育部新世紀(jì)人才基金獲得者。2011年8月任International Journal of Computational Science and Engineering （IJCSE）雜志副主編，2013年4月International Journal of Embedded System（IJES）主編。目前主要從事安全關(guān)鍵系統(tǒng)、嵌入式系統(tǒng)、智能駕駛、虛擬化技術(shù)的研究，目已經(jīng)在國內(nèi)外學(xué)術(shù)期刊上發(fā)表一百五十四篇，其中SCI 五十三篇，EI六十三篇，獲得六項(xiàng)發(fā)明專利授權(quán)。2007年在PowerPC架構(gòu)上實(shí)時(shí)系統(tǒng)的研究，獲得了IBM Real-Time Innovation Award.2009年獲得甘肅省教學(xué)成果二等獎(jiǎng)，獲“2012年Google中國大學(xué)合作項(xiàng)目年度突出貢獻(xiàn)老師”榮譽(yù)稱號(hào)，獲2013年度Google Research Award，2018年榮獲甘肅省科技進(jìn)步獎(jiǎng)二等獎(jiǎng)。2017年研制了甘肅省第一輛無人駕駛試驗(yàn)車，2019年1月出版《無人駕駛原理與實(shí)踐》，自出版以來，在京東的好評(píng)率達(dá)到99%，并入選“AI工程師必看的10本書”。

圖書目錄

第1章激光雷達(dá)與自動(dòng)駕駛概述 1
1.1 激光雷達(dá)與自動(dòng)駕駛的概念 1
1.1.1 什么是激光雷達(dá) 1
1.1.2 什么是自動(dòng)駕駛系統(tǒng) 3
1.2 激光雷達(dá)與自動(dòng)駕駛的發(fā)展 4
1.2.1 早期的激光雷達(dá) 4
1.2.2 激光雷達(dá)與DARPA自動(dòng)駕駛挑戰(zhàn)賽 6
1.3 激光雷達(dá)在自動(dòng)駕駛系統(tǒng)和高精度地圖生產(chǎn)過程中的應(yīng)用 7
1.3.1 自動(dòng)駕駛系統(tǒng)的基本架構(gòu) 7
1.3.2 激光雷達(dá)在自動(dòng)駕駛系統(tǒng)中的應(yīng)用 12
1.3.3 激光雷達(dá)在高精度地圖生產(chǎn)過程中的應(yīng)用 13
1.4 激光雷達(dá)開發(fā)環(huán)境配置 14
參考文獻(xiàn) 15

第2章激光雷達(dá)的基礎(chǔ)知識(shí) 16
2.1 激光雷達(dá)的基本工作原理 16
2.1.1 激光雷達(dá)的基本結(jié)構(gòu) 16
2.1.2 激光雷達(dá)的數(shù)據(jù) 18
2.1.3 激光雷達(dá)的回波模式 21
2.1.4 激光雷達(dá)與人眼安全 22
2.2 車載激光雷達(dá)的分類 23
2.2.1 根據(jù)掃描方式分類 24
2.2.2 根據(jù)激光波長(zhǎng)分類 26
2.3 激光雷達(dá)的關(guān)鍵性能指標(biāo)和性能評(píng)估方法 27
2.3.1 激光雷達(dá)的關(guān)鍵性能指標(biāo) 28
2.3.2 激光雷達(dá)的性能評(píng)估方法 30
參考文獻(xiàn) 34

第3章 PCL和ROS編程基礎(chǔ) 35
3.1 PCL編程基礎(chǔ) 35
3.1.1 PCL的基本概念和數(shù)據(jù)結(jié)構(gòu) 35
3.1.2 PCD文件 36
3.1.3 構(gòu)建第一個(gè)PCL程序 37
3.2 ROS編程基礎(chǔ) 46
3.2.1 ROS簡(jiǎn)介 46
3.2.2 ROS中的基本概念 47
3.2.3 ROS命令行的常用指令 51
3.2.4 ROS項(xiàng)目的文件系統(tǒng)結(jié)構(gòu) 52
3.2.5 Catkin構(gòu)建工具 53
3.3 第一個(gè)PCL和ROS節(jié)點(diǎn)：基于體素網(wǎng)格濾波的降采樣 55
3.3.1 點(diǎn)云濾波 55
3.3.2 ROS C 編程實(shí)踐 56
3.3.3 構(gòu)建并運(yùn)行項(xiàng)目 65
參考文獻(xiàn) 69

第4章點(diǎn)云平面分割、聚類和配準(zhǔn) 70
4.1 點(diǎn)云平面分割：RANSAC算法原理和Ｃ實(shí)踐 70
4.1.1 點(diǎn)云分割概述 70
4.1.2 RANSAC算法介紹 71
4.1.3 基于RANSAC平面擬合的地面點(diǎn)濾除ROS實(shí)戰(zhàn) 76
4.2 歐幾里得點(diǎn)云聚類算法和C 實(shí)踐 84
4.2.1 k-d樹：一種用于最近鄰搜索的數(shù)據(jù)結(jié)構(gòu) 84
4.2.2 歐幾里得聚類方法 89
4.2.3 點(diǎn)云歐幾里得聚類PCL與ROS實(shí)踐 92
4.3 基于正態(tài)分布變換的點(diǎn)云配準(zhǔn) 97
4.3.1 點(diǎn)云配準(zhǔn) 97
4.3.2 NDT算法 100
4.3.3 使用NDT算法配準(zhǔn)兩個(gè)點(diǎn)云 103
參考文獻(xiàn) 108

第5章激光雷達(dá)標(biāo)定原理與實(shí)踐 109
5.1 坐標(biāo)系變換基礎(chǔ)與編程實(shí)踐 109
5.1.1 建圖、定位和感知中的坐標(biāo)系 109
5.1.2 三維剛體變換的表征形式 110
5.1.3 齊次變換矩陣 113
5.1.4 Eigen編程基礎(chǔ) 115
5.1.5 ROS TF2編程基礎(chǔ) 116
5.1.6 坐標(biāo)系變換編程實(shí)踐 120
5.2 多激光雷達(dá)自動(dòng)標(biāo)定方法與ROS實(shí)踐 126
5.2.1 多激光雷達(dá)標(biāo)定和點(diǎn)云配準(zhǔn) 127
5.2.2 用于多激光雷達(dá)自動(dòng)標(biāo)定的樣例數(shù)據(jù)包 128
5.2.3 多激光雷達(dá)標(biāo)定代碼實(shí)例 129
5.2.4 使用測(cè)試數(shù)據(jù)實(shí)踐6顆激光雷達(dá)的標(biāo)定 135
5.3 激光雷達(dá)-相機(jī)聯(lián)合標(biāo)定ROS實(shí)踐 138
5.3.1 相機(jī)參數(shù)標(biāo)定 138
5.3.2 相機(jī)-激光雷達(dá)聯(lián)合標(biāo)定算法介紹 142
5.3.3 相機(jī)-激光雷達(dá)聯(lián)合標(biāo)定工具構(gòu)建和使用 151
參考文獻(xiàn) 154

第6章激光雷達(dá)SLAM 155
6.1 激光雷達(dá)SLAM簡(jiǎn)介 155
6.1.1 SLAM簡(jiǎn)介 155
6.1.2 自動(dòng)駕駛中的激光雷達(dá)SLAM 156
6.2 LeGO-LOAM算法詳解和ROS實(shí)踐 158
6.2.1 LeGO-LOAM算法簡(jiǎn)介 158
6.2.2 LeGO-LOAM算法流程 159
6.2.3 使用LeGO-LOAM算法構(gòu)建點(diǎn)云地圖 165
6.3 基于Scan Context的激光雷達(dá)閉環(huán)檢測(cè)方法實(shí)踐 168
6.3.1 Scan Context閉環(huán)檢測(cè)方法介紹 169
6.3.2 Scan Context閉環(huán)檢測(cè)C 實(shí)例 173
6.4 基于NDT算法的自動(dòng)駕駛定位和ROS實(shí)踐 180
6.4.1 地圖數(shù)據(jù)準(zhǔn)備 180
6.4.2 對(duì)激光雷達(dá)實(shí)時(shí)點(diǎn)云的降采樣 181
6.4.3 使用NDT實(shí)現(xiàn)高精度定位 183
6.4.4 構(gòu)建和運(yùn)行NDT激光雷達(dá)定位 189
參考文獻(xiàn) 191

第7章基于深度學(xué)習(xí)的激光雷達(dá)三維目標(biāo)檢測(cè) 192
7.1 點(diǎn)云三維目標(biāo)檢測(cè)概述 192
7.1.1 三維目標(biāo)檢測(cè)的背景和定義 192
7.1.2 點(diǎn)云三維目標(biāo)檢測(cè)的常用數(shù)據(jù)集和性能指標(biāo) 195
7.1.3 點(diǎn)云三維目標(biāo)檢測(cè)方法的分類 197
7.2 基于VoxelNet的點(diǎn)云三維目標(biāo)檢測(cè) 199
7.2.1 VoxelNet的結(jié)構(gòu) 199
7.2.2 VoxelNet的損失函數(shù) 203
7.3 基于PointPillars的三維目標(biāo)檢測(cè)和實(shí)戰(zhàn) 204
7.3.1 PointPillars的特點(diǎn) 204
7.3.2 PointPillars結(jié)構(gòu) 205
7.3.3 訓(xùn)練一個(gè)PointPillars 208
參考文獻(xiàn) 212

第8章基于深度學(xué)習(xí)的激光雷達(dá)點(diǎn)云語義分割方法 214
8.1 自動(dòng)駕駛中的點(diǎn)云語義分割 214
8.1.1 點(diǎn)云分割：傳統(tǒng)方法vs基于深度學(xué)習(xí)的方法 215
8.1.2 基于深度學(xué)習(xí)的點(diǎn)云語義分割方法的分類 215
8.1.3 點(diǎn)云語義分割的常用公開數(shù)據(jù)集 217
8.1.4 點(diǎn)云語義分割的性能評(píng)價(jià)指標(biāo) 219
8.2 基于全卷積神經(jīng)網(wǎng)絡(luò)的點(diǎn)云三維語義分割 220
8.2.1 全卷積神經(jīng)網(wǎng)絡(luò)介紹 220
8.2.2 基于全卷積神經(jīng)網(wǎng)絡(luò)的激光雷達(dá)三維分割 222
8.2.3 使用ROS和TensorRT實(shí)踐CNN Seg推理 223
8.3 PolarNet點(diǎn)云語義分割和PyTorch實(shí)戰(zhàn) 226
8.3.1 PolarNet神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 226
8.3.2 在SemanticKITTI數(shù)據(jù)集上訓(xùn)練一個(gè)PolarNet 228
參考文獻(xiàn) 233

第9章激光雷達(dá)的發(fā)展趨勢(shì)及其在汽車工業(yè)中的應(yīng)用前景 235
9.1 激光雷達(dá)帶來的輔助駕駛能力變革 235
9.1.1 激光雷達(dá)在城市和高速領(lǐng)航輔助駕駛中的應(yīng)用 237
9.1.2 激光雷達(dá)在記憶泊車中的應(yīng)用 239
9.2 激光雷達(dá)在4級(jí)自動(dòng)駕駛中的應(yīng)用 240
9.2.1 激光雷達(dá)在自動(dòng)駕駛出租車上的應(yīng)用 240
9.2.2 激光雷達(dá)在自動(dòng)駕駛卡車上的應(yīng)用 242
9.3 激光雷達(dá)在低速機(jī)器人中的應(yīng)用 243
9.4 激光雷達(dá)未來可能的發(fā)展方向 244