新書推薦：
《
有兽焉.8
》
售價：NT$
305.0
《
大学问·明清经济史讲稿
》
售價：NT$
330.0
《
中国国际法年刊（2023）
》
售價：NT$
539.0
《
早点知道会幸福的那些事
》
售價：NT$
295.0
《
迈尔斯普通心理学
》
售價：NT$
760.0
《
古典的回響：溪客舊廬藏明清文人繪畫
》
售價：NT$
1990.0
《
掌故家的心事
》
售價：NT$
390.0
《
孤独传：一种现代情感的历史
》
售價：NT$
390.0
|
| 內容簡介： |
|
本书是基于北京联合大学\旋风智能车”团队多年来在无人驾驶技术领域的积累而编写的面向本科层次的无人驾驶技术实践类教材。 全书共5章，第1章介绍无人驾驶技术及本书所用的无人驾驶教学系统与实验平台的基本情况和使用规范。第2章主要介绍无人驾驶技术感知层中各种传感器的基本应用实验，包括单目相机、双目相机、毫米波雷达、多维激光雷达、超声波雷达、差分导航基准站等常用设备的安装、标定和常用算法的实现。第3章 介绍通过CAN总线控制线控车辆底盘完成自动转向、自动速度控制和自动辅助信号控制的基本方法。第4章为无人车综合应用实验，包含轨迹跟踪、多传感器融合、定速巡航、自适应巡航和激光雷达SLAM建图等核心实验。第5章是基于深度学习的图像检测方法综合实验，以YOLOv3算法为例，完成了基于计算机视觉的交通信号灯检测与识别。 本书中的实验基于Ubuntu系统和ROS框架完成，配有示例代码和部分教学视频。本书适合从事无人驾驶技术研发工作的工程技术人员阅读，可作为高等学校无人驾驶实践课程的教材。
|
| 關於作者： |
|
刘元盛，1973年生，教授，北京联合大学机器人学院轮式机器人系主任、博士研究生导师。人工智能学会智能驾驶专业委员会委员、北京市自动驾驶车辆道路测试专家委员会委员、北京市高教学会电子线路研究会理事，计算机学会智能汽车分会执委。2012年起，任北京联合大学李德毅院士智能车团队核心成员，“旋风智能车”团队负责人，主要研究智能驾驶技术中的多种传感器数据融合及精确定位技术。近5年发表各类高水平论文20余篇，以发明人获得发明专利授权10余项（专利成果转让1项），指导硕士研究生20名。获得“北京市创新团队”、“北京市拔尖人才培育计划” 等多项资助，主持北京市科委电动汽车重大专项课题以及多项企业横向课题，获得国家和北京市教学成果奖多项，获得吴文俊人工智能科学技术二等奖1项。近五年内，主持了各类型号共80辆无人驾驶车辆的改造和示范运行工作，在国内率先提出低速园区无人驾驶的解决方案以及无人驾驶教学系统方案并在国内众多高校推广应用。
|
| 目錄：
|
目 录
第1章 无人驾驶技术及教学系统与
实验平台1
1.1 无人驾驶技术1
1.1.1 感知层1
1.1.2 认知决策层1
1.1.3 车辆控制层2
1.2 无人驾驶教学系统说明2
1.2.1 无人驾驶教学系统的需求2
1.2.2 无人驾驶教学系统的构成2
1.2.3 课程资源3
1.3 无人驾驶实验平台介绍4
1.3.1 旋风4座智能车5
1.3.2 旋风小AI智能车5
1.4 无人驾驶实验平台安全使用
说明6
1.4.1 安全警示6
1.4.2 对使用人员的要求7
1.4.3 使用前的检查7
1.4.4 使用中的要求7
1.4.5 使用后的要求7
1.4.6 车辆充电的要求7
第2章 无人车传感器基本实验8
2.1 实验软件环境概述8
2.1.1 ROS环境安装及相关配置8
2.1.2 工程开发示例简介19
2.2 单目相机的安装与标定26
2.2.1 实验背景与原理26
2.2.2 实验目的27
2.2.3 实验环境27
2.2.4 实验内容28
2.2.5 实验步骤28
2.3 单目相机的应用32
2.3.1 基本背景与原理32
2.3.2 实验目的32
2.3.3 实验环境32
2.3.4 实验内容33
2.3.5 实验步骤33
2.3.6 实验结果与分析39
2.4 双目相机的标定42
2.4.1 实验背景与原理42
2.4.2 实验目的44
2.4.3 实验环境44
2.4.4 实验内容44
2.4.5 实验步骤45
2.5 毫米波雷达的数据解析与测试50
2.5.1 实验背景与原理50
2.5.2 实验目的52
2.5.3 实验环境52
2.5.4 实验内容52
2.5.5 实验步骤53
2.5.6 实验结果与分析58
2.6 多维激光雷达的安装、标定与
数据解析63
2.6.1 实验背景与原理63
2.6.2 实验目的71
2.6.3 实验环境71
2.6.4 实验内容72
2.6.5 实验步骤72
2.6.6 实验结果与分析76
2.7 多维激光雷达点云聚类77
2.7.1 实验背景与原理77
2.7.2 实验目的79
2.7.3 实验环境79
2.7.4 实验内容79
2.7.5 实验步骤79
2.7.6 实验结果与分析82
2.8 超声波雷达的数据解析84
2.8.1 实验背景与原理84
2.8.2 实验目的86
2.8.3 实验环境86
2.8.4 实验内容86
2.8.5 实验步骤86
2.8.6 实验结果与分析87
2.9 差分导航基准站的架设与
配置89
2.9.1 实验背景与原理89
2.9.2 实验目的90
2.9.3 实验环境91
2.9.4 实验内容91
2.9.5 实验步骤91
2.9.6 实验结果与分析96
2.9.7 实验内容扩展96
2.10 差分定位系统解析96
2.10.1 实验背景与原理96
2.10.2 实验目的100
2.10.3 实验环境100
2.10.4 实验内容100
2.10.5 实验步骤101
2.10.6 实验结果与分析109
2.11 差分导航规划111
2.11.1 实验背景与原理111
2.11.2 实验目的115
2.11.3 实验环境115
2.11.4 实验内容115
2.11.5 实验步骤116
2.11.6 实验结果与分析120
2.12 IMU的安装与标定123
2.12.1 实验背景与原理123
2.12.2 实验目的124
2.12.3 实验环境124
2.12.4 实验内容124
2.12.5 实验步骤125
2.13 UWB的安装与测试131
2.13.1 实验背景与原理131
2.13.2 实验目的136
2.13.3 实验环境136
2.13.4 实验内容136
2.13.5 实验步骤136
2.13.6 实验内容扩展138
2.14 UWB的数据解析及定位140
2.14.1 实验背景与原理140
2.14.2 实验目的141
2.14.3 实验环境141
2.14.4 实验内容141
2.14.5 实验步骤142
2.14.6 实验结果与分析147
第3章 线控车辆控制应用实验150
3.1 线控车辆技术概述150
3.1.1 线控车辆的基本结构150
3.1.2 CAN总线通信基本知识151
3.1.3 CAN总线通信协议实例153
3.1.4 CAN模块的选择和使用
方法155
3.1.5 CAN模块的安装方法156
3.1.6 UDP通信协议156
3.1.7 线控底盘实验平台介绍156
3.2 CAN总线调试实验157
3.2.1 实验背景与原理157
3.2.2 实验目的160
3.2.3 实验环境161
3.2.4 实验内容161
3.2.5 实验步骤161
3.2.6 实验结果与分析167
3.3 线控转向实验170
3.3.1 实验背景与原理170
3.3.2 实验目的171
3.3.3 实验环境171
3.3.4 实验内容171
3.3.5 实验步骤171
3.3.6 实验结果与分析176
3.4 线控挡位与速度实验179
3.4.1 实验背景与原理179
3.4.2 实验目的179
3.4.3 实验环境179
3.4.4 实验内容180
3.4.5 实验步骤180
3.4.6 实验结果与分析185
3.5 线控辅助信号实验187
3.5.1 实验背景与原理187
3.5.2 实验目的190
3.5.3 实验环境190
3.5.4 实验内容190
3.5.5 实验步骤190
3.5.6 实验结果与分析196
第4章 无人车综合应用实验198
4.1 基于GNSS导航的轨迹跟踪
实验198
4.1.1 实验背景与原理198
4.1.2 实验目的198
4.1.3 实验环境198
4.1.4 实验内容199
4.1.5 实验步骤199
4.1.6 实验结果与分析212
4.2 毫米波与激光雷达的数据融合
实验214
4.2.1 实验背景与原理214
4.2.2 实验目的216
4.2.3 实验环境216
4.2.4 实验内容217
4.2.5 实验步骤217
4.2.6 实验结果与分析227
4.3 视觉与激光雷达的联合标定
实验229
4.3.1 实验背景与原理229
4.3.2 实验目的230
4.3.3 实验环境230
4.3.4 实验内容231
4.3.5 实验步骤231
4.3.6 实验结果与分析237
4.4 车辆定速巡航实验238
4.4.1 实验背景与原理238
4.4.2 实验目的239
4.4.3 实验环境239
4.4.4 实验内容239
4.4.5 实验步骤239
4.4.6 实验结果与分析244
4.5 车辆自适应巡航仿真实验246
4.5.1 实验背景与原理246
4.5.2 实验目的247
4.5.3 实验环境247
4.5.4 实验内容247
4.5.5 实验步骤247
4.5.6 实验结果与分析250
4.6 激光雷达SLAM建图实验252
4.6.1 实验背景与原理252
4.6.2 实验目的255
4.6.3 实验环境255
4.6.4 实验内容255
4.6.5 实验步骤255
4.6.6 实验结果与分析258
第5章 基于深度学习的图像检测方法
综合实验263
5.1 原理概述263
5.1.1 基于图像的目标检测方法263
5.1.2 交通信号灯检测与识别
方法264
5.1.3 YOLOv3算法介绍264
5.2 实验内容268
5.2.1 基本流程268
5.2.2 实验目的269
5.2.3 实验环境269
5.3 实验步骤270
5.3.1 数据样本采集与预处理270
5.3.2 数据样本标注275
5.3.3 数据集划分277
5.3.4 搭建深度学习环境280
5.3.5 深度学习模型的应用285
5.3.6 深度学习实验结果检测289
5.4 实验结果与分析290
5.4.1 检测结果290
5.4.2 检测结果分析292
5.5 实验内容扩展293
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
