新書推薦：
《
不在场证明谜案（超绝CP陷入冤案！日本文坛超新星推理作家——辻堂梦代表作首次引进！）
》
售價：NT$
265.0
《
明式家具三十年经眼录
》
售價：NT$
2387.0
《
敦煌写本文献学（增订本）
》
售價：NT$
1010.0
《
耕读史
》
售價：NT$
500.0
《
地理计算与R语言
》
售價：NT$
551.0
《
沈括的知识世界：一种闻见主义的实践（中华学术译丛）
》
售價：NT$
398.0
《
大思维：哥伦比亚商学院六步创新思维模型
》
售價：NT$
332.0
《
宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：NT$
709.0
|
| 內容簡介： |
|
目前自动驾驶的一个发展趋势就是智能化。随着人工智能的飞速发展以及各种新型传感器的涌现，汽车智能化形成趋势，辅助驾驶功能的渗透率越来越高。这些功能的实现需要借助于摄像头、雷达、激光雷达等新增的传感器数据，其中视频处理需要大量并行计算。然而，传统CPU算力不足，而DSP擅长图像处理，对于深度学习却缺乏足够的性能。尽管GPU擅长训练，但它过于耗电，影响汽车的性能。因此，本书着眼于未来，认为定制化的ASIC必将成为主流。本书以自动驾驶的芯片设计为最终目标，来论述设计一个面向未来的自动驾驶SoC芯片的学术支撑和工程实践。本书共13章。其中第1章主要介绍自动驾驶目前遇到的挑战和研究方向。第2～6章重点讲述环境感知以及规划控制方面的算法设计；第7～10章重点讲述深度学习模型的优化和深度学习芯片的设计；第11章和第12章重点讲述具有安全功能的自动驾驶软件架构设计；第13章介绍5G车联网。
|
| 關於作者： |
|
任建峰，博士，目前就职于谷歌公司，分别于2005年和2009 年获得西北工业大学模式识别与智能系统博士学位和美国得州大学达拉斯分校电子工程博士学位，从事计算影像学、自动驾驶方面芯片算法研发工作，在高通、华为海思工作多年，发表论文40多篇，拥有30多项美国专利。
|
| 目錄：
|
|
第1章 自动驾驶芯片的挑战11.1 自动驾驶科技界现状11.2 自动驾驶设计的挑战21.2.1 功能约束31.2.2 可预测性约束31.2.3 存储限制41.2.4 热量约束41.2.5 功率约束51.3 自动驾驶系统算法设计51.3.1 感知61.3.2 决策71.3.3 控制81.3.4 安全验证与测试91.4 自动驾驶系统计算平台101.4.1 GPU111.4.2 DSP111.4.3 FPGA111.4.4 ASIC12参考文献12第2章 3D物体检测142.1 传感器152.1.1 摄像机152.1.2 激光雷达152.2 数据集162.3 3D物体检测方法172.3.1 基于单目图像的检测方法182.3.2 基于点云的检测方法192.3.3 基于融合的检测方法222.4 实战项目：3D物体检测242.4.1 算法概述252.4.2 点云预处理262.4.3 网络结构282.4.4 欧拉区域提议282.4.5 锚盒设计292.4.6 复角度回归302.4.7 损失函数的构建302.4.8 实验结果312.4.9 训练细节312.4.10 鸟瞰检测322.4.11 3D对象检测322.5 未来研究展望33参考文献33第3章 车道检测373.1 传统图像处理383.2 实例：基于霍夫变换的车道检测393.2.1 霍夫变换403.2.2 OpenCV车道检测413.3 实例：RANSAC算法及直线拟合423.3.1 算法思路433.3.2 用Python实现直线拟合433.4 基于深度学习453.5 多传感器集成方案473.6 车道检测系统评估标准493.6.1 车道检测系统性能的影响因素493.6.2 离线评估503.6.3 在线评估513.6.4 评估指标523.7 实战项目：车道检测533.7.1 概述533.7.2 车道点实例网络533.7.3 调整大小层543.7.4 相同瓶颈层553.7.5 下采样瓶颈层和上采样瓶颈层563.7.6 损失函数583.7.7 后处理方法613.7.8 实验结果623.7.9 测试部分62参考文献63第4章 运动规划和控制684.1 概述684.2 传统自动驾驶的规划和决策层694.2.1 路径规划704.2.2 实例：路径规划Dijkstra算法714.2.3 实例：路径规划A*算法754.2.4 行为决策774.2.5 运动规划774.2.6 实例：运动规划784.2.7 车辆控制844.2.8 实例：模型预测控制844.2.9 实例：PID控制894.3 集成感知和规划90实战项目：NVIDIA的端到端自动驾驶924.4 交互行为感知和规划944.4.1 合作与互动954.4.2 博弈论方法954.4.3 概率方法964.4.4 部分可观察的马尔可夫决策过程964.4.5 基于学习的方法97参考文献98第5章 定位与建图1025.1 SLAM问题1035.1.1 基于滤波器的SLAM方法1045.1.2 基于优化的SLAM方法1085.2 自主驾驶的局限性1095.2.1 问题的提出1095.2.2 避免或减少漂移的影响1095.2.3 自动驾驶SLAM的评估标准1105.3 自动驾驶中的SLAM1115.3.1 重新定位和回环检测1115.3.2 先前构建的地图中的定位1135.3.3 建立和使用未来地图1155.3.4 利用当前地图资源1165.4 自动驾驶中的地图表示1175.4.1 公制地图模型1175.4.2 语义地图模型120参考文献122第6章 自动驾驶仿真器1286.1 最新的仿真器1296.1.1 AirSim1296.1.2 Apollo1296.1.3 CARLA1306.1.4 Udacity AV Simulator1316.1.5 Deep Traf?c1326.2 仿真器实战：CARLA1326.2.1 仿真引擎1326.2.2 使用CARLA评估自动驾驶方法133参考文献135第7章 自动驾驶芯片1367.1 Mobileye EyeQ1377.2 NVIDIA1387.2.1 NVIDIA DRIVE AGX开发者套件1387.2.2 NVIDIA DRIVE软件1387.3 TI Jacinto TDAx1417.4 实战项目：360°环景系统与自动停车系统1427.4.1 自动停车与停车辅助系统1437.4.2 使用Jacinto TDA4VM处理器系列应对环视和自动停车的挑战1447.4.3 Jacinto TDA4VM SoC1457.5 Qualcomm1477.6 NXP1487.7 Xilinx Zynq-70001487.8 Synopsys149第8章 深度学习模型优化1518.1 模型压缩和加速1528.1.1 参数修剪和共享1538.1.2 低秩分解1558.1.3 转移/紧凑卷积滤波器1568.1.4 知识蒸馏1598.2 AI模型效率工具包1598.2.1 大规模节能AI1608.2.2 通过合作推进AI模型效率的研究1618.3 未来研究展望161参考文献162第9章 深度学习芯片设计1669.1 概述1679.2 在CPU和GPU平台上加速内核计算1679.3 中科院计算所的深度学习芯片系列1689.3.1 卷积神经网络简介1689.3.2 DaDianNao1709.3.3 ShiDianNao1719.3.4 寒武纪Cambricon-X1729.4 麻省理工学院的Eyeriss系列1729.4.1 卷积神经网络基本知识1729.4.2 Eyeriss1739.4.3 Eyeriss v21749.5 谷歌的TPU芯片1779.5.1 TPU v11779.5.2 TPU指令集1789.5.3 TPU的心脏：脉动阵列1799.5.4 TPU v2/v31809.5.5 软件架构1809.6 近内存计算1819.6.1 DRAM1819.6.2 SRAM1829.6.3 非易失性电阻存储器1829.6.4 传感器1839.7 DNN硬件的指标183参考文献184第10章 自动驾驶SoC设计18610.1 自动驾驶SoC设计流程18610.2 TI的Jacinto SoC平台18710.3 Jacinto 7处理器的功能安全特性19010.3.1 功能安全19010.3.2 软件功能安全19110.3.3 安全应用部署19210.4 具有DNN和ISP的符合安全标准的多核SoC设计19410.4.1 ADAS图像识别SoC19410.4.2 DNN加速器19510.4.3 具有安全BIST控制器的ISP19610.5 实例：NVIDIA深度学习加速器19710.5.1 NVDLA介绍19810.5.2 FireSim19910.5.3 NVDLA集成19910.5.4 性能分析200参考文献200第11章 自动驾驶操作系统20211.1 概述20211.2 开源自动驾驶操作系统20411.2.1 Linux RTOS20411.2.2 ROS中间件20511.3 使用开源软件开发自动驾驶技术的公司20611.3.1 百度20611.3.2 宝马20711.3.3 Voyage20811.3.4 Tier IV20811.3.5 PolySync20911.3.6 Perrone Robotics21011.4 汽车硬实时操作系统和框架21111.4.1 BlackBerry QNX21111.4.2 EB robinos和EB corbos21211.4.3 Integrity RTOS21311.4.4 NVIDIA DriveWorks SDK21311.5 总结214第12章 自动驾驶软件架构21512.1 概述21512.2 基于ISO 26262的软件开发21612.2.1 ISO 26262简介21612.2.2 Synopsys软件产品组合21612.2.3 ASIL21812.2.4 软件架构设计21812.2.5 软件单元设计与实现21912.2.6 软件单元测试21912.3 基于SAE J3016的组件架构设计22012.3.1 功能组件22112.3.2 AUTOSAR22412.4 自动驾驶汽车的架构设计与实现22512.4.1 硬件框架22612.4.2 软件系统架构22712.4.3 数据传输模块22912.4.4 自动驾驶测试报告229参考文献229第13章 5G C-V2X简介23013.1 移动车联网23013.2 C-V2X如何改变驾驶23113.2.1 避免碰撞23113.2.2 车队行驶23213.2.3 协作驾驶23213.2.4 队列警告23213.2.5 保护弱势道路使用者23213.2.6 支持应急服务23313.2.7 危险提前警告23313.2.8 越来越多的自动驾驶23313.3 C-V2X的优势23313.4 C-V2X的工作原理23513.4.1 直接通信23513.4.2 网络通信23513.4.3 5G如何改变C-V2X23613.5 C-V2X部署计划23613.5.1 中国引领潮流23613.5.2 澳大利亚——改善道路安全23713.5.3 美国——增长势头23713.5.4 欧洲——广泛支持23813.6 总结238
|
|
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
