新書推薦：
《
银行业架构网络BIAN（全球数字化时代金融服务业框架）（数字化转型与创新管理丛书）
》
售價：NT$
449.0
《
金托邦：江湖中的沉重正义
》
售價：NT$
275.0
《
易经今解：释疑·解惑·见微
》
售價：NT$
403.0
《
东欧史（全二册）-“中间地带”的困境
》
售價：NT$
1010.0
《
虚拟资本：金融怎样挪用我们的未来
》
售價：NT$
352.0
《
刻意练习不生气
》
售價：NT$
179.0
《
大宋理财：青苗法与王安石的金融帝国（全彩插图本）
》
售價：NT$
500.0
《
安全感是内心长出的盔甲
》
售價：NT$
305.0
|
| 內容簡介： |
《智能网联汽车：激光与视觉SLAM详解》
本书对激光SLAM和视觉SLAM技术进行了系统介绍，涉及基础理论、关键技术、应用实践及未来趋势，并探讨了它们与智能网联汽车的关系。既是想要在自动驾驶和智能汽车领域取得突破的从业者的阅读选择，也是追求SLAM技术深度与广度的专业人士的学习资料。
具体来说，本书从智能网联汽车的基本概念入手，详细介绍了SLAM技术的发展历程、架构设计、核心算法以及在自动驾驶等级中的应用现状和技术难点。不仅分析了多传感器融合技术的同步与标定方法、融合策略，还深入探讨了激光SLAM和视觉SLAM的点云处理、关键帧提取、后端优化等关键技术，并通过Cartographer、LOAM、LeGO-LOAM、LIO-SAM等算法的代码实战，展示了SLAM技术的实际应用。此外，着重讲解了深度学习在SLAM中的应用，如相机重定位、特征点提取与匹配、视觉里程计、回环检测以及语义SLAM的最新进展。最后，展望了激光SLAM和视觉SLAM技术的未来发展趋势，提供了宝贵的行业洞察。
总的来说，本书适合自动驾驶、机器人技术、计算机视觉及相关领域的研究人员、工程师以及高等院校相关专业的师生阅读。通过本书，读者不仅能够获得SLAM技术的全面系统知识，还能深入理解其在智能网联汽车等领域的应用，为未来的研究与开发工作打下坚实的基础。
《智能汽车：电子电气架构详解》
本书以智能汽车的电子电气架构为主线，微观层面上，从复杂系统工程视角讲解了智能汽车电子电气架构的原理、技术、设计、开发与管理；宏观层面上，用全局性和前瞻性的视角梳理了电子电气架构与“软件定义汽车”“新四化”以及智能座舱、自动驾驶、汽车安全等新技术的关系，揭示了以电子电气架构变革为代表的汽车行业变迁的底层逻辑，旨在帮助车企能更快地实现转型并看清未来的发展方向。
通过阅读本书，你将：
（1）全面了解汽车电子电气系统的构成与分解方法；
（2）深刻理解复杂系统的工程方法和系统思维在汽车行业的应用；
（3）全面了解智能汽车电子电气架构的必知常识和技术基础；
（4）深刻理解系统工程、需求工程、工程哲学的基本思想和原理及其在汽车行业的应用；
（5）掌握智能汽车汽车电子电气架构设计的目标与原则；
（6）掌握智能汽车电子电气架构开发的流程和方法；
（7）学会在项目中平衡电子电气系统中各种利益相关者的关系；
（8）了解电子电气架构师的能力体系；
（9）了解“软件定义汽车”和“新四化”及其与电子电气架构的深层关系；
（10）了解智能网联汽车中智能座舱、自动驾驶、汽车安全等各种关键技术的概况；
（11）洞察汽车行业的商业模式变革、产业格局变化和未来发展方向；
（12）窥见汽车行业发展的一些基本规律。
|
| 關於作者： |
侯旭光
智能汽车领域资深技术专家，现就职于广汽集团汽车工程研究院，担任智能网联中心电子电气架构总师；曾就职于西门子、大陆汽车和吉利汽车等公司，长期从事整车电子电气架构开发和车身电子产品的开发与管理工作；中国汽车工程学会智能网联汽车系统架构分会委员。
富有思想和创造力，在汽车电子电气相关领域从业超过20年，拥有从汽车软件开发测试到硬件的设计和生产、从零部件开发到整车电器架构设计、从通信行业到汽车电子行业的全面经验，对软件开发、汽车电子、智能网联汽车，软件定义汽车和汽车电子产业等有独到的理解。
所服务的公司均为世界500强企业。多次与国际一流公司合作，参与并主持过多个正向开发的电子电气架构设计。对整个汽车电子电气行业始终保持着冷静的思考，乐于分享，在国内的汽车电子领域有着良好的声望。
陈苑锋
复旦大学微电子学理学博士，高级职称。英国萨塞克斯人工智能学院客座教授、中国国际“互联网+”大学生创新创业大赛国赛评委、上海市职业技能大赛专家评委、上海市工程系列计算机专业中级职称专家评委等。先后在三星（韩国本部）、华为、阿里巴巴、美的集团等公司从事技术研发及管理工作。在集成电路、智能产品、机器人和物联网领域有多年研发经验。
董雪
澳大利亚阿德莱德大学博士，上海交通大学副教授、博士生导师。研究方向包括激光成像、图像处理、自主移动平台的传感器融合、即时定位导航及路径规划等，发表学术论文40余篇，主持国家自然科学基金、上海市扬帆计划、沃尔沃汽车可持续发展项目等。熟悉车端传感器的功能和特点，以及基于深度学习算法的传感器融合。近年来的学术成果和工程应用经验集中于单目无监督深度感知算法，基于对抗生成网络的数据挖掘，基于CONV-LSTM、光流神经网络的高频高分辨率图像重建，端到端神经网络的复杂系统建模等方向。
|
| 目錄：
|
《智能网联汽车：激光与视觉SLAM详解》
前言
作者介绍
第1章 智能网联汽车及SLAM
概述1
1.1 基本概念1
1.1.1 智能网联汽车1
1.1.2 SLAM定义2
1.1.3 地图的分类与作用4
1.1.4 SLAM技术探讨7
1.2 SLAM的应用现状10
1.2.1 自动驾驶等级10
1.2.2 技术难点11
1.2.3 SLAM的优势13
1.3 SLAM架构13
1.3.1 环境感知13
1.3.2 环境绘图14
1.3.3 运动规划16
1.3.4 车辆控制17
1.3.5 监控系统17
1.4 SLAM的发展阶段与应用前景18
1.4.1 SLAM演进的3个阶段18
1.4.2 SLAM的应用前景19
第2章 自动驾驶常用传感器及
原理21
2.1 激光雷达22
2.1.1 激光雷达的种类22
2.1.2 三角测距激光雷达24
2.1.3 ToF激光雷达24
2.1.4 机械式激光雷达27
2.1.5 混合固态激光雷达28
2.1.6 固态激光雷达29
2.1.7 竞品对比31
2.1.8 核心部件33
2.1.9 应用及展望34
2.2 深度相机34
2.2.1 ToF深度相机35
2.2.2 结构光深度相机37
2.2.3 双目深度相机38
2.2.4 应用及展望41
2.3 毫米波雷达43
2.3.1 工作原理43
2.3.2 测距功能原理44
2.3.3 测速功能原理46
2.3.4 角度估算原理48
2.3.5 FoV计算原理48
2.3.6 核心参数49
2.3.7 应用及展望50
第3章 多传感器融合51
3.1 同步与标定52
3.1.1 时间硬同步52
3.1.2 时间软同步55
3.1.3 空间标定56
3.2 融合策略66
3.2.1 后融合67
3.2.2 前融合73
3.3 应用分析77
3.3.1 自动驾驶应用78
3.3.2 移动机器人应用79
3.3.3 机械臂应用80
第4章 激光SLAM81
4.1 点云预处理82
4.1.1 点云滤波82
4.1.2 点云分割84
4.1.3 点云运动补偿86
4.2 前端里程计89
4.2.1 基于直接匹配的迭代
最近点算法89
4.2.2 基于特征匹配的正态
分布变换算法92
4.2.3 ICP算法与NDT算法
的比较96
4.3 关键帧提取97
4.3.1 基于帧间运动的关键帧
提取97
4.3.2 基于时间间隔的关键帧
提取98
4.4 后端优化100
4.4.1 基于图优化的后端
优化101
4.4.2 基于滤波器的后端
优化102
4.5 激光SLAM算法实战106
4.5.1 Cartographer算法106
4.5.2 Cartographer代码实战109
4.5.3 LOAM算法112
4.5.4 LOAM代码实战：
A-LOAM118
4.5.5 LeGO-LOAM算法120
4.5.6 LeGO-LOAM代码实战125
4.5.7 LIO-SAM算法127
4.5.8 LIO-SAM代码实战133
第5章 视觉SLAM136
5.1 前端视觉里程计137
5.1.1 基于特征点法的视觉里
程计137
5.1.2 基于直接法的视觉里
程计152
5.2 后端非线性优化155
5.2.1 BA优化155
5.2.2 位姿图优化157
5.3 回环检测158
5.3.1 词袋模型159
5.3.2 深度学习模型161
5.4 建图162
5.4.1 度量地图162
5.4.2 拓扑地图162
5.4.3 特征点地图163
5.5 常用的视觉SLAM算法163
5.5.1 ORB SLAM 2架构164
5.5.2 SVO架构174
5.5.3 DSO架构178
5.5.4 VINS-Mono架构182
5.5.5 代码实战190
第6章 深度学习在SLAM中的
应用193
6.1 深度学习与相机重定位193
6.1.1 基于深度神经网络的
相机重定位方法194
6.1.2 基于检索的相机重定位
方法194
6.1.3 全场景理解195
6.2 深度学习与特征点的提取及
匹配196
6.2.1 深度卷积神经网络特征
点的鉴别196
6.2.2 LIFT：基于深度学习的经
典局部特征提取方法197
6.2.3 MatchNet：通过统一特征
和度量学习实现基于补丁
的匹配198
6.2.4 UCN：通用的图像关联
预测器201
6.3 深度学习与视觉里程计203
6.4 深度学习与回环检测207
6.5 深度学习与语义SLAM208
6.5.1 语义分割网络209
6.5.2 构建语义地图212
6.5.3 ORB SLAM实际操作215
第7章 SLAM技术展望217
7.1 激光SLAM的应用及展望218
7.1.1 激光SLAM的应用现状218
7.1.2 激光SLAM的未来趋势220
7.2 视觉SLAM的应用及展望220
7.2.1 视觉SLAM的应用
现状221
7.2.2 视觉SLAM的未来
趋势222
后记223
《智能汽车：电子电气架构详解》
前 言
第1章 电子电气系统1
1.1 系统的定义2
1.2 系统工程4
1.3 系统思维7
1.4 汽车电子电气系统的构成8
1.4.1 汽车电子电气系统的定义8
1.4.2 汽车电子电气系统三视图9
1.5 汽车电子电气系统分解12
1.5.1 系统分解的目的和意义12
1.5.2 系统分解的4个步骤与3个原则13
1.6 本章小结19
第2章 电子电气架构技术基础20
2.1 架构的定义20
2.1.1 架构词解21
|
|
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
