基於AI與機器人技術的自動駕駛技術 (日)日本機器人學會 9787030752635 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202305*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：基於AI與機器人技術的自動駕駛技術
ISBN：9787030752635
出版社：科學
著編譯者：(日)日本機器人學會
頁數：290
所在地：中國大陸 *此為代購商品
書號：1505927
可大量預訂，請先連絡。

內容簡介

本書由活躍于自動駕駛各個領域的專家執筆，講解最前沿的自動駕駛技術。前半部分在介紹自動駕駛技術的基礎上，講解自動駕駛的各項功能，包括環境識別和預測，地圖生成和自車定位，自動駕駛車輛的決策，縱橫方向的車輛運動控制，多車協同控制，自動駕駛技術的開發工具。後半部分重點講解深度學習和深度強化學習，以及深度學習的技能。 本書主要面向自動駕駛領域的研究人員和工程師，還可作為高等院校車輛工程、自動化控制等相關專業師生的參考用書。

作者簡介

荒井幸代，千葉大學研究生院工學研究院教授，工學博士。

目錄

第1章 自動駕駛技術概述
1 1 自動駕駛的整體流程
1 1 1 機動車的使用目的和自動駕駛
1 1 2 自動駕駛功能的子系統
1 1 3 自動駕駛系統的工作流程
1 2 自動駕駛的硬體結構
1 2 1 用於環境識別的外部感測器
1 2 2 GNSS
1 2 3 地圖上的自車定位與地圖更新
1 2 4 駕駛員監控技術
1 2 5 硬體結構
1 3 確保自動駕駛的安全性和可靠性
1 3 1 系統的功能安全策略
1 3 2 自動駕駛的可靠性保障
1 4 實現全自動駕駛面臨的問題
1 4 1 自動駕駛與道路交通環境
1 4 2 自動駕駛及其社會接受度
1 4 3 人工智能在自動駕駛中的必要性和面臨的問題
1 4 4 問題總結
第2章 環境識別和預測
2 1 手工提取特徵量的環境識別
2 1 1 探測行人和車輛
2 1 2 手工提取特徵量的優勢
2 2 深度學習的環境識別
2 2 1 探測行人和車輛
2 2 2 語義分割
2 2 3 深度學習的環境識別問題
2 3 行人的路徑預測
2 3 1 基於貝葉斯模型的方法
2 3 2 基於深度學習的方法
2 3 3 RNN和LSTM
2 3 4 基於LSTM的方法
2 3 5 考慮到行人交互的路徑預測
2 4 其他車輛的路徑預測
2 4 1 概述
2 4 2 考慮移動體間相互影響的預測
2 4 3 生成多種候選的預測
2 5 深度學習模型的壓縮
2 5 1 剪枝與量化
2 5 2 矩陣分解
2 5 3 知識蒸餾
2 5 4 網路結構搜索
第3章 地圖生成和自車定位
3 1 自動駕駛中的地圖和自車定位的作用
3 2 高精地圖
3 2 1 點雲地圖
3 2 2 矢量地圖
3 3 點雲地圖的生成方法
3 3 1 MMS
3 3 2 SLAM
3 4 矢量地圖的生成方法
3 5 用地圖進行自車定位
3 5 1 通過三維點雲和LiDAR進行自車定位
3 5 2 其他方法
3 5 3 感測器協調合作
3 6 應用衛星定位的自車定位
3 6 1 應用衛星定位和RTK-GNSS的厘米級自車定位
3 6 2 衛星定位與IMU協調合作，實現更加穩健的自車定位
第4章 自動駕駛車輛的決策
4 1 決策概述
4 2 路徑規劃
4 3 運動規劃
4 3 1 運動規劃的輸入
4 3 2 運動規劃的處理流程
4 3 3 參考狀態遷移圖的運動規劃
4 3 4 採用學習行為的運動規劃
4 4 軌跡生成
4 4 1 軌跡生成模塊的輸入
4 4 2 軌跡生成的處理
4 4 3 不採用學習行為的軌跡生成
4 4 4 採用學習行為的軌跡生成
4 5 決策功能的實用化
4 5 1 決策功能的開發情況
4 5 2 深度學習在決策功能中的應用問題
4 5 3 提高安全性
第5章 縱橫方向的車輛運動控制
5 1 自動駕駛系統和ADAS的關係
5 2 ADAS技術
5 2 1 縱向車輛運動控制
5 2 2 橫向車輛運動控制
5 2 3 縱橫兩個方向的車輛運動控制
5 3 自動駕駛系統的控制技術
5 3 1 車輛模型
5 3 2 PID控制
5 3 3 純追蹤演算法
5 3 4 模型預測控制
5 4 控制系統的設計及性能評價
5 4 1 控制系統的調節
5 4 2 與感知系統評價方法的不同
5 4 3 形式模型的安全性評價
5 5 深度學習在車輛運動控制中的應用探究
5 5 1 神經網絡PID
5 5 2 端到端（End-to-End）自動駕駛及其面臨的問題
第6章 多車協同控制
6 1 互讓
6 1 1 互讓概述
6 1 2 相關研究
6 1 3 遙控汽車實驗示例
6 1 4 遙控汽車通過DQN互讓的示例
6 2 列隊行駛
6 2 1 列隊行駛的概要及效果
6 2 2 前後方向的控制
6 2 3 左右方向的控制
6 2 4 列隊行駛控制示例
第7章 自動駕駛技術的開發工具
7 1 環境識別、自車定位數據集
7 1 1 數據集
7 1 2 KITTI數據集
7 1 3 數據集的陷阱
7 2 地圖（HD地圖）
7 2 1 OpenDRIVE
7 2 2 Lanelet
7 3 自動駕駛平台
7 3 1 Autoware的整體情況和深度學習的相關功能
7 3 2 Apollo的整體情況和深度學習的相關功能
7 3 3 Autoware和Apollo的比較和尚待解決的問題
7 4 自動駕駛模擬器
7 4 1 免費模擬器示例
7 4 2 免費模擬器比較
第8章 深度學習的基礎
8 1 機器學習、深度學習
8 1 1 機器學習概述
8 1 2 深度學習的必要性
8 2 神經網絡的基本結構
8 2 1 輸入層
8 2 2 隱藏層
8 2 3 輸出層
8 3 神經網絡的學習方法
8 3 1 損失函數
8 3 2 概率性梯度下降法
8 3 3 誤差反向傳播法
8 3 4 其他技術
第9章 深度強化學習
9 1 深度強化學習概述
9 2 強化學習的概述、方法和深度強化學習擴展
9 2 1 強化學習的基礎
9 2 2 強化學習和函數擬合
9 3 基於價值的方法
9 3 1 DQN
9 3 2 DQN的改良
9 3 3 強化學
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。