智能汽車環境感知技術 時培成 著 9787122442956 【台灣高等教育出版社】

目錄 第1章 緒論
1 1 汽車的智能化
1 1 1 智能汽車
1 1 2 智能網聯汽車
1 1 3 無人駕駛汽車
1 2 環境感知技術的重要性
1 3 國內外研究現狀
1 3 1 基於圖像的環境感知技術
1 3 2 基於點雲的環境感知技術
1 3 3 基於多感測器融合的環境感知技術
1 3 4 基於多任務網路的環境感知技術
第2章 智能汽車感知系統及感測器標定方法
2 1 感知系統介紹
2 1 1 感知系統架構
2 1 2 感測器介紹
2 2 單目相機標定
2 2 1 相機成像模型
2 2 2 相機內參標定
2 3 相機和激光雷達聯合標定
2 3 1 相機坐標系和激光雷達坐標系的轉換模型
2 3 2 外參的聯合標定
本章小結
第3章 基於單目視覺的環境感知技術
3 1 深度學習理論及相關方法介紹
3 1 1 注意力機制
3 1 2 注意力機制的計算
3 1 3 自注意力機制
3 2 VisionTransformer
3 3 SwinDeformableTransformer-BiPAFPN-YOLOX目標檢測演算法
3 3 1 DarkNet53-PAFPN-YOLOX目標檢測演算法
3 3 2 SwinDeformableTransformer-BiPAFPN-YOLOX目標檢測演算法整體結構
3 3 3 重建可變形自注意力機制
3 3 4 主幹網路：SwinDeformableTransformer
3 3 5 頸部：BiPAFPN
3 4 實驗與分析
3 4 1 實驗平台搭建
3 4 2 數據集
3 4 3 評價標準
3 4 4 訓練策略
3 4 5 實驗數據統計與分析
3 5 實車實驗
3 5 1 實驗設備介紹
3 5 2 實時檢測
本章小結
第4章 基於MobileNetv2_CA-YOLOv4的環境感知技術
4 1 MobileNetv2_CA-YOLOv4的輕量化目標檢測演算法
4 1 1 深度可分離卷積
4 1 2 網路結構的構建
4 1 3 注意力機制及對比
4 1 4 協調注意力機制CoordinateAttention（CA）的嵌入
4 1 5 構造網路損失函數
4 1 6 馬賽克圖像增強方法
4 2 MobileNetv2_CA-YOLOv4目標檢測演算法的實驗與分析
4 2 1 實驗平台
4 2 2 數據集介紹
4 2 3 模型訓練
4 2 4 評價指標
4 2 5 實驗結果分析
4 2 6 目標檢測結果對比
本章小結
第5章 基於MCDVformer的多任務環境感知技術
5 1 多任務主幹MCDVformer介紹
5 1 1 整體結構
5 1 2 移位窗口自注意力機制
5 1 3 重建可變形自注意力機制
5 1 4 關鍵點可變形自/交叉注意力機制
5 1 5 SwinDeformableEncoder-Decoder
5 1 6 密集殘差連接
5 2 目標檢測實驗
5 2 1 數據集與評價標準
5 2 2 訓練策略
5 2 3 定量實驗分析
5 2 4 定性實驗分析
5 3 實例分割實驗
5 3 1 數據集、訓練策略與評價指標
5 3 2 定量實驗分析
5 3 3 定性實驗分析
5 4 目標分類實驗
5 4 1 數據集以及評價指標
5 4 2 訓練策略
5 4 3 定量實驗分析
5 5 語義分割實驗
5 5 1 數據集與評價指標
5 5 2 訓練策略
5 5 3 定量實驗分析
5 5 4 定性實驗分析
5 6 消融實驗
5 7 實車實驗
5 7 1 目標檢測實車實驗
5 7 2 實例分割實車實驗
5 7 3 語義分割實車實驗
本章小結
第6章 基於點雲數據增強的環境感知技術
6 1 點雲密度和語義增強框架與流程
6 1 1 點雲密度增強
6 1 2 點雲語義增強
6 2 點雲和圖像之間的坐標轉換
6 3 數據集和檢測器細節
6 4 實驗和結果分析
6 4 1 nuScenes數據集的評價指標
6 4 2 nuScenes數據集上的實驗結果
6 4 3 KITTI數據集上的實驗結果
6 5 消融實驗
6 5 1 點雲密度增強的有效性驗證
6 5 2 點雲語義增強的有效性驗證
6 5 3 D-SAugmentation整體性能的有效性驗證
本章小結
第7章 基於兩階段序列融合的環境感知技術
7 1 多模態感測器數據融合方法及概念
7 2 兩階段序列融合網路
7 3 最近群組關聯的點雲語義增強
7 3 1 點雲語義增強模塊
7 3 2 最近群組關聯
7 4 基於置信度和距離的非極大值抑制
7 4 1 基於置信度的非極大值抑制
7 4 2 級聯距離與置信度的非極大值抑制
7 5 實驗結果及分析
7 5 1 數據集介紹
7 5 2 二維檢測器的配置
7 5 3 三維檢測器的配置
7 5 4 融合模塊的配置
7 5 5 檢測結果及對比
7 6 消融實驗
7 6 1 NGP模塊的有效性
7 6 2 C-DNMS模塊的有效性
7 6 3 TSF整體網路的有效性
本章小結
第8章 基於多模態融合的環境感知技術
8 1 多模態融合環境感知演算法問題描述
8 2 MFF-Net總體框架
8 2 1 空間變換投影（STP）
8 2 2 自適應表達增強（AEE）融合
8 2 3 自適應非極大值抑制（A-NMS）演算法
8 3 實驗設置
8 3 1 實驗環境
8 3 2 網路細節
8 3 3 KITTI
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PChome商店街私訊告知ISBN或書號，我們即儘速上架。