智能網聯汽車傳感器技術與應用 行雲新能科技(深圳)有限公司 9787111733959 【台灣高等教育出版社】

編輯推薦
適讀人群 ：職業院校師生
為了響應高速發展的智能網聯汽車產業對素質高、專業技術全面、技能熟練的大國工匠、高技能人才的迫切需求，為了響應《國家職業教育改革實施方案》提出的「建設一大批校企『雙元』合作開發的國家規劃教材，倡導使用新型活頁式、工作手冊式教材並配套開發信息化資源」的倡議，行雲新能科技（深圳）有限公司聯合中高職院校的一線教學老師與華為、英特爾、百度等行業內頭部企業共同開發了智能網聯汽車專業「崗課賽證」融通活頁式創新教材。
本套「智能網聯汽車專業『崗課賽證』融通活頁式創新教材」包括《智能網聯汽車概論》《Arduino編程式控制制與應用》《Python人工智慧技術與應用》《ROS原理與技術應用》《智能網聯汽車感測器技術與應用》《智能駕駛計算平台應用技術》《汽車線控底盤與智能控制》《車聯網技術與應用》《汽車智能座艙系統與應用》《車輛自動駕駛系統應用》《智能網聯汽車模擬與測試》共十一本，力求突出以下特點：
1）以學生為中心。活頁式教材具備「工作活頁」和「教材」的雙重屬性，這種雙重屬性直接賦予了活頁式教材在裝訂形式與內容更新上的靈活性。這種靈活性使得教材可以依據產業發展及時調整相關教學內容與案例，以培養學生的綜合職業能力為總目標，其中每一個能力模塊都是完整的行動任務。按照 「以學生為中心」的思路進行教材開發設計，將「教學資料」的特徵和「學習資料」的功能完美結合，使學生具備職業特定技能、行業通用技能以及伴隨終身的可持續發展的核心能力。
2）以職業能力為本位。在教材編寫之前，我們全面分析了智能網聯汽車技術領域的特徵，根據智能網聯汽車企業對智能感測設備標定工程師、高精度地圖數據採集處理工程師、智能網聯汽車測試評價工程師、智能網聯汽車系統裝調工程師、智能網聯汽車技術支持工程師等崗位的能力要求，對職業崗位進行能力分解，提煉出完成各項任務應具備的知識和能力。以此為基礎進行教材內容的選擇和結構設計，人才培養與社會需求的無縫銜接，最終實現學以致用的根本目標。同時，在內容設置方面，還儘可能與國家及行業相關技術崗位職業資格標準銜接，力求符合職業技能鑒定的要求，為學生獲得相關的職業認證提供幫助。
3）以學習成果為導向。智能網聯汽車橫跨諸多領域，這使得相關專業的學生在學習過程中往往會感到無從下手，我們利用活頁式教材的特點來解決此問題，活頁式教材是一種以模塊化為特徵的教材形式，它將一本書分成多個獨立的模塊，以某種順序組合在一起，從而形成相應的教學邏輯。教材的每個模塊都可以單獨製作和更新，便於保持內容的時效性和精準性。通過發揮活頁式教材的特點，我們將實際工作所需的理論知識與技能相結合，以工作過程為主線，便於學生在實際的操作過程中掌握工作所需的技能和加深對理論知識的認知。
總體而言，本活頁式教材以學生為中心，以職業能力為本位，以學習成果為導向，讓學生在教師指導下經歷完整的工作過程，創設沉浸式教學環境，並在交互體驗的過程中構建專業知識，訓練專業技能，從而促進學生自主學習能力的提升。每一個任務均以學習目標、知識索引、情境導入、獲取信息、任務分組、工作計劃、進行決策、任務實施、評價反饋這九個環節為主線，幫助學生在動手操作和了解行業發展的過程中領會團結合作的重要性，培養執著專註、精益求精、一絲不苟、追求卓越的工匠精神。在每個能力模塊中引入了拓展閱讀，將愛黨、愛國、愛業、愛史與愛崗教育融入課程中。為滿足「人人皆學、處處能學、時時可學」的需要，本活頁式教材同時搭配微課等數字化資源輔助學習。

內容簡介
本書內容包括環境感知與智能感測器基本認知、視覺感測器技術與應用、毫米波雷達技術與應用、激光雷達技術與應用、超聲波感測器技術與應用、GPS定位技術與應用、慣性測量單元（IMU）技術與應用，以及智能駕駛多感測器融合技術及應用8個能力模塊，共19個任務。本書以「做中學」為主導，以程序性知識為主體，配以必要的陳述性知識和策略性知識，重點強化「如何做」，將必要知識點穿插於各個「做」的步驟中，邊學習、邊實踐，同時將「課程思政」融入課程的培養目標，在實訓教學中滲透理論的講解，使所學到的知識能夠融會貫通，讓學生具有獨立思考、將理論運用於實踐的動手能力，成為從事智能網聯汽車相關工作的高素質技能型專業人才。
本書內容通俗易懂，可作為職業院校新能源汽車專業、智能網聯汽車技術、智能網聯汽車工程技術等專業教材，也可供從事本專業工作的工程技術人員參考。

目錄
序
前言
能力模塊一 01
對環境感知與智能感測器的基本認知 /001
任務一 認知智能駕駛環境感知系統 /001
任務二 認知智能駕駛感知感測器 /010
能力模塊二 02
掌握視覺感測器技術與應用 /018
任務一 認知視覺感測器 /018
任務二 實現單目攝像頭的應用 /032
任務三 實現雙目攝像頭的應用 /044
能力模塊三 03
掌握毫米波雷達技術與應用 /055
任務一 認知毫米波雷達 /055
任務二 實現毫米波雷達的應用 /066
能力模塊四 04
掌握激光雷達技術與應用 /075
任務一 認知激光雷達 /075
任務二 實現單線激光雷達的應用 /087
任務三 實現多線激光雷達的應用 /097
能力模塊五 05
掌握超聲波感測器技術與應用 /107
任務一 認知超聲波感測器 /107
任務二 實現超聲波感測器的應用 /115
能力模塊六 06
掌握GPS定位技術與應用 /123
任務一 認知GPS定位技術 /123
任務二 實現GPS定位技術的應用 /132
能力模塊七 07
掌握慣性測量單元（IMU）技術與應用 /141
任務一 認知IMU定位技術 /141
任務二 實現IMU定位技術的應用 /150
能力模塊八 08
掌握智能駕駛多感測器融合技術及應用 /157
任務一 認知多感測器融合 /157
任務二 實現視覺與激光雷達融合的應用 /165
任務三 實現激光雷達與IMU融合的應用 /176
參考文獻 /183

前言/序言
黨的二十大報告指出：「統籌職業教育、高等教育、繼續教育協同創新，推進職普融通、產教融合、科教融匯，優化職業教育類型定位。」產教融合是培養智能網聯汽車產業端所需的素質高、專業技術全面、技能熟練的大國工匠、高技能人才的重要方式，也是我們教材體系建設的重要依據。
2022年11月上旬，工業和信息化部與公安部聯合發布《關於開展智能網聯汽車准入和上路通行試點工作的通知（徵求意見稿）》。在電動化、智能化、網聯化、共享化已成為汽車產業發展趨勢的當下，政策的利好更進一步地推動了產業的健康發展。工業和信息化部數據顯示，2022年上半年，我國具備組合駕駛輔助功能的乘用車銷量達288萬輛，滲透率提高至32 4%，同比增長46 2%。國家智能網聯汽車創新中心數據顯示，到2025年，我國智能網聯汽車產業僅汽車部分新增產值將超過1萬億元；到2030年，汽車部分新增的產值將達到2 8萬億元。智能網聯汽車行業的快速發展推進了產業端對人才的需求，根據教育部等三部門聯合印發的《製造業人才發展規劃指南》，未來節能與新能源汽車人才缺口為103萬人，智能網聯汽車人才缺口為3 7萬人，汽車行業技術人才、數字化人才非常稀缺。而智能網聯汽車產業作為汽車、電子、信息、交通、定位導航、網路通信、互聯網應用等行業領域深度融合的新興產業，院校在專業建設時往往會遇到行業就業崗位模糊、專業建設核心不清等情況。在政策大力支持、產業蓬勃發展的大背景下，為滿足行業對智能網聯汽車技術專業人才的需要，促進中高職院校汽車專業建設，特編寫本教材。
智能網聯汽車感測器是智能網聯汽車的關鍵技術，環境感知系統會通過各種類型的智能感測器獲取數據，因此智能感測器技術是智能網聯汽車控制系統的基礎。
本教材圍繞智能網聯相關專業「崗課賽證」綜合育人的教育理念與教學要求，基於「學生為核心、能力為導向、任務為引領」的理念編寫。在對智能網聯技術技能人才崗位特點、1+X職業技能等級證書和「校—省—國家」三級大賽體系進行調研的基礎上，分析出崗位典型工作任務，進而創設真實的工作情景，引入企業崗位真實的生產項目，強化產教融合深度，從而構建整套系統化的課程體系。
本教材分為8個能力模塊。能力模塊一為對環境感知與智能感測器的基本認知，通過環境感知系統的定義、感知對象、常見的環境感知感測器等多個知識點完成對智能駕駛環境感知系統的初步了解；能力模塊二為掌握視覺感測器技術與應用，認知單目與雙目攝像頭，了解單目與雙目攝像頭的工作原理；能力模塊三為掌握毫米波雷達技術與應用，講授了毫米波雷達的類型、技術參數、測量原理以及毫米波雷達應用實例；能力模塊四為掌握激光雷達技術與應用，講授了激光雷達的基本組成、激光雷達的工作原理以及激光雷達的數據解析；能力模塊五為掌握超聲波感測器技術與應用，講授了超聲波感測器的類別、基本特性、工作原理以及實際案例；能力模塊六為掌握GPS定位技術與應用，講授了GPS定位技術的系統構成、GPS的工作原理及GPS的應用場景；能力模塊七為掌握IMU技術與應用，講授了慣性導航感測器的分類、組成、原理及與GPS的聯合應用；能力模塊八為掌握智能駕駛多感測器融合技術及應用，講授了多感測器的融合及應用、視覺與激光雷達融合應用及IMU與激光雷達融合應用。
能力模塊 理論學時 實踐學時 權重
能力模塊一 對環境感知與智能感測器的基本認知 2 0 3%
能力模塊二 掌握視覺感測器技術與應用 4 8 19%
能力模塊三 掌握毫米波雷達技術與應用 3 4 11%
能力模塊四 掌握激光雷達技術與應用 4 6 16%
能力模塊五 掌握超聲波感測器技術與應用 2 4 9%
能力模塊六 掌握GPS定位技術與應用 2 4 9%
能力模塊七 掌握慣性測量單元（IMU)技術與應用 3 4 11%
能力模塊八 掌握智能駕駛多感測器融合技術及應用 8 6 22%
總計 28 36 100%