智能化是當(dāng)前汽車產(chǎn)業(yè)變革*重要的趨勢之一。

在智能汽車時代，出行變得更加安全、便捷、舒適。本書從技術(shù)層面，對于智能汽車的感知、控制、定位和測試驗證等多種關(guān)鍵技術(shù)進行了詳盡的分析與解釋，并運用相關(guān)的實驗與仿真來論證本書中所提方法的正確性和實際可行性。

對于希望在未來市場中搶占先機的車企、汽車工程師、汽車專業(yè)的學(xué)生而言，本書是不可不讀的參考書。

隨著人工智能、互聯(lián)網(wǎng)技術(shù)的發(fā)展，智能汽車正在逐漸向人類走來。由于智能汽車具有智能化、網(wǎng)聯(lián)化、節(jié)能環(huán)保、安全便捷等特點，對它的研究已經(jīng)在汽車產(chǎn)業(yè)中掀起了一陣熱潮，它也必將是未來汽車發(fā)展的必然方向。現(xiàn)今各大車企都開始紛紛投身智能汽車產(chǎn)業(yè)，相互競爭與合作，制訂相關(guān)的戰(zhàn)略計劃，研制、測試自家的智能汽車。

目前，智能汽車產(chǎn)業(yè)正呈現(xiàn)出百家爭奇、蓬勃向上的發(fā)展態(tài)勢，同時這也是一場沒有硝煙的戰(zhàn)爭，任何企業(yè)在技術(shù)上遲滯與落后都可能被行業(yè)所淘汰。

主編簡介： 

韓維建

現(xiàn)任美國福特汽車公司亞太區(qū)研究與技術(shù)主管。自從1995年加入福特以來，在多個國家和地區(qū)組織了眾多的研究與技術(shù)項目。他在交通可持續(xù)發(fā)展系統(tǒng)分析、汽車輕量化、環(huán)境、能源、道路交通安全、政策制定，以及產(chǎn)學(xué)研結(jié)合等諸多領(lǐng)域都具有豐富的經(jīng)驗和研究成果。

韓維建博士在俄克拉何馬州的塔爾薩大學(xué)獲得機械工程博士學(xué)位和工程管理碩士學(xué)位，在四川大學(xué)獲得金屬材料工程學(xué)士學(xué)位。目前是上海交通大學(xué)的兼職博士生導(dǎo)師，并在清華大學(xué)和重慶大學(xué)聯(lián)合指導(dǎo)博士生。

韓維建博士曾獲太平洋地區(qū)經(jīng)濟理事會環(huán)境銀獎、云南省國際合作類科技進步獎、南京航空航天大學(xué)校長國際合作獎；在眾多汽車專業(yè)領(lǐng)域發(fā)表國際性論文、演講、講座等逾60篇次。

作者簡介：

王　 科

現(xiàn)任重慶大學(xué)汽車工程學(xué)院副教授，重慶自主品牌汽車協(xié)同創(chuàng)新中心主任助理。曾任美國密歇根大學(xué)安娜堡分校博士后研究員和北美福特汽車研發(fā)與創(chuàng)新中心人工智能部門研發(fā)工程師，負責(zé)福特汽車公司智能汽車環(huán)境感知策略與方法的研究。長期從事智能汽車環(huán)境感知理論與信息融合方法、視覺定位導(dǎo)航與地圖匹配、駕駛員的行為數(shù)據(jù)挖掘與增強學(xué)習(xí)等研究。

王科博士曾獲得湖南大學(xué)汽車車身先進設(shè)計制造國家重點實驗室工學(xué)博士學(xué)位，師從鐘志華院士，目前主持了包括國家自然科學(xué)基金、國家重點研發(fā)計劃子課題、重慶市留學(xué)人員回國創(chuàng)業(yè)創(chuàng)新支持計劃課題、重慶市人工智能重大專項子課題等在內(nèi)的科研項目6項，作為主研人員參與科研項目10余項，發(fā)表學(xué)術(shù)論文20余篇，其中SCI/EI收錄期刊論文10余篇。

李　 霖

現(xiàn)任上海國際汽車城（集團）有限公司主任工程師、上海淞泓智能汽車科技有限公司副總經(jīng)理。長期從事智能網(wǎng)聯(lián)汽車測試方法及控制策略的相關(guān)研究，在智能網(wǎng)聯(lián)汽車測試評價、車路協(xié)同控制、緊急避撞控制等方面有深入的研究，發(fā)表相關(guān)論文40余篇，其中SCI/EI收錄10余篇。

李霖博士目前主持和參與了國家重點研發(fā)計劃、國家工業(yè)強基工程項目、上海市工程技術(shù)中心研究專項等10余項科研和工程項目，牽頭開展智能網(wǎng)聯(lián)汽車與車路協(xié)同技術(shù)、綜合智能測試評估技術(shù)等方面的研究，突破了智能網(wǎng)聯(lián)汽車及車路協(xié)同測試平臺的關(guān)鍵技術(shù)瓶頸，初步構(gòu)建了智能網(wǎng)聯(lián)汽車綜合測評體系，主導(dǎo)完成了國內(nèi)*一個智能網(wǎng)聯(lián)汽車專用封閉測試區(qū)的功能和場景設(shè)計，快速推動了國家智能網(wǎng)聯(lián)汽車（上海）試點示范區(qū)的相關(guān)建設(shè)。李霖博士畢業(yè)于同濟大學(xué)。

叢書總序
推薦序一
推薦序二
前言
第1章　緒論1
　1.1　智能汽車的發(fā)展和現(xiàn)狀1
　1.2　智能汽車的意義6
　　1.2.1　智能汽車對個人的意義6
　　1.2.2　智能汽車對交通系統(tǒng)的意義7
　　1.2.3　智能汽車對社會的意義7
　1.3　智能汽車的分級8
　1.4　智能汽車的關(guān)鍵技術(shù)10
　1.5　智能汽車的技術(shù)路線10
　1.6　智能汽車時代的來臨12
　參考文獻12
第2章　智能汽車的系統(tǒng)構(gòu)架與主要構(gòu)成14
　2.1　智能汽車的系統(tǒng)構(gòu)架14
　　2.1.1　分層遞階式系統(tǒng)構(gòu)架14
　　2.1.2　反應(yīng)式系統(tǒng)構(gòu)架15
　　2.1.3　混合式系統(tǒng)構(gòu)架16
　2.2　智能汽車的硬件系統(tǒng)構(gòu)架17
　　2.2.1　智能汽車計算平臺18
　　2.2.2　智能汽車常用傳感器20
　2.3　智能汽車的軟件系統(tǒng)構(gòu)架26
　　2.3.1　主機操作系統(tǒng)26
　　2.3.2　中間層運行框架27
　　2.3.3　應(yīng)用層27
　2.4　智能汽車的通信系統(tǒng)29
　　2.4.1　智能汽車車內(nèi)通信29
　　2.4.2　智能汽車與V2X技術(shù)31
　參考文獻34
第3章　智能汽車環(huán)境感知技術(shù)37
　3.1　相機模型與李群和李代數(shù)基礎(chǔ)37
　　3.1.1　相機坐標系的定義37
　　3.1.2　歐式空間坐標轉(zhuǎn)換38
　　3.1.3　李群和李代數(shù)基礎(chǔ)40
　3.2　KITTI數(shù)據(jù)集介紹44
　　3.2.1　KITTI數(shù)據(jù)集采集平臺44
　　3.2.2　KITTI數(shù)據(jù)集的類型45
　　3.2.3　KITTI數(shù)據(jù)集的格式介紹48
　3.3　基于多特征融合的道路理解方法48
　　3.3.1　道路環(huán)境理解算法架構(gòu)49
　　3.3.2　基于特征融合的道路區(qū)域分割50
　　3.3.3　道路建模與隨動方向濾波器52
　　3.3.4　基于置信度函數(shù)的道路標線識別54
　　3.3.5　基于粒子對濾波的道路線跟蹤56
　　3.3.6　試驗結(jié)果與分析58
　3.4　基于機器學(xué)習(xí)和粒子濾波的前方車輛識別60
　　3.4.1　前方車輛識別問題與方法61
　　3.4.2　路面區(qū)域提取方法63
　　3.4.3　基于機器學(xué)習(xí)的車輛分層級聯(lián)識別66
　　3.4.4　基于粒子濾波的多目標跟蹤72
　　3.4.5　試驗結(jié)果與分析77
　　3.4.6　本節(jié)小結(jié)81
　3.5　基于深度學(xué)習(xí)的環(huán)境感知方法81
　　3.5.1　神經(jīng)網(wǎng)絡(luò)81
　　3.5.2　卷積神經(jīng)網(wǎng)絡(luò)85
　　3.5.3　CNN在智能汽車環(huán)境感知中的應(yīng)用88
　3.6　基于激光雷達的感知技術(shù)93
　　3.6.1　激光雷達基礎(chǔ)94
　　3.6.2　LiDAR的外參數(shù)標定96
　　3.6.3　障礙物檢測97
　參考文獻98
第4章　智能汽車緊急控制策略101
　4.1　轉(zhuǎn)向避撞效能及可行性分析102
　　4.1.1　避撞所需最短縱向距離102
　　4.1.2　不同避撞方式的安全收益106
　　4.1.3　不同避撞方式對環(huán)境感知能力的要求109
　　4.1.4　不同避撞方式對執(zhí)行器的要求110
　4.2　臨界距離分析113
　　4.2.1　制動避撞所需的最短縱向距離113
　　4.2.2　轉(zhuǎn)向避撞所需的最短縱向距離115
　4.3　自動緊急控制127
　　4.3.1　駕駛員觸發(fā)型緊急轉(zhuǎn)向輔助控制129
　　4.3.2　矯正型緊急轉(zhuǎn)向輔助控制142
　　4.3.3　AEB算法的優(yōu)化148
　　4.3.4　制動和轉(zhuǎn)向避撞控制集成150
　4.4　制動轉(zhuǎn)向協(xié)調(diào)避撞控制152
　　4.4.1　車輛模型153
　　4.4.2　環(huán)境模型156
　　4.4.3　駕駛員模型158
　　4.4.4　制動轉(zhuǎn)向協(xié)調(diào)避撞控制159
　4.5　本章小結(jié)161
　參考文獻162
第5章　智能汽車的導(dǎo)航定位技術(shù)164
　5.1　基于高精地圖的匹配定位技術(shù)164
　　5.1.1　高精地圖VS傳統(tǒng)電子導(dǎo)航地圖165
　　5.1.2　高精地圖的繪制與測評166
　　5.1.3　基于高精地圖三維點云的車輛匹配定位方法167
　　5.1.4　高精地圖的未來發(fā)展與挑戰(zhàn)169
　5.2　基于DR和MM組合的車輛定位方法169
　　5.2.1　航位推算技術(shù)170
　　5.2.2　地圖匹配技術(shù)171
　　5.2.3　基于卡爾曼濾波器的DR和MM定位信息的融合175
　　5.2.4　本節(jié)小結(jié)178
　5.3　視覺里程計178
　　5.3.1　視覺里程計概述179
　　5.3.2　對極幾何180
　　5.3.3　PnP算法原理簡介181
　　5.3.4　直接法181
　　5.3.5　本節(jié)小結(jié)182
　參考文獻183
第6章　智能汽車試驗驗證技術(shù)185
　6.1　智能汽車試驗驗證面臨的挑戰(zhàn)186
　6.2　智能汽車試驗驗證技術(shù)的介紹188
　　6.2.1　智能汽車測試驗證機理188
　　6.2.2　ADAS測試評價方法189
　　6.2.3　高等級自動駕駛車輛測試評價方法201
　6.3　智能網(wǎng)聯(lián)汽車綜合試驗場204
　　6.3.1　國外智能網(wǎng)聯(lián)汽車綜合試驗場205
　　6.3.2　國內(nèi)智能網(wǎng)聯(lián)汽車專用試驗場213
　參考文獻216
第7章　智能汽車的挑戰(zhàn)與未來219
　7.1　智能汽車面臨的挑戰(zhàn)219
　　7.1.1　法律上的挑戰(zhàn)220
　　7.1.2　責(zé)任判定上的挑戰(zhàn)220
　　7.1.3　個人隱私權(quán)的挑戰(zhàn)220
　　7.1.4　成本提高帶來的挑戰(zhàn)221
　　7.1.5　汽車廠商和互聯(lián)網(wǎng)廠商合作上的挑戰(zhàn)222
　　7.1.6　汽車安全的挑戰(zhàn)222
　7.2　自動駕駛給人類帶來的變化223
　　7.2.1　市場份額變化223
　　7.2.2　商業(yè)模式的顛覆223
　　7.2.3　人們思想的改變224
　7.3　智能汽車發(fā)展策略224
　　7.3.1　信息系統(tǒng)224
　　7.3.2　識別系統(tǒng)225
　　7.3.3　控制系統(tǒng)226
　7.4　可預(yù)見的未來226
　　7.4.1　關(guān)鍵的節(jié)點：2020年226
　　7.4.2　混合時代：2020～2050年227