 |
-- 會員 / 註冊 --
|
 |
|
|
|
智能駕駛技術(路徑規劃與導航控制)/智能科學與技術叢書 ( 簡體 字) |
| 作者：余伶俐//周開軍//陳白帆|責編:李永泉 | 類別：1. -> 電子工程 -> 無人機 |
| 譯者： |
| 出版社：機械工業 |  3dWoo書號： 52893
詢問書籍請說出此書號！【缺書】
NT售價： 395 元 |
| 出版日：5/1/2020 |
| 頁數：218 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111653271 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：介紹了智能駕駛技術的路徑規劃和導航控制，內容涉及視覺協同顯著性交通標志牌檢測、地圖創建與全局路徑規劃、車輛行為決策與運動規劃、車輛軌跡跟蹤控制以及無模型智能駕駛控制的技術。書中首先論述了經聚類、顯著性線索分析以及幾何約束模型檢測交通標志牌的方法。其次，闡述了基于ArcGis分析工具的地圖創建和全局路徑規劃的方法。而后，探討了基于有限狀態機的駕駛行為決策方法，在此基礎上，利用RRT算法、曲線近似法、Frenet坐標系法，分別實現了智能駕駛車輛運動規劃方法，設計了基于深度強化學習的智能駕駛車輛路徑規劃方法。并完成了幾何規則的軌跡跟蹤控制，實現了智能駕駛公交的自主泊車。*后，研究了基于數據驅動的智能駕駛公交主動轉向控制方法。分別在仿真軟件PreScan和TruckSim進行了智能駕駛公交車輛的仿真實驗。這些方法在工程應用中取得了明顯的效果，實現了智能駕駛公交車輛的智能導航控制。本書提供的相關方法意在推動智能駕駛領域中感知建圖、決策規劃、導航控制的前沿問題研究，可為我國智慧交通的研究提供借鑒和參考。
本書可作為高等院校智能科學與技術、自動化、人工智能等專業研究生或高年級本科生的專業基礎課程教材，亦可供廣大從事人工智能、智能駕駛、決策規劃、導航控制領域的科技工作者閱讀和思考。 |
目錄：第1章 緒論 1
1.1 智能駕駛公交車輛發展現狀 1
1.2 全局路徑規劃方法研究現狀 3
1.3 行為決策與運動規劃方法研究現狀 4
1.4 跟蹤控制方法研究現狀 5
參考文獻 6
第2章 基于視覺協同顯著性的交通標志牌檢測 14
2.1 基于視覺協同顯著性的交通標志牌檢測框架設計 14
2.1.1 基于聚類的圖間/圖內顯著性檢測模型子框架 15
2.1.2 幾何結構約束模型子框架 15
2.2 基于視覺協同顯著性的圖像檢測算法 18
2.2.1 基于聚類的視覺協同顯著性檢測 18
2.2.2 視覺顯著性線索分析 19
2.2.3 協同顯著圖的生成 20
2.2.4 各顯著性線索的特性分析 22
2.2.5 幾何結構約束模型 24
2.3 顯著性檢測實驗與分析 26
2.3.1 單圖像顯著性檢測實驗分析 26
2.3.2 圖像對協同顯著性檢測實驗分析 28
2.3.3 多圖像協同顯著性檢測實驗分析 29
2.3.4 運行速度測試分析 32
2.3.5 聚類數目影響分析 33
2.4 復雜場景中交通標志牌的檢測實驗分析 34
2.5 本章小結 36
參考文獻 36
第3章 智能駕駛公交車輛全局路徑規劃方法 40
3.1 基于ArcGIS地圖創建及全局規劃 41
3.1.1 ArcGIS系統概述 41
3.1.2 基于ArcGIS的地圖創建 42
3.1.3 基于ArcGIS網絡分析工具的全局路徑規劃 55
3.2 *優路徑信息處理 56
3.2.1 全局坐標系轉換 56
3.2.2 全局路徑插值 57
3.3 地圖創建及全局規劃仿真實驗 58
3.4 本章小結 61
參考文獻 61
第4章 智能駕駛公交車輛行為決策與運動規劃方法 64
4.1 基于分層有限狀態機的智能駕駛公交車輛決策模型 64
4.1.1 頂層狀態機設計 65
4.1.2 底層狀態機設計 65
4.1.3 雙層擴展有限狀態機行為決策方法 67
4.1.4 基于分層有限狀態機的行為決策實驗 67
4.2 基于快速搜索隨機樹的動態路徑規劃方法 70
4.2.1 RRT算法 70
4.2.2 基于起點與終點位姿約束的雙向RRT算法 71
4.2.3 基于起點與終點位姿約束的RRT算法仿真實驗 73
4.3 基于曲線近似的智能駕駛公交車輛動態軌跡規劃方法 73
4.3.1 基于貝塞爾曲線的路徑平滑與拼接 74
4.3.2 基于約束的多項式動態軌跡規劃方法 79
4.4 基于Frenet坐標系的智能駕駛公交車輛運動規劃方法 86
4.4.1 Frenet坐標系的建立 86
4.4.2 橫縱向軌跡解耦規劃 87
4.4.3 基于車輛約束的*優軌跡選擇 89
4.4.4 基于Frenet坐標系的軌跡規劃仿真實驗 90
4.5 智能駕駛公交車輛行為決策與運動規劃方法應用實例 100
4.5.1 基于高精度地圖與紅外信標的智能駕駛公交車輛自動啟停實現方法 100
4.5.2 智能駕駛公交車輛行為決策與運動規劃實車實驗 103
4.6 本章小結 105
參考文獻 105
第5章 基于深度強化學習的智能駕駛公交車輛路徑規劃方法 107
5.1 深度強化學習方法的理論講解 107
5.1.1 強化學習理論基礎 107
5.1.2 深度學習理論基礎 112
5.1.3 基于深度強化學習的路徑規劃概述 113
5.2 基于深度強化學習的網絡模型構建 116
5.3 基于深度強化學習的環境模型構建 123
5.3.1 虛擬環境構建 123
5.3.2 環境模型應用策略 124
5.3.3 模型訓練 125
5.4 基于深度強化學習的路徑規劃實現方法 127
5.4.1 深度強化學習的算法框架 127
5.4.2 關鍵環境回報值選取 128
5.4.3 基于深度強化學習的路徑規劃方法實驗分析 130
5.4.4 多種軌跡規劃方法對比實驗分析 135
5.5 本章小結 143
參考文獻 143
第6章 智能駕駛公交車輛軌跡跟蹤控制方法 146
6.1 智能駕駛公交車輛運動學與動力學模型 146
6.1.1 運動學模型 146
6.1.2 動力學模型 147
6.2 智能駕駛公交車輛軌跡跟蹤控制 149
6.2.1 基于航向預測的軌跡跟蹤控制及仿真 149
6.2.2 基于運動學模型的軌跡跟蹤控制 152
6.2.3 智能駕駛公交車輛速度控制方法 155
6.3 智能駕駛公交車輛自主泊車控制 158
6.3.1 基于Akerman轉向幾何的路徑規劃 159
6.3.2 基于車輛運動學模型及位置補償的控制器 160
6.3.3 智能駕駛公交車輛自主泊車仿真驗證及實車實驗 161
6.4 基于PreScan的智能駕駛公交車輛仿真環境 163
6.4.1 場景搭建 164
6.4.2 聯合仿真 172
6.5 本章小結 173
參考文獻 174
第7章 基于數據驅動的智能駕駛公交車輛主動轉向控制方法 177
7.1 基于數據驅動的主動轉向控制系統概述 177
7.1.1 智能駕駛公交車輛主動轉向控制系統概述 177
7.1.2 數據驅動控制方法概述 177
7.1.3 軌跡跟蹤誤差的向量描述 178
7.1.4 基于數據驅動的車輛模型在線辨識方法 179
7.1.5 基于數據驅動的主動轉向控制系統框架 181
7.2 基于自抗擾控制的主動轉向控制方法 182
7.2.1 自抗擾控制方法概述 182
7.2.2 自抗擾控制器設計 182
7.2.3 基于自抗擾控制的主動轉向控制器設計 188
7.3 基于無模型自適應的主動轉向控制方法 189
7.3.1 無模型自適應控制方法概述 189
7.3.2 基于預瞄偏差角的跟蹤控制方案 189
7.3.3 基于無模型自適應的主動轉向控制器設計 190
7.4 基于TruckSim的跟蹤控制仿真方法 191
7.4.1 聯合仿真平臺的搭建 191
7.4.2 仿真環境下跟蹤控制性能驗證 199
7.4.3 控制器遷移至真實環境的可行性評估 203
7.5 本章小結 204
參考文獻 204
附錄 206
第8章 智能駕駛技術展望 213
8.1 智能駕駛路徑規劃技術展望 213
8.2 智能駕駛跟蹤控制技術展望 214
8.3 智能駕駛仿真環境展望 215
8.4 技術展望 216
8.5 本章小結 217
參考文獻 217 |
| 序： |
|
