-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
10/8 新書到! 10/1 新書到! 9/24 新書到! 9/18 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

基于人工智能的無人駕駛車輛路面識別技術

( 簡體 字)
作者:王世峰類別:1. -> 程式設計 -> 綜合
譯者:
出版社:機械工業出版社基于人工智能的無人駕駛車輛路面識別技術 3dWoo書號: 50021
詢問書籍請說出此書號!

有庫存
NT售價: 350

出版日:9/28/2018
頁數:137
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:9787111606956
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(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:

《基于人工智能的無人駕駛車輛路面識別技術》在借鑒國內外相關科研成果的基礎上,結合無人駕駛車輛的新技術,對無人駕駛車輛路面識別技術涉及的關鍵問題進行了詳盡講解。本書全面闡述了無人駕駛車輛路面識別技術的基本概念、分析方法及相關應用,全書共分6章,包括車載激光雷達、地面機器人路面識別技術、基于機器學習及馬爾科夫隨機場的路面識別技術、基于圖像數據的路面類型分類、基于激光雷達的路面類型分類及馬爾科夫隨機場的多傳感器融合路面類型分類。此外,本書還淺嘗輒止地探討了無人駕駛車輛路面識別技術面臨的挑戰及其發展方向。本書既可作為從事無人駕駛車輛相關研究的科研及工程技術人員,以及從事地面機器人相關研究的工程技術人員的參考書,也可作為普通高等院校人工智能、車輛工程、自動化、計算機等相關專業師生的參考教材。同時,還可作為廣大對無人駕駛技術感興趣的讀者朋友的科普讀物。
目錄:

第 1章 車載激光雷達 1
1.1 概述 1
1.2 激光測距技術 2
1.2.1 脈沖測距 2
1.2.2 相位測距 3
1.2.3 三角測距 4
1.3 激光雷達在自動駕駛中的應用 5
1.4 激光雷達的分類 6
1.4.1 單線激光雷達 6
1.4.2 多線激光雷達 7
1.4.3 激光雷達的技術發展 14
第 2章 地面機器人路面識別技術 16
2.1 基于加速度傳感器的地形判別 16
2.2 基于相機圖像的地形視覺判別 26
2.3 基于激光雷達的地形識別 37
2.4 多種傳感器的融合 47
第 3章 基于機器學習及馬爾科夫隨機場的路面識別技術 64
3.1 路面輪廓估計 64
3.1.1 加速度 (acc-t) 64
3.1.2 四分之一車輛模型 (acc-ttoy-t) 65
3.1.3 垂直位移 (y-t) 67
3.1.4 速度 (v-t) 68
3.1.5 速度到位移 (v-ttox-t) 68
3.1.6 路面輪廓 (y-x) 68
3.2 特征提取 70
3.2.1 從路面輪廓 (y-x)中提取的 FFT特征 72
3.2.2 從加速度 (acc-t)中提取的 FFT特征 75
3.2.3 從加速度 (acc-t)和路面輪廓 (y-x)中提取的
快速小波變換特征 (FWT) 75
3.3 歸一化 76
3.4 主成分分析 PCA 77
3.5 K-fold交叉驗證 77
3.6 其他分類器的嘗試 77
3.6.1 樸素貝葉斯分類器 78
3.6.2 神經網絡分類器 78
3.6.3 支持向量機分類器 80
3.7 實驗 81
3.7.1 概述 81
3.7.2 關于加速度的平臺實驗 83
3.8 實驗結果 85
3.8.1 特征選擇 85
3.8.2 速度獨立性測試 86
3.8.3 分類器選擇 88
3.8.4 加速度實驗結果 89
3.9 總結 92
第 4章 基于圖像數據的路面類型分類 93
4.1 圖像紋理特征 94
Ⅵ 基于人工智能的無人駕駛車輛路面識別技術
4.2 建立圖像特征矩陣 95
4.2.1 灰度共生矩陣 95
4.2.2 特征提取和特征矩陣信息 96
4.3 實驗驗證 99
4.3.1 實驗平臺 99
4.3.2 基于圖像的實驗 99
4.4 實驗結果 100
4.5 結論 105
第 5章 基于激光雷達的路面類型分類 106
5.1 激光雷達的掃描方式 106
5.2 道路表面重建 107
5.2.1 距離數據的處理 107
5.2.2 速度數據的處理 108
5.2.3 道路表面 108
5.3 特征矩陣 109
5.4 實驗 110
5.4.1 實驗平臺 110
5.4.2 實驗結果 111
5.5 結論 115
第 6章 馬爾科夫隨機場的多傳感器融合路面類型分類 116
6.1 前置激光雷達的預測 116
6.2 馬爾科夫隨機場算法 (MRF) 118
6.2.1 條件獨立性 118
6.2.2 分解特性 120
6.3 馬爾科夫隨機場的建立 121
6.3.1 馬爾科夫隨機場中的節點 122
目 錄 Ⅶ
6.3.2 馬爾科夫隨機場中節點的隨機變量 122
6.3.3 馬爾科夫隨機場中的節點 123
6.3.4 馬爾科夫隨機場中的節點值 123
6.3.5 能量函數 124
6.3.6 最優化 125
6.4 實驗 125
6.4.1 實驗平臺 125
6.4.2 基于多傳感器融合的實驗 125
6.5 實驗結果 125
6.6 結論 129
后記 回顧與展望 130
參考文獻 132
序: