《無人駕駛:人工智能如何顛覆汽車(雙色版)》是為從事無人駕駛車輛(智能網(wǎng)聯(lián)汽車)開發(fā)相關工作人員的入門技術書。作者分享了他們打造無人駕駛車輛系統(tǒng)的實踐經(jīng)驗!稛o人駕駛:人工智能如何顛覆汽車(雙色版)》由9章組成,第1章概述了無人駕駛系統(tǒng);第2章著重介紹無人駕駛車輛定位技術;第3章討論了傳統(tǒng)的環(huán)境感知技術;第4章討論基于深度學習的環(huán)境感知技術;第5章介紹了行為預測和路徑規(guī)劃技術;第6章著重介紹運動決策、規(guī)劃與控制子系統(tǒng)的反饋控制;第7章介紹基于增強學習的規(guī)劃和控制技術;第8章深入研究無人駕駛客戶端系統(tǒng)的設計細節(jié);第9章詳細介紹了無人駕駛云平臺。
《無人駕駛:人工智能如何顛覆汽車(雙色版)》對在校學生、研究人員和相關從業(yè)人員都大有益處。無論你是本科生還是研究生,只要對無人駕駛感興趣,都可以在這里找到無人駕駛技術的全面介紹。
適讀人群 :從事無人駕駛/自動駕駛/智能汽車的工程技術人員、學生、教師和研究人員,對無人駕駛感興趣的非專業(yè)人員 本書由百度硅谷一線工程師和IEEE計算機協(xié)會主席聯(lián)袂編著,作者團隊在各自的領域造詣深厚,有著豐富的無人駕駛汽車技術研究開發(fā)經(jīng)驗,很適合作為無人駕駛/自動駕駛/智能車輛總體認識和技術入門圖書來閱讀。本書由吉林大學馬芳武教授無人駕駛團隊翻譯。
無人駕駛車輛,無論是在陸地、水上還是在空中,都出現(xiàn)在我們身邊,并不斷尋找無數(shù)新的應用場景,比如無人駕駛出租車服務到偏遠地區(qū)。過去幾十年持續(xù)的技術進步使得這些創(chuàng)新成為可能,同時也需要克服很多艱巨的難題以實現(xiàn)無人駕駛系統(tǒng)性能高效、實用、安全。
因此,本書的目的是對這些難題進行介紹,并引導讀者了解一些常見的解決方案。高超的技術水平、軟硬件的完全集成以及云平臺的深度協(xié)同是最終成功的必要條件。無人駕駛在地面車輛,或者更具體地說,在城市、鄉(xiāng)村道路環(huán)境中的車輛以及越野車輛中的應用是本書介紹的重點。本書面向?qū)W術界或工業(yè)界的工程師,目的在于展示在無人駕駛車輛研發(fā)過程中遇到的問題、解決方案和未來的研究熱點,具體包括感知與認知、執(zhí)行控制以及云端服務器。本書羅列出大量的參考文獻資料,將幫助讀者快速閱覽前人的工作。
下面對本書的結(jié)構(gòu)做簡單介紹。
第1章簡述了信息技術的發(fā)展歷史,并對無人駕駛系統(tǒng)體系結(jié)構(gòu)和所需的相關基礎設施的算法進行了概述。
定位是無人駕駛最重要的任務之一。第2章介紹了最常用的無人駕駛定位方法,詳細講述了全球?qū)Ш叫l(wèi)星系統(tǒng)、慣性定位導航系統(tǒng)、激光雷達和輪式里程計的原理和優(yōu)缺點,并討論了各個方法的融合。
第3章介紹了目標檢測,即基于傳感器數(shù)據(jù)的環(huán)境理解,并探究各種目前使用的算法,包括場景理解、圖像流、目標跟蹤等。
第4章介紹了深度學習在無人駕駛環(huán)境感知系統(tǒng)的應用,包括大型數(shù)據(jù)集以及需要高度復雜計算的圖像分類、目標檢測、語義分割等,其中詳細講述了目標檢測、語義分割和圖像流。
當無人駕駛車輛對環(huán)境進行理解時,它必須以某種方式預測未來的事件(例如在其附近的另一輛車輛的運動)并規(guī)劃自己的路線,這是第5章的主要內(nèi)容。
接下來的第6章,對生成決策、規(guī)劃和控制進行了更細致的闡述,并對在遇到潛在的正交決策以及解決方案沖突時(例如,一個模塊推薦換道,而另一個模塊已經(jīng)在所述車道中檢測到障礙物)各個模塊間的相互反饋,尤其是決策生成(馬爾可夫決策過程,基于場景的分治法)和運動規(guī)劃的算法進行了介紹。
第7章展示了在基于強化學習的規(guī)劃和控制方面補充設計的需要,以便在無人駕駛系統(tǒng)的開發(fā)過程中將情境與場景完全集成。
車載計算平臺是第8章的主題,它包括對機器人操作系統(tǒng)的介紹,然后是對所使用的實際硬件的總結(jié),同時提出了使用異構(gòu)計算以滿足實時計算以及實際車載(功耗和散熱)的強烈需求。這意味著必須使用各種處理單元,包括通用中央處理器(CPU)、圖形處理器(GPU)、現(xiàn)場可編程邏輯門陣列(FPGA)等。
最后,第9章介紹了用于“捆綁在一起”的云平臺的基礎架構(gòu),該架構(gòu)為新算法開發(fā)、離線深度學習模型訓練和高精度地圖生成服務提供分布式仿真測試。
編者
劉少山博士是PerceptIn的主席和創(chuàng)始人之一,他的研究重點是計算機架構(gòu)、大數(shù)據(jù)平臺、深度學習基礎框架和機器人技術,他曾擔任百度硅谷無人駕駛系統(tǒng)團隊負責人。
李力耘博士現(xiàn)于百度硅谷研究中心擔任軟件架構(gòu)師。作為百度無人駕駛團隊的早期成員之一,他一直在主導和推進其無人駕駛技術的開發(fā),包括百度無人駕駛車輛的智能行為決策、運動規(guī)劃和車輛控制等。
唐潔博士現(xiàn)擔任華南理工大學計算機科學與工程學院副教授。
吳雙博士現(xiàn)為Yitu公司科學家,曾擔任百度硅谷人工智能實驗室高級研究員,在百度USDC擔任高級架構(gòu)師。
瓊盧克﹒高迪奧特(JeanLuc Gaudiot)博士目前擔任加州大學歐文分校電子工程和計算機科學系教授,他曾擔任IEEE內(nèi)部多種職位,并于2017年當選為IEEE計算機協(xié)會主席。
第1章無人駕駛系統(tǒng)簡介
1.1無人駕駛技術概述/002
1.2無人駕駛算法/002
1.2.1傳感/003
1.2.2感知/004
1.2.3目標識別與跟蹤/006
1.2.4決策/006
1.3無人駕駛客戶端系統(tǒng)/008
1.3??1機器人操作系統(tǒng)/008
1.3??2硬件平臺/011
1.4無人駕駛云平臺/011
1.4.1仿真模擬/011
1.4.2高精度地圖生成/012
1.4.3深度學習模型訓練/013
1.5一切剛剛開始/014
第2章無人駕駛車輛的定位系統(tǒng)
2.1采用全球?qū)Ш叫l(wèi)星系統(tǒng)定位/015
2.1.1GNSS概述/015
2.1.2GNSS誤差分析/017
2.1.3星基增強系統(tǒng)/018
2.1.4載波相位差分技術和差分GNSS/019
2.1.5精確點定位/020
2.1.6全球定位系統(tǒng)和慣性導航系統(tǒng)的融合/022
2.2采用激光雷達和高精度地圖定位/023
2.2.1激光雷達概述/023
2.2.2高精度地圖概述/026
2.2.3激光雷達和高精度地圖定位/030
2.3視覺里程計/034
2.3.1立體視覺里程計/035
2.3.2單目視覺里程計/036
2.3.3視覺慣性里程計/036
2.4航位推算和輪式里程計/038
2.4.1輪式編碼器/038
2.4.2輪式里程計誤差/039
2.4.3減少輪式里程計誤差/040
2.5多傳感器融合/042
2.5.1卡內(nèi)基梅隆大學無人駕駛城市挑戰(zhàn)賽車Boss/042
2.5.2斯坦福大學無人駕駛城市挑戰(zhàn)賽車Junior/044
2.5.3梅賽德斯奔馳無人駕駛車Bertha/045
參考文獻/047
第3章無人駕駛的感知系統(tǒng)
3.1概述/051
3.2數(shù)據(jù)集/052
3.3目標識別/054
3.4語義分割/056
3.5立體視覺、光流和場景流/058
3.5.1立體視覺與深度信息/058
3.5.2光流/059
3.5.3場景流/059
3.6目標跟蹤/061
3.7總結(jié)/063
參考文獻/064
第4章深度學習在無人駕駛感知系統(tǒng)中的應用
4.1卷積神經(jīng)網(wǎng)絡/068
4.2目標檢測/069
4.3語義分割/072
4.4立體視覺和光流/075
4.4.1立體視覺/075
4.4.2光流/076
4.5總結(jié)/079
參考文獻/080
第5章預測與路徑規(guī)劃
5.1規(guī)劃與控制模塊概覽/082
5.1.1架構(gòu):廣義上的規(guī)劃與控制/082
5.1.2各個模塊的范圍:以模塊的方式解決問題/084
5.2交通預測/087
5.2.1將行為預測作為分類問題/088
5.2.2車輛軌跡生成/093
5.3車道級的路徑規(guī)劃/094
5.3.1為路徑規(guī)劃創(chuàng)建權(quán)重有向圖/096
5.3.2典型的路徑規(guī)劃算法/098
5.3.3規(guī)劃圖損失:強弱路徑規(guī)劃/102
5.4總結(jié)/103
參考文獻/103
第6章決策、規(guī)劃和控制
6.1行為決策/105
6.1.1馬爾可夫決策過程方法/107
6.1.2基于場景的分治法/109
6.2運動規(guī)劃/116
6.2.1車輛模型、道路模型、SL坐標系/118
6.2.2劃分為路徑規(guī)劃和速度規(guī)劃的運動規(guī)劃/119
6.2.3劃分為縱向規(guī)劃和橫向規(guī)劃的運動規(guī)劃/126
6.3反饋控制/130
6.3.1自行車模型/130
6.3.2PID控制/132
6??4總結(jié)/133
參考文獻/134
第7章基于增強學習的規(guī)劃和控制
7.1概述/136
7.2增強學習/138
7.2.1Q?學習/140
7.2.2ACTOR?CRITIC方法/144
7.3無人駕駛中基于學習的規(guī)劃和控制/146
7.3.1行為決策中的增強學習/147
7.3??.2基于增強學習的規(guī)劃和控制/147
7.4總結(jié)/150
參考文獻/150
第8章無人駕駛客戶端系統(tǒng)
8.1無人駕駛系統(tǒng):一個復雜的系統(tǒng)/152
8.2無人駕駛的操作系統(tǒng)/154
8.2.1ROS綜述/154
8.2.2系統(tǒng)可靠性/156
8.2.3性能優(yōu)化/157
8.2.4資源管理與安全性/157
8.3計算平臺/158
8.3.1計算平臺的實現(xiàn)/158
8.3.2現(xiàn)有的計算解決方案/159
8.3.3計算機體系結(jié)構(gòu)設計的探索/160
參考文獻/164
第9章無人駕駛云平臺
9.1概述/165
9.2基礎架構(gòu)/166
9.2.1分布式計算框架/167
9.2.2分布式存儲/167
9.2.3異構(gòu)計算/168
9.3仿真模擬/170
9.3.1BinPipeRDD/171
9.3.2連接ROS與Spark引擎/172
9.3??3性能表現(xiàn)/173
9.4模型訓練/173
9.4.1為什么使用S