智能網(wǎng)聯(lián)汽車環(huán)境感知信號(hào)處理技術(shù)
本書圍繞智能網(wǎng)聯(lián)汽車環(huán)境感知部分的傳感器內(nèi)容進(jìn)行闡述，主要內(nèi)容包括：緒論、信號(hào)處理的基本知識(shí)、毫米波雷達(dá)信號(hào)處理技術(shù)、激光雷達(dá)信號(hào)處理技術(shù)、視覺傳感器信號(hào)處理技術(shù)、車載定位傳感器信號(hào)處理技術(shù)、多傳感器融合技術(shù)和其他傳感器技術(shù)等。本書對(duì)智能網(wǎng)聯(lián)汽車的傳感器核心技術(shù)進(jìn)行了梳理和總結(jié)，對(duì)關(guān)鍵技術(shù)的原理、核心算法及其在智能網(wǎng)聯(lián)汽車中的應(yīng)用實(shí)例進(jìn)行了論述，并對(duì)其優(yōu)缺點(diǎn)展開了探討。
本書適合高等院校相關(guān)專業(yè)在校師生、智能網(wǎng)聯(lián)汽車領(lǐng)域的專業(yè)技術(shù)人員、車企研發(fā)人員閱讀和參考，希望能夠得到廣大讀者的認(rèn)可并能為之提供有益的啟示。
本書主要針對(duì)智能汽車，內(nèi)容新穎，符合熱點(diǎn)，講解透徹。闡述的雷達(dá)（尤其是現(xiàn)在熱門的毫米波雷達(dá)）信號(hào)處理技術(shù)實(shí)用，對(duì)研究趨勢(shì)把握準(zhǔn) 確，講述的熱點(diǎn)應(yīng)用為后續(xù)研究有很大的幫助。
畢欣
同濟(jì)大學(xué)汽車學(xué)院研究員、博士生導(dǎo)師，2014年麻省理工學(xué)院（MIT）訪問學(xué) 者、ISO/TC204-WG14專 家成員、SAC/TC268委員、SAE International技術(shù)委員會(huì)委員、上海市人工智能技術(shù)協(xié)會(huì)專委會(huì)委員。從事信號(hào)與信息處理、機(jī)器人和無(wú)人系統(tǒng)環(huán)境感知技術(shù)研究與開發(fā)，主要涉及自主無(wú)人系統(tǒng)與智能網(wǎng)聯(lián)汽車融合感知與仿真測(cè)評(píng)技術(shù)。科技成果廣泛應(yīng)用于智能汽車主動(dòng)安 全與無(wú)人駕駛、車路協(xié)同感知與規(guī)劃、軌道交通主動(dòng)安 全，無(wú)人機(jī)自主避障以及工業(yè)智能測(cè)控等領(lǐng)域。發(fā)表SCI/EI論文60余篇，授權(quán)專利40余項(xiàng)，專著3部。
田煒
同濟(jì)大學(xué)汽車學(xué)院助理教授、碩士生導(dǎo)師，上海市浦江人才計(jì)劃入選者，主持國(guó)家自然科學(xué)基金青年科學(xué)基金項(xiàng)目、上海市自然科學(xué)基金面上項(xiàng)目等橫縱向課題，曾擔(dān)任國(guó)際會(huì)議IEEE ITSC2015、FUSION2021、CVCI2021分會(huì)場(chǎng)主席，主要研究方向?yàn)槊嫦蛑悄荞{駛的環(huán)境目標(biāo)感知技術(shù)和軌跡預(yù)測(cè)技術(shù)，發(fā)表智能駕駛領(lǐng)域SCI/EI論文近40篇，專著1部。
高樂天
博士，2016年于同濟(jì)大學(xué)汽車學(xué)院獲學(xué)士學(xué)位，2021年12月于同濟(jì)大學(xué)汽車學(xué)院獲得博士學(xué)位，研究方向?yàn)橹悄茈妱?dòng)汽車狀態(tài)估計(jì)、組合定位、運(yùn)動(dòng)控制等。2015年赴德國(guó)達(dá)姆施塔特工業(yè)大學(xué)進(jìn)行交換，2019—2020年于加拿大滑鐵盧大學(xué)機(jī)械與機(jī)電工程系聯(lián)合培養(yǎng)。近年來(lái)發(fā)表論文（含SCI/EI論文）十余篇，申請(qǐng)發(fā)明專利十余項(xiàng)，已授權(quán)兩項(xiàng)。作為主要參與人參與國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、國(guó)家自然科學(xué)基金項(xiàng)目及多項(xiàng)校企合作項(xiàng)目。在車輛位姿估計(jì)及運(yùn)動(dòng)控制領(lǐng)域的研究成果得到了廣泛應(yīng)用。
馮雨
中國(guó)礦業(yè)大學(xué)煤炭大數(shù)據(jù)研究院院長(zhǎng)、中國(guó)煤炭市場(chǎng)網(wǎng)總裁、中國(guó)煤炭運(yùn)銷協(xié)會(huì)副理事長(zhǎng)、中國(guó)煤炭學(xué)會(huì)經(jīng)濟(jì)管理專業(yè)委員會(huì)委員、煤炭市場(chǎng)營(yíng)銷專 家委員會(huì)副主任、中國(guó)工業(yè)大獎(jiǎng)審定委員會(huì)委員，2021以“數(shù)字賦能傳統(tǒng)產(chǎn)業(yè)”被評(píng)為北京“豐澤計(jì)劃”拔尖人才。主要研究領(lǐng)域?yàn)槟茉串a(chǎn)業(yè)數(shù)字化與智慧運(yùn)銷。
第 1章 緒論 1
1.1 智能網(wǎng)聯(lián)汽車發(fā)展趨勢(shì) 1
1.1.1 自動(dòng)駕駛歷史發(fā)展 2
1.1.2 自動(dòng)駕駛行業(yè)——量的積累讓自動(dòng)駕駛汽車開始邁向質(zhì)的飛躍 3
1.1.3 國(guó)內(nèi)外政策——多角度保障自動(dòng)駕駛汽車安全落地 4
1.1.4 業(yè)界公司發(fā)展 6
1.2 車載傳感器概述與技術(shù)進(jìn)程 7
1.2.1 毫米波雷達(dá) 8
1.2.2 激光雷達(dá) 8
1.2.3 超聲波傳感器 9
1.2.4 圖像傳感器 9
1.2.5 組合定位導(dǎo)航 9
1.3 小結(jié) 10
參考文獻(xiàn) 11
第 2章 信號(hào)處理的基本知識(shí) 12
2.1 信號(hào)采樣 12
2.1.1 信號(hào)、系統(tǒng)及信號(hào)處理 12
2.1.2 信號(hào)處理的一般過程 13
2.1.3 模擬信號(hào)的采樣過程 14
2.1.4 采樣定理 15
2.2 線性系統(tǒng)與非線性系統(tǒng) 16
2.2.1 系統(tǒng)的一般分類 16
2.2.2 線性系統(tǒng)與非線性系統(tǒng)的基本性質(zhì) 17
2.2.3 線性系統(tǒng)的分析方法 18
2.3 傅里葉變換 19
2.3.1 傅里葉級(jí)數(shù) 19
2.3.2 連續(xù)非周期信號(hào)的傅里葉變換 20
2.3.3 離散時(shí)間傅里葉變換 21
2.3.4 離散時(shí)間周期信號(hào)的傅里葉級(jí)數(shù) 22
2.3.5 離散傅里葉變換和快速傅里葉變換 23
2.3.6 其他重要變換 27
2.4 矩陣代數(shù)基礎(chǔ) 28
2.4.1 行列式的性質(zhì) 28
2.4.2 方陣的跡及其性質(zhì) 29
2.4.3 逆矩陣 29
2.4.4 初等變換與秩 31
2.4.5 關(guān)于秩的一些重要結(jié)論 32
2.5 概率論基礎(chǔ) 32
2.5.1 分布函數(shù) 32
2.5.2 均值與方差 33
2.5.3 矩 33
2.5.4 隨機(jī)向量 34
2.6 濾波算法與濾波器 35
2.6.1 濾波器的分類 35
2.6.2 濾波器的技術(shù)要求 36
2.6.3 濾波器算法 37
參考文獻(xiàn) 40
第3章 毫米波雷達(dá)信號(hào)處理技術(shù) 41
3.1 毫米波雷達(dá)原理 41
3.1.1 雷達(dá)方程 41
3.1.2 雷達(dá)工作體制 42
3.2 車載雷達(dá)信號(hào)處理流程 47
3.3 脈沖壓縮技術(shù) 48
3.3.1 脈沖壓縮原理 49
3.3.2 脈沖壓縮基本方法 50
3.4 雷達(dá)雜波抑制 52
3.5 雷達(dá)目標(biāo)檢測(cè)技術(shù) 55
3.5.1 雷達(dá)檢測(cè)的門限值 55
3.5.2 恒虛警檢測(cè)器原理 56
3.5.3 白噪聲背景下的恒虛警檢測(cè)器 56
3.5.4 有序統(tǒng)計(jì)恒虛警檢測(cè)器 58
3.6 雷達(dá)陣列信號(hào)處理 59
3.6.1 MIMO雷達(dá)工作原理 59
3.6.2 MIMO雷達(dá)信號(hào)處理流程 60
3.6.3 時(shí)分多路 62
3.7 多目標(biāo)跟蹤與識(shí)別技術(shù) 64
3.7.1 多目標(biāo)跟蹤技術(shù) 64
3.7.2 毫米波雷達(dá)目標(biāo)識(shí)別系統(tǒng) 67
3.8 超寬帶的毫米波雷達(dá)三維成像算法 69
3.9 應(yīng)用實(shí)例 72
3.9.1 4D毫米波雷達(dá) 72
3.9.2 車輛周圍障礙物的檢測(cè) 74
3.9.3 ADAS中的應(yīng)用 74
3.9.4 基于微多普勒特征的行人、車輛的目標(biāo)識(shí)別 75
參考文獻(xiàn) 77
第4章 激光雷達(dá)信號(hào)處理技術(shù) 79
4.1 激光雷達(dá)原理 79
4.1.1 激光產(chǎn)生的原理 79
4.1.2 激光測(cè)距原理 80
4.1.3 激光雷達(dá)作用距離方程 81
4.1.4 激光雷達(dá)掃描方式 82
4.2 激光雷達(dá)信號(hào)處理流程 88
4.2.1 激光雷達(dá)回波信號(hào)降噪 88
4.2.2 全波形信號(hào)處理 90
4.3 激光點(diǎn)云處理方法 91
4.3.1 點(diǎn)云濾波 91
4.3.2 點(diǎn)云特征描述與提取 92
4.3.3 點(diǎn)云分割 99
4.3.4 點(diǎn)云配準(zhǔn) 106
4.4 激光三維成像研究 107
4.4.1 激光掃描點(diǎn)云成像 108
4.4.2 其他主動(dòng)激光成像技術(shù) 111
4.5 應(yīng)用實(shí)例 114
4.5.1 基于激光雷達(dá)點(diǎn)云的車輛檢測(cè)方法 114
4.5.2 基于激光雷達(dá)點(diǎn)云的車道線檢測(cè)方法 115
4.5.3 基于激光雷達(dá)的目標(biāo)追蹤 116
4.5.4 三維場(chǎng)景重建 117
參考文獻(xiàn) 117
第5章 視覺傳感器信號(hào)處理技術(shù) 122
5.1 車載視覺傳感器原理 122
5.1.1 視覺傳感器基本組成 122
5.1.2 典型的視覺傳感器 123
5.2 數(shù)字圖像處理流程 127
5.2.1 圖像的采集和存儲(chǔ) 128
5.2.2 圖像預(yù)處理 128
5.2.3 圖像分割 129
5.2.4 圖像特征提取和選擇 130
5.3 圖像預(yù)處理技術(shù) 131
5.3.1 圖像灰度化 131
5.3.2 圖像幾何變換 132
5.3.3 圖像增強(qiáng) 132
5.4 圖像特征提取與分類 134
5.4.1 原始特征提取 135
5.4.2 特征降維 136
5.4.3 特征選擇 138
5.5 機(jī)器學(xué)習(xí)與深度學(xué)習(xí)方法 141
5.5.1 機(jī)器學(xué)習(xí)方法 141
5.5.2 深度學(xué)習(xí)方法 144
5.6 應(yīng)用實(shí)例 146
5.6.1 車輛與行人識(shí)別和跟蹤 146
5.6.2 車道線識(shí)別 150
5.6.3 交通標(biāo)志牌識(shí)別 153
參考文獻(xiàn) 155
第6章 車載定位傳感器信號(hào)處理技術(shù) 157
6.1 引言 157
6.2 車載定位傳感器信號(hào)簡(jiǎn)介 157
6.2.1 GNSS信號(hào) 158
6.2.2 輪速信號(hào) 159
6.2.3 慣性傳感器信號(hào) 159
6.3 GNSS定位 162
6.3.1 單點(diǎn)定位 163
6.3.2 差分定位 164
6.3.3 精密單點(diǎn)定位 165
6.4 航跡推算定位系統(tǒng) 165
6.4.1 平面航跡推算定位系統(tǒng) 166
6.4.2 輪速信號(hào)的處理 168
6.5 慣性導(dǎo)航系統(tǒng) 170
6.5.1 慣性導(dǎo)航常用參考坐標(biāo)系 171
6.5.2 慣性傳感器測(cè)量模型 171
6.5.3 姿態(tài)解算 172
6.5.4 速度解算 173
6.5.5 位置解算 173
6.6 應(yīng)用實(shí)例——GNSS/INS/輪速傳感器松耦合組合定位系統(tǒng) 174
6.6.1 系統(tǒng)簡(jiǎn)介 174
6.6.2 INS誤差狀態(tài)模型 174
6.6.3 基于誤差狀態(tài)卡爾曼濾波的信息融合 176
參考文獻(xiàn) 178
第7章 多傳感器融合技術(shù) 180
7.1 車載傳感器數(shù)據(jù)融合方法 180
7.1.1 多傳感器融合 180
7.1.2 多傳感器融合的基本原理 180
7.1.3 多傳感器的前融合與后融合技術(shù) 181
7.1.4 多傳感器數(shù)據(jù)融合算法 182
7.2 貝葉斯估計(jì) 184
7.2.1 貝葉斯估計(jì)基本概念 184
7.2.2 基于貝葉斯估計(jì)的數(shù)據(jù)融合算法 186
7.2.3 估計(jì)算法的局限性 187
7.3 擴(kuò)展卡爾曼濾波 188
7.3.1 擴(kuò)展卡爾曼濾波介紹 188
7.3.2 擴(kuò)展卡爾曼濾波原理 189
7.3.3 擴(kuò)展卡爾曼濾波在一維非線性系統(tǒng)中的應(yīng)用 190
7.4 模糊決策 192
7.4.1 模糊決策基本概念 192
7.4.2 模糊一致關(guān)系 192
7.4.3 模糊一致矩陣 194
7.4.4 廣義去模糊機(jī)制 195
7.5 應(yīng)用實(shí)例——多目標(biāo)跟蹤 196
7.5.1 多目標(biāo)跟蹤方法分類 197
7.5.2 多目標(biāo)跟蹤算法 198
參考文獻(xiàn) 200
第8章 其他傳感器技術(shù) 201
8.1 超聲波雷達(dá) 201
8.1.1 超聲波雷達(dá)的工作原理 201
8.1.2 超聲波雷達(dá)的類型 202
8.1.3 超聲波雷達(dá)的數(shù)學(xué)模型 203
8.1.4 超聲波雷達(dá)的優(yōu)勢(shì)與劣勢(shì) 203
8.1.5 超聲波雷達(dá)的技術(shù)特點(diǎn) 204
8.2 紅外傳感器 204
8.2.1 紅外線 205
8.2.2 紅外傳感器分類 205
8.2.3 紅外傳感器相關(guān)技術(shù) 207
8.3 其他車身狀態(tài)傳感器 211
8.3.1 車身高度傳感器 211
8.3.2 碰撞傳感器 212
參考文獻(xiàn) 213
名詞索引 215
書單推薦
