無人駕駛原理與實踐

第1章 初識無人駕駛系統(tǒng)
1.1 什么是無人駕駛
1.2 為什么需要無人駕駛
1.3 無人駕駛系統(tǒng)基本框架
1.4 開發(fā)環(huán)境配置
1.5 本章參考文獻
第2章 ROS入門
2.1 ROS簡介
2.2 ROS中的概念
2.3 catkin 創(chuàng)建系統(tǒng)
2.4 ROS中的項目組織結(jié)構(gòu)
2.5 基于Husky模擬器的實踐
2.6 ROS的基本編程
2.7 ROS services
2.8 ROS Action
2.9 ROS中的常用工具
2.10 本章參考文獻
第3章 無人駕駛系統(tǒng)的定位方法
3.1 實現(xiàn)定位的原理
3.2 迭代最近點算法
3.3 正態(tài)分布變換
3.4 基于GPS+慣性組合導(dǎo)航的定位系統(tǒng)
3.5 基于Slam的定位系統(tǒng)
3.6 本章參考文獻
第4章 狀態(tài)估計和傳感器融合
4.1 卡爾曼濾波和狀態(tài)估計
4.2 高級運動模型和擴展卡爾曼濾波
4.3 無損卡爾曼濾波
4.4 本章參考文獻
第5章 機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
5.1 機器學(xué)習(xí)基本概念
5.2 監(jiān)督學(xué)習(xí)
5.3 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
5.4 使用Keras實現(xiàn)神經(jīng)網(wǎng)絡(luò)
5.5 本章參考文獻
第6章 深度學(xué)習(xí)和無人駕駛視覺感知
6.1 深度前饋神經(jīng)網(wǎng)絡(luò)——為什么要深？
6.2 應(yīng)用于深度神經(jīng)網(wǎng)絡(luò)的正則化技術(shù)
6.3 實戰(zhàn)——交通標志識別
6.4 卷積神經(jīng)網(wǎng)絡(luò)入門
6.5 基于YOLO2的車輛檢測
6.6 本章參考文獻
第7章 遷移學(xué)習(xí)和端到端無人駕駛
7.1 遷移學(xué)習(xí)
7.2 端到端無人駕駛
7.3 端到端無人駕駛模擬
7.4 本章小結(jié)
7.5 本章參考文獻
第8章 無人駕駛規(guī)劃入門
8.1 A* 算法
8.2 分層有限狀態(tài)機和無人車行為規(guī)劃
8.3 基于自由邊界三次樣條插值的無人車路徑生成
8.4 基于Frenet優(yōu)化軌跡的無人車動作規(guī)劃方法
8.5 本章參考文獻
第9章 車輛模型和高級控制
9.1 運動學(xué)自行車模型和動力學(xué)自行車模型
9.2 無人車控制入門
9.3 基于運動學(xué)模型的模型預(yù)測控制
9.4 軌跡追蹤
9.5 本章參考文獻
第10章 深度強化學(xué)習(xí)及在自動駕駛中的應(yīng)用
10.1 強化學(xué)習(xí)概述
10.2 強化學(xué)習(xí)原理及過程
10.3 近似價值函數(shù)
10.4 深度Q值網(wǎng)絡(luò)算法
10.5 策略梯度
10.6 深度確定性策略梯度及TORCS游戲的控制
10.7 本章小結(jié)
10.8 本章參考文獻