智能駕駛技術(shù)：路徑規(guī)劃與導航控制

定　價：￥79.00

作　者：	余伶俐，周開軍，陳白帆著
出版社：	機械工業(yè)出版社
叢編項：	智能科學與技術(shù)叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111653271	出版時間：	2020-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	228	字數(shù)：

內(nèi)容簡介

　　本書主要介紹智能駕駛技術(shù)的路徑規(guī)劃與導航控制，內(nèi)容涉及基于視覺協(xié)同顯著性交通標志牌檢測、地圖創(chuàng)建與全局路徑規(guī)劃、車輛行為決策與運動規(guī)劃、車輛軌跡跟蹤控制以及無模型智能駕駛控制技術(shù)。書中首先論述了基于聚類、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(chuàng)建和全局路徑規(guī)劃方法。而后，探討了基于有限狀態(tài)機的駕駛行為決策方法，在此基礎(chǔ)上，利用RRT算法、曲線近似法、Frenet坐標系法分別實現(xiàn)了智能駕駛車輛運動規(guī)劃。接下來，研究基于深度強化學習的智能駕駛車輛路徑規(guī)劃方法。并完成了幾何規(guī)則的軌跡跟蹤控制，實現(xiàn)了智能駕駛公交的自主泊車。最后，研究了基于數(shù)據(jù)驅(qū)動的智能駕駛公交主動轉(zhuǎn)向控制方法，分別用仿真軟件PreScan和TruckSim進行了智能駕駛公交車輛的仿真實驗。本書可作為高等院校智能科學與技術(shù)、自動化、人工智能等專業(yè)研究生或高年級本科生的專業(yè)基礎(chǔ)課程教材，亦可供人工智能、智能駕駛、決策規(guī)劃、導航控制領(lǐng)域的廣大科技工作者閱讀和思考。

作者簡介

　　余伶俐中南大學人工智能系副教授，主持多項國家重點研發(fā)計劃子任務(wù)、湖南省科技重大專項子課題、國家自然科學基金等項目。承擔了兩期的中車時代電動汽車“智能駕駛決策與控制系統(tǒng)”開發(fā)，在湖南湘江新區(qū)與智慧公交示范運營線路上完成了3500 km測試，獲得了湖南省頒發(fā)的第一輛智能駕駛公交車牌照。發(fā)表學術(shù)論文50多篇，申請發(fā)明專利25項，其中發(fā)明專利授權(quán)19項，獲批軟件著作權(quán)9項，編著專著/教材5部。為國家“智能科學系列課程”教學團隊成員，教育部“智能控制”資源共享課程主講教師之一，獲省級教學競賽一等獎、全國智能設(shè)計大賽優(yōu)秀指導教師獎等。周開軍湖南工商大學教授、碩士生導師，美國布蘭戴斯大學國家復雜系統(tǒng)研究中心訪問學者，湖南省青年骨干教師，湖南工商大學151人才?，F(xiàn)任電子工程系主任，先后主持國家自然科學基金青年項目和面上項目、國家留學基金項目、省部級以上科研項目5項、產(chǎn)學研校企合作項目2項；在”Neurocomputing”、”Applied Intelligence”等期刊發(fā)表高水平論文40余篇，申請國家發(fā)明專利5項，授權(quán)4項，出版學術(shù)專著1部，登記軟件著作權(quán)4項。兼任湖南省科技廳項目評審專家、湖南省電子信息研究會常務(wù)理事、中國自動化學會、湖南省人工智能學會會員、”IEEE Journal of Selected Topics in Signal Processing”、”IEEE Access”等期刊審稿人。陳白帆中南大學副教授，碩士生導師，湖南省人工智能學會副秘書長，湖南省自興人工智能研究院副院長，長期從事智能駕駛、移動機器人等應(yīng)用理論研究。先后主持國家自然科學基金項目、湖南省自然科學基金項目，參與國家自然科學基金重大計劃、國家重點研發(fā)計劃、湖南省科技重大專項子課題。發(fā)表高水平論文30余篇，編著專著/教材3部。國家“智能科學系列課程”教學團隊成員，教育部“人工智能”精品資源共享課程主講教師之一，國家十二五規(guī)劃教材、國家教育部科技進步一等獎教材“人工智能及應(yīng)用”作者之一。

圖書目錄

前言
第1章　緒論 1
1.1　智能駕駛公交車輛發(fā)展現(xiàn)狀 1
1.2　全局路徑規(guī)劃方法研究現(xiàn)狀 3
1.3　行為決策與運動規(guī)劃方法研究現(xiàn)狀 4
1.4　跟蹤控制方法研究現(xiàn)狀 5
參考文獻 6
第2章　基于視覺協(xié)同顯著性的交通標志牌檢測 14
2.1　基于視覺協(xié)同顯著性的交通標志牌檢測框架設(shè)計 14
2.1.1　基于聚類的圖間/圖內(nèi)顯著性檢測模型子框架 15
2.1.2　幾何結(jié)構(gòu)約束模型子框架 15
2.2　基于視覺協(xié)同顯著性的圖像檢測算法 18
2.2.1　基于聚類的視覺協(xié)同顯著性檢測 18
2.2.2　視覺顯著性線索分析 19
2.2.3　協(xié)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(jié)構(gòu)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(xié)同顯著性檢測實驗分析 28
2.3.3　多圖像協(xié)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(shù)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(jié) 36
參考文獻 36
第3章　智能駕駛公交車輛全局路徑規(guī)劃方法 40
3.1　基于ArcGIS地圖創(chuàng)建及全局規(guī)劃 41
3.1.1　ArcGIS系統(tǒng)概述 41
3.1.2　基于ArcGIS的地圖創(chuàng)建 42
3.1.3　基于ArcGIS網(wǎng)絡(luò)分析工具的全局路徑規(guī)劃 55
3.2　最優(yōu)路徑信息處理 56
3.2.1　全局坐標系轉(zhuǎn)換 56
3.2.2　全局路徑插值 57
3.3　地圖創(chuàng)建及全局規(guī)劃仿真實驗 58
3.4　本章小結(jié) 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(guī)劃方法 64
4.1　基于分層有限狀態(tài)機的智能駕駛公交車輛決策模型 64
4.1.1　頂層狀態(tài)機設(shè)計 65
4.1.2　底層狀態(tài)機設(shè)計 65
4.1.3　雙層擴展有限狀態(tài)機行為決策方法 67
4.1.4　基于分層有限狀態(tài)機的行為決策實驗 67
4.2　基于快速搜索隨機樹的動態(tài)路徑規(guī)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(tài)軌跡規(guī)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(tài)軌跡規(guī)劃方法 79
4.4　基于Frenet坐標系的智能駕駛公交車輛運動規(guī)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(guī)劃 87
4.4.3　基于車輛約束的最優(yōu)軌跡選擇 89
4.4.4　基于Frenet坐標系的軌跡規(guī)劃仿真實驗 90
4.5　智能駕駛公交車輛行為決策與運動規(guī)劃方法應(yīng)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(xiàn)方法 100
4.5.2　智能駕駛公交車輛行為決策與運動規(guī)劃實車實驗 103
4.6　本章小結(jié) 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(guī)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(chǔ) 107
5.1.2　深度學習理論基礎(chǔ) 112
5.1.3　基于深度強化學習的路徑規(guī)劃概述 113
5.2　基于深度強化學習的網(wǎng)絡(luò)模型構(gòu)建 116
5.3　基于深度強化學習的環(huán)境模型構(gòu)建 123
5.3.1　虛擬環(huán)境構(gòu)建 123
5.3.2　環(huán)境模型應(yīng)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(guī)劃實現(xiàn)方法 127
5.4.1　深度強化學習的算法框架 127
5.4.2　關(guān)鍵環(huán)境回報值選取 128
5.4.3　基于深度強化學習的路徑規(guī)劃方法實驗分析 130
5.4.4　多種軌跡規(guī)劃方法對比實驗分析 135
5.5　本章小結(jié) 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(zhuǎn)向幾何的路徑規(guī)劃 159
6.3.2　基于車輛運動學模型及位置補償?shù)目刂破? 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(huán)境 163
6.4.1　場景搭建 164
6.4.2　聯(lián)合仿真 172
6.5　本章小結(jié) 173
參考文獻 174
第7章　基于數(shù)據(jù)驅(qū)動的智能駕駛公交車輛主動轉(zhuǎn)向控制方法 177
7.1　基于數(shù)據(jù)驅(qū)動的主動轉(zhuǎn)向控制系統(tǒng)概述 177
7.1.1　智能駕駛公交車輛主動轉(zhuǎn)向控制系統(tǒng)概述 177
7.1.2　數(shù)據(jù)驅(qū)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(shù)據(jù)驅(qū)動的車輛模型在線辨識方法 179
7.1.5　基于數(shù)據(jù)驅(qū)動的主動轉(zhuǎn)向控制系統(tǒng)框架 181
7.2　基于自抗擾控制的主動轉(zhuǎn)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(shè)計 182
7.2.3　基于自抗擾控制的主動轉(zhuǎn)向控制器設(shè)計 188
7.3　基于無模型自適應(yīng)的主動轉(zhuǎn)向控制方法 189
7.3.1　無模型自適應(yīng)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(yīng)的主動轉(zhuǎn)向控制器設(shè)計 190
7.4　基于TruckSim的跟蹤控制仿真方法 191
7.4.1　聯(lián)合仿真平臺的搭建 191
7.4.2　仿真環(huán)境下跟蹤控制性能驗證 199
7.4.3　控制器遷移至真實環(huán)境的可行性評估 203
7.5　本章小結(jié) 204
參考文獻 204
附錄 206
第8章　智能駕駛技術(shù)展望 213
8.1　智能駕駛路徑規(guī)劃技術(shù)展望 213
8.2　智能駕駛跟蹤控制技術(shù)展望 214
8.3　智能駕駛仿真環(huán)境展望 215
8.4　技術(shù)展望 216
8.5　本章小結(jié) 217
參考文獻 217