掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥49.5
加入購(gòu)物車(chē)
從機(jī)器學(xué)習(xí)到無(wú)人駕駛 版權(quán)信息
- ISBN：9787302552154
- 條形碼：9787302552154 ; 978-7-302-55215-4
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
從機(jī)器學(xué)習(xí)到無(wú)人駕駛 本書(shū)特色
本書(shū)以機(jī)器學(xué)習(xí)為出發(fā)點(diǎn)，使用簡(jiǎn)易的代碼講解機(jī)器學(xué)習(xí)的核心算法（深度神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)），在算法學(xué)習(xí)的基礎(chǔ)上使用增量方法開(kāi)發(fā)包含定位、預(yù)測(cè)、路徑規(guī)劃和業(yè)務(wù)控制等一系列自動(dòng)駕駛模塊。本書(shū)代碼實(shí)例涉及自動(dòng)駕駛的普遍業(yè)務(wù)方法，可使讀者理解自動(dòng)駕駛背后的設(shè)計(jì)思想和原理，快速入門(mén)自動(dòng)駕駛的算法和開(kāi)發(fā)流程。 本書(shū)示例代碼豐富，涵蓋實(shí)際開(kāi)發(fā)中所有的重要知識(shí)點(diǎn)，適合無(wú)人駕駛從業(yè)者、想要學(xué)習(xí)機(jī)器學(xué)習(xí)和無(wú)人駕駛的開(kāi)發(fā)人員閱讀，也可用作培訓(xùn)機(jī)構(gòu)和高校相關(guān)專業(yè)的教學(xué)參考書(shū)。
從機(jī)器學(xué)習(xí)到無(wú)人駕駛 內(nèi)容簡(jiǎn)介
本書(shū)是自動(dòng)駕駛方面的專著，自動(dòng)駕駛需要開(kāi)發(fā)人員了解車(chē)輛本身的包括運(yùn)動(dòng)、機(jī)械等方面的基礎(chǔ)知識(shí)，更需要了解不同傳感器的數(shù)據(jù)微觀特征，想要進(jìn)入此領(lǐng)域的開(kāi)發(fā)人員往往因?yàn)橄到y(tǒng)繁雜而不能很快掌握核心開(kāi)發(fā)技術(shù)。
本書(shū)以機(jī)器學(xué)習(xí)為出發(fā)點(diǎn)，給想要進(jìn)入此領(lǐng)域的初級(jí)開(kāi)發(fā)人員搭建了一條從機(jī)器學(xué)習(xí)到無(wú)人駕駛的基礎(chǔ)學(xué)習(xí)路徑。本書(shū)結(jié)合近年來(lái)發(fā)展迅猛的機(jī)器學(xué)習(xí)算法（深度神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)）詳細(xì)介紹了包含定位、預(yù)測(cè)、路徑規(guī)劃和車(chē)輛控制等一系列自動(dòng)駕駛模塊。
全書(shū)通過(guò)核心代碼深入淺出地講解機(jī)器學(xué)習(xí)的核心算法，通過(guò)實(shí)例分析代碼本身的邏輯關(guān)系以及自動(dòng)駕駛背后的設(shè)計(jì)思想和原理，利用開(kāi)源機(jī)器學(xué)習(xí)和無(wú)人駕駛系統(tǒng)架構(gòu)作為學(xué)習(xí)的背景藍(lán)圖，代碼實(shí)例涉及自動(dòng)駕駛的普遍業(yè)務(wù)方法，力圖使讀者能夠通過(guò)實(shí)際操作快速入門(mén)和理解自動(dòng)駕駛的算法和開(kāi)發(fā)流程。
本書(shū)主要面向希望從事人工智能和智能駕駛工作的學(xué)生和工程師朋友。
從機(jī)器學(xué)習(xí)到無(wú)人駕駛 目錄
目 錄
**篇 機(jī)器學(xué)習(xí)基礎(chǔ)
第1章 機(jī)器學(xué)習(xí)與無(wú)人駕駛 1
1.1 機(jī)器學(xué)習(xí)簡(jiǎn)介 1
1.1.1 機(jī)器學(xué)習(xí) 1
1.1.2 深度學(xué)習(xí) 5
1.1.3 強(qiáng)化學(xué)習(xí) 6
1.2 無(wú)人駕駛與機(jī)器學(xué)習(xí) 7
1.2.1 無(wú)人駕駛的歷史 7
1.2.2 為什么要在無(wú)人駕駛中應(yīng)用機(jī)器學(xué)習(xí) 9
1.2.3 無(wú)人駕駛商業(yè)化的優(yōu)勢(shì) 10
1.2.4 無(wú)人駕駛商業(yè)化的進(jìn)展 11
參考文獻(xiàn) 13
第2章 TensorFlow基礎(chǔ) 15
2.1 機(jī)器學(xué)習(xí)主流框架簡(jiǎn)介 15
2.2 TensorFlow開(kāi)發(fā)環(huán)境搭建 19
2.2.1 基于Python語(yǔ)言框架的Virtualenv方案 19
2.2.2 基于應(yīng)用容器化的Docker方案 23
2.3 Hello TensorFlow—一個(gè)簡(jiǎn)單的例子 23
2.4 TensorFlow架構(gòu) 26
2.4.1 TensorFlow架構(gòu)概述 26
2.4.2 TensorFlow客戶端架構(gòu) 27
2.4.3 TensorFlow分布式主服務(wù)架構(gòu) 28
2.4.4 TensorFlow工作器服務(wù)架構(gòu) 29
2.4.5 TensorFlow內(nèi)核架構(gòu) 30
2.5 TensorFlow核心API 30
2.5.1 TensorFlow低級(jí)API 31
2.5.2 TensorFlow高級(jí)API 35
2.6 擴(kuò)展：使用tensorflow.js進(jìn)行機(jī)器學(xué)習(xí) 38
參考文獻(xiàn) 40
第3章 線性回歸 41
3.1 什么是線性回歸 41
3.1.1 線性回歸的概念 41
3.1.2 線性回歸的歷史 42
3.1.3 線性回歸模型 42
3.2 線性回歸中的*小二乘法模型 43
3.3 *小二乘法模型實(shí)例 45
3.4 線性回歸的梯度下降模型 47
3.5 梯度下降模型實(shí)例 48
參考文獻(xiàn) 51
第4章 邏輯回歸 52
4.1 邏輯回歸簡(jiǎn)介 52
4.2 邏輯回歸模型 54
4.3 泛邏輯回歸 55
4.4 實(shí)例：股價(jià)預(yù)測(cè) 56
參考文獻(xiàn) 64
第二篇 機(jī)器學(xué)習(xí)進(jìn)階
第5章 神經(jīng)網(wǎng)絡(luò) 65
5.1 神經(jīng)元模型 65
5.1.1 神經(jīng)網(wǎng)絡(luò)的靈感來(lái)源 65
5.1.2 感知器模型概述 66
5.2 單神經(jīng)元模型實(shí)例 67
5.2.1 驗(yàn)證碼概述 68
5.2.2 開(kāi)發(fā)實(shí)例代碼詳解 69
5.3 激活函數(shù) 76
5.3.1 常用激活函數(shù) 76
5.3.2 Sigmoid函數(shù) 77
5.3.3 tanh函數(shù) 79
5.3.4 ReLU函數(shù)以及變式 79
5.4 全連接神經(jīng)網(wǎng)絡(luò)模型 80
5.4.1 多層感知器神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 80
5.4.2 BP算法 82
5.5 全連接神經(jīng)網(wǎng)絡(luò)實(shí)例 82
參考文獻(xiàn) 84
第6章 卷積神經(jīng)網(wǎng)絡(luò) 85
6.1 卷積神經(jīng)網(wǎng)絡(luò)概述 85
6.1.1 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu) 85
6.1.2 卷積操作 86
6.1.3 池化操作 87
6.1.4 卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 88
6.2 實(shí)例1：驗(yàn)證碼識(shí)別 89
6.2.1 神經(jīng)網(wǎng)絡(luò)的具體設(shè)計(jì) 89
6.2.2 卷積過(guò)程分析 91
6.2.3 池化過(guò)程分析 92
6.2.4 完整學(xué)習(xí)過(guò)程分析 93
6.3 實(shí)例2：過(guò)擬合和欠擬合 95
6.3.1 下載 IMDB 數(shù)據(jù)集 96
6.3.2 構(gòu)建模型 99
6.3.3 訓(xùn)練模型 101
6.3.4 過(guò)擬合過(guò)程實(shí)踐 106
6.3.5 過(guò)擬合應(yīng)對(duì)策略 115
參考文獻(xiàn) 120
第7章 循環(huán)神經(jīng)網(wǎng)絡(luò) 121
7.1 循環(huán)神經(jīng)網(wǎng)絡(luò)概述 121
7.1.1 時(shí)序數(shù)據(jù) 121
7.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)模型 122
7.2 長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)架構(gòu) 123
7.3 實(shí)例：仿寫(xiě)西游記 126
7.3.1 文本的讀取和分段 126
7.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)模型定義 130
7.3.3 模型訓(xùn)練和結(jié)果分析 132
參考文獻(xiàn) 134
第8章 強(qiáng)化學(xué)習(xí) 136
8.1 強(qiáng)化學(xué)習(xí)概述 136
8.1.1 強(qiáng)化學(xué)習(xí)簡(jiǎn)史 136
8.1.2 強(qiáng)化學(xué)習(xí)的特點(diǎn) 137
8.1.3 強(qiáng)化學(xué)習(xí)模型 138
8.1.4 強(qiáng)化學(xué)習(xí)分類 139
8.2 Q-Learning架構(gòu) 140
8.2.1 Q-Learning數(shù)學(xué)模型 140
8.2.2 Q-Learning算法偽代碼 141
8.3 實(shí)例：貪吃蛇人工智能 142
8.3.1 Pygame框架 142
8.3.2 游戲功能實(shí)現(xiàn) 143
8.3.3 強(qiáng)化學(xué)習(xí)功能實(shí)現(xiàn) 151
參考文獻(xiàn) 160
第三篇 無(wú)人駕駛
第9章 無(wú)人駕駛系統(tǒng) 161
9.1 無(wú)人駕駛系統(tǒng)概述 161
9.1.1 環(huán)境感知概述 162
9.1.2 車(chē)輛定位概述 163
9.1.3 路徑規(guī)劃概述 164
9.1.4 車(chē)輛控制概述 164
9.2 Apollo簡(jiǎn)介 165
9.2.1 Apollo架構(gòu)概述 165
9.2.2 Apollo子系統(tǒng)交互關(guān)系 167
9.3 Apollo開(kāi)發(fā)環(huán)境搭建 169
9.3.1 軟件系統(tǒng)代碼本地安裝 170
9.3.2 開(kāi)發(fā)環(huán)境搭建中的注意事項(xiàng) 171
參考文獻(xiàn) 173
第10章 Cyber基礎(chǔ) 174
10.1 Cyber簡(jiǎn)介（包括和ROS的對(duì)比） 174
10.1.1 什么是Apollo Cyber RT 174
10.1.2 ROS系統(tǒng) 175
10.1.3 Cyber RT的架構(gòu)及核心軟件模塊分析 176
10.2 Cyber API和API Demo 177
10.2.1 Talker-Listener（簡(jiǎn)單對(duì)話系統(tǒng)） 178
10.2.2 Cyber服務(wù) 181
10.2.3 日志類庫(kù) 188
10.2.4 Cyber模組 189
10.2.5 Timer計(jì)時(shí)器 194
10.2.6 時(shí)間（Time）類 195
10.2.7 Apollo記錄文件的讀寫(xiě)操作 196
10.3 Apollo 模塊啟動(dòng)源碼分析 199
10.3.1 Apollo模塊啟動(dòng)流程 199
10.3.2 Apollo模塊注冊(cè)及動(dòng)態(tài)創(chuàng)建 217
參考文獻(xiàn) 222
第11章 無(wú)人駕駛地圖技術(shù) 223
11.1 高精地圖 223
11.1.1 高精地圖在自動(dòng)駕駛子系統(tǒng)中的應(yīng)用 223
11.1.2 高精地圖的解決方案 224
11.1.3 OpenDrive地圖格式簡(jiǎn)介 227
11.1.4 百度Apollo相關(guān)源代碼分析 234
11.2 PncMap 264
11.3 Relative Map模塊 281
參考文獻(xiàn) 303
第12章 無(wú)人駕駛定位技術(shù) 304
12.1 RTK定位技術(shù) 304
12.2 多傳感器融合定位技術(shù) 307
12.2.1 激光雷達(dá)簡(jiǎn)介 307
12.2.2 擴(kuò)展卡爾曼濾波原理 308
12.2.3 百度Apollo相關(guān)源碼分析 309
參考文獻(xiàn) 322
第13章 無(wú)人駕駛預(yù)測(cè)技術(shù) 323
13.1 預(yù)測(cè)模塊簡(jiǎn)介 323
13.2 成本評(píng)估器：由一組成本函數(shù)計(jì)算概率 327
13.3 MLP評(píng)估器：用MLP模型計(jì)算概率 329
13.4 RNN評(píng)估器：用RNN模型計(jì)算概率 343
參考文獻(xiàn) 350 第14章 無(wú)人駕駛規(guī)劃策略 351
14.1 規(guī)劃模塊簡(jiǎn)介 351
14.1.1 規(guī)劃業(yè)務(wù)流程分析 351
14.1.2 Frenet坐標(biāo)系 352
14.1.3 路徑-速度解耦 352
14.1.4 三維軌跡生成Lattice 353
14.1.5 車(chē)輛狀態(tài) 353
14.2 路徑規(guī)劃 353
14.3 障礙物規(guī)劃 363
14.4 速度規(guī)劃 373
參考文獻(xiàn) 392
第15章 無(wú)人駕駛控制策略 394
15.1 車(chē)輛模型 394
15.1.1 運(yùn)動(dòng)學(xué)模型 394
15.1.2 動(dòng)力學(xué)模型 396
15.2 PID控制算法 397
15.2.1 比例控制算法 397
15.2.2 積分控制算法 397
15.2.3 微分控制算法 398
15.2.4 百度Apollo相關(guān)源碼分析 398
15.3 MPC控制算法 408
15.3.1 MPC的控制原理 409
15.3.2 百度Apollo相關(guān)源碼分析 409
參考文獻(xiàn) 414
附錄A 強(qiáng)化學(xué)習(xí)：貪吃蛇AI完整游戲邏輯代碼 416
附錄B CyberRT系統(tǒng)核心API字典 423
第1章 機(jī)器學(xué)習(xí)與無(wú)人駕駛 1
1.1 機(jī)器學(xué)習(xí)簡(jiǎn)介 1
1.1.1 機(jī)器學(xué)習(xí) 1
1.1.2 深度學(xué)習(xí) 5
1.1.3 強(qiáng)化學(xué)習(xí) 6
1.2 無(wú)人駕駛與機(jī)器學(xué)習(xí) 7
1.2.1 無(wú)人駕駛的歷史 7
1.2.2 為什么要在無(wú)人駕駛中應(yīng)用機(jī)器學(xué)習(xí) 9
1.2.3 無(wú)人駕駛商業(yè)化的優(yōu)勢(shì) 10
1.2.4 無(wú)人駕駛商業(yè)化的進(jìn)展 11
參考文獻(xiàn) 13
第2章 TensorFlow基礎(chǔ) 15
2.1 機(jī)器學(xué)習(xí)主流框架簡(jiǎn)介 15
2.2 TensorFlow開(kāi)發(fā)環(huán)境搭建 19
2.2.1 基于Python語(yǔ)言框架的Virtualenv方案 19
2.2.2 基于應(yīng)用容器化的Docker方案 23
2.3 Hello TensorFlow—一個(gè)簡(jiǎn)單的例子 23
2.4 TensorFlow架構(gòu) 26
2.4.1 TensorFlow架構(gòu)概述 26
2.4.2 TensorFlow客戶端架構(gòu) 27
2.4.3 TensorFlow分布式主服務(wù)架構(gòu) 28
2.4.4 TensorFlow工作器服務(wù)架構(gòu) 29
2.4.5 TensorFlow內(nèi)核架構(gòu) 30
2.5 TensorFlow核心API 30
2.5.1 TensorFlow低級(jí)API 31
2.5.2 TensorFlow高級(jí)API 35
2.6 擴(kuò)展：使用tensorflow.js進(jìn)行機(jī)器學(xué)習(xí) 38
參考文獻(xiàn) 40
第3章 線性回歸 41
3.1 什么是線性回歸 41
3.1.1 線性回歸的概念 41
3.1.2 線性回歸的歷史 42
3.1.3 線性回歸模型 42
3.2 線性回歸中的*小二乘法模型 43
3.3 *小二乘法模型實(shí)例 45
3.4 線性回歸的梯度下降模型 47
3.5 梯度下降模型實(shí)例 48
參考文獻(xiàn) 51
第4章 邏輯回歸 52
4.1 邏輯回歸簡(jiǎn)介 52
4.2 邏輯回歸模型 54
4.3 泛邏輯回歸 55
4.4 實(shí)例：股價(jià)預(yù)測(cè) 56
參考文獻(xiàn) 64
第二篇 機(jī)器學(xué)習(xí)進(jìn)階
第5章 神經(jīng)網(wǎng)絡(luò) 65
5.1 神經(jīng)元模型 65
5.1.1 神經(jīng)網(wǎng)絡(luò)的靈感來(lái)源 65
5.1.2 感知器模型概述 66
5.2 單神經(jīng)元模型實(shí)例 67
5.2.1 驗(yàn)證碼概述 68
5.2.2 開(kāi)發(fā)實(shí)例代碼詳解 69
5.3 激活函數(shù) 76
5.3.1 常用激活函數(shù) 76
5.3.2 Sigmoid函數(shù) 77
5.3.3 tanh函數(shù) 79
5.3.4 ReLU函數(shù)以及變式 79
5.4 全連接神經(jīng)網(wǎng)絡(luò)模型 80
5.4.1 多層感知器神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 80
5.4.2 BP算法 82
5.5 全連接神經(jīng)網(wǎng)絡(luò)實(shí)例 82
參考文獻(xiàn) 84
第6章 卷積神經(jīng)網(wǎng)絡(luò) 85
6.1 卷積神經(jīng)網(wǎng)絡(luò)概述 85
6.1.1 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu) 85
6.1.2 卷積操作 86
6.1.3 池化操作 87
6.1.4 卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 88
6.2 實(shí)例1：驗(yàn)證碼識(shí)別 89
6.2.1 神經(jīng)網(wǎng)絡(luò)的具體設(shè)計(jì) 89
6.2.2 卷積過(guò)程分析 91
6.2.3 池化過(guò)程分析 92
6.2.4 完整學(xué)習(xí)過(guò)程分析 93
6.3 實(shí)例2：過(guò)擬合和欠擬合 95
6.3.1 下載 IMDB 數(shù)據(jù)集 96
6.3.2 構(gòu)建模型 99
6.3.3 訓(xùn)練模型 101
6.3.4 過(guò)擬合過(guò)程實(shí)踐 106
6.3.5 過(guò)擬合應(yīng)對(duì)策略 115
參考文獻(xiàn) 120
第7章 循環(huán)神經(jīng)網(wǎng)絡(luò) 121
7.1 循環(huán)神經(jīng)網(wǎng)絡(luò)概述 121
7.1.1 時(shí)序數(shù)據(jù) 121
7.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)模型 122
7.2 長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)架構(gòu) 123
7.3 實(shí)例：仿寫(xiě)西游記 126
7.3.1 文本的讀取和分段 126
7.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)模型定義 130
7.3.3 模型訓(xùn)練和結(jié)果分析 132
參考文獻(xiàn) 134
第8章 強(qiáng)化學(xué)習(xí) 136
8.1 強(qiáng)化學(xué)習(xí)概述 136
8.1.1 強(qiáng)化學(xué)習(xí)簡(jiǎn)史 136
8.1.2 強(qiáng)化學(xué)習(xí)的特點(diǎn) 137
8.1.3 強(qiáng)化學(xué)習(xí)模型 138
8.1.4 強(qiáng)化學(xué)習(xí)分類 139
8.2 Q-Learning架構(gòu) 140
8.2.1 Q-Learning數(shù)學(xué)模型 140
8.2.2 Q-Learning算法偽代碼 141
8.3 實(shí)例：貪吃蛇人工智能 142
8.3.1 Pygame框架 142
8.3.2 游戲功能實(shí)現(xiàn) 143
8.3.3 強(qiáng)化學(xué)習(xí)功能實(shí)現(xiàn) 151
參考文獻(xiàn) 160
第三篇 無(wú)人駕駛
第9章 無(wú)人駕駛系統(tǒng) 161
9.1 無(wú)人駕駛系統(tǒng)概述 161
9.1.1 環(huán)境感知概述 162
9.1.2 車(chē)輛定位概述 163
9.1.3 路徑規(guī)劃概述 164
9.1.4 車(chē)輛控制概述 164
9.2 Apollo簡(jiǎn)介 165
9.2.1 Apollo架構(gòu)概述 165
9.2.2 Apollo子系統(tǒng)交互關(guān)系 167
9.3 Apollo開(kāi)發(fā)環(huán)境搭建 169
9.3.1 軟件系統(tǒng)代碼本地安裝 170
9.3.2 開(kāi)發(fā)環(huán)境搭建中的注意事項(xiàng) 171
參考文獻(xiàn) 173
第10章 Cyber基礎(chǔ) 174
10.1 Cyber簡(jiǎn)介（包括和ROS的對(duì)比） 174
10.1.1 什么是Apollo Cyber RT 174
10.1.2 ROS系統(tǒng) 175
10.1.3 Cyber RT的架構(gòu)及核心軟件模塊分析 176
10.2 Cyber API和API Demo 177
10.2.1 Talker-Listener（簡(jiǎn)單對(duì)話系統(tǒng)） 178
10.2.2 Cyber服務(wù) 181
10.2.3 日志類庫(kù) 188
10.2.4 Cyber模組 189
10.2.5 Timer計(jì)時(shí)器 194
10.2.6 時(shí)間（Time）類 195
10.2.7 Apollo記錄文件的讀寫(xiě)操作 196
10.3 Apollo 模塊啟動(dòng)源碼分析 199
10.3.1 Apollo模塊啟動(dòng)流程 199
10.3.2 Apollo模塊注冊(cè)及動(dòng)態(tài)創(chuàng)建 217
參考文獻(xiàn) 222
第11章 無(wú)人駕駛地圖技術(shù) 223
11.1 高精地圖 223
11.1.1 高精地圖在自動(dòng)駕駛子系統(tǒng)中的應(yīng)用 223
11.1.2 高精地圖的解決方案 224
11.1.3 OpenDrive地圖格式簡(jiǎn)介 227
11.1.4 百度Apollo相關(guān)源代碼分析 234
11.2 PncMap 264
11.3 Relative Map模塊 281
參考文獻(xiàn) 303
第12章 無(wú)人駕駛定位技術(shù) 304
12.1 RTK定位技術(shù) 304
12.2 多傳感器融合定位技術(shù) 307
12.2.1 激光雷達(dá)簡(jiǎn)介 307
12.2.2 擴(kuò)展卡爾曼濾波原理 308
12.2.3 百度Apollo相關(guān)源碼分析 309
參考文獻(xiàn) 322
第13章 無(wú)人駕駛預(yù)測(cè)技術(shù) 323
13.1 預(yù)測(cè)模塊簡(jiǎn)介 323
13.2 成本評(píng)估器：由一組成本函數(shù)計(jì)算概率 327
13.3 MLP評(píng)估器：用MLP模型計(jì)算概率 329
13.4 RNN評(píng)估器：用RNN模型計(jì)算概率 343
參考文獻(xiàn) 350 第14章 無(wú)人駕駛規(guī)劃策略 351
14.1 規(guī)劃模塊簡(jiǎn)介 351
14.1.1 規(guī)劃業(yè)務(wù)流程分析 351
14.1.2 Frenet坐標(biāo)系 352
14.1.3 路徑-速度解耦 352
14.1.4 三維軌跡生成Lattice 353
14.1.5 車(chē)輛狀態(tài) 353
14.2 路徑規(guī)劃 353
14.3 障礙物規(guī)劃 363
14.4 速度規(guī)劃 373
參考文獻(xiàn) 392
第15章 無(wú)人駕駛控制策略 394
15.1 車(chē)輛模型 394
15.1.1 運(yùn)動(dòng)學(xué)模型 394
15.1.2 動(dòng)力學(xué)模型 396
15.2 PID控制算法 397
15.2.1 比例控制算法 397
15.2.2 積分控制算法 397
15.2.3 微分控制算法 398
15.2.4 百度Apollo相關(guān)源碼分析 398
15.3 MPC控制算法 408
15.3.1 MPC的控制原理 409
15.3.2 百度Apollo相關(guān)源碼分析 409
參考文獻(xiàn) 414
附錄A 強(qiáng)化學(xué)習(xí)：貪吃蛇AI完整游戲邏輯代碼 416
附錄B CyberRT系統(tǒng)核心API字典 423
展開(kāi)全部
從機(jī)器學(xué)習(xí)到無(wú)人駕駛 作者簡(jiǎn)介
宋哲賢，多年互聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)開(kāi)發(fā)經(jīng)歷，在著名車(chē)企從事車(chē)輛智能化算法架構(gòu)研發(fā)，對(duì)于人工智能應(yīng)用有較強(qiáng)的實(shí)踐經(jīng)驗(yàn)，目前專注于遷移學(xué)習(xí)的工程化實(shí)踐。
慕課網(wǎng)高級(jí)講師，熱愛(ài)分享，開(kāi)發(fā)多門(mén)人工智能的入門(mén)和進(jìn)階課程，擅長(zhǎng)實(shí)例的類比講解。
獲得車(chē)輛智能化國(guó)家專利1項(xiàng)。
書(shū)友推薦
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
上帝之肋:男人的真實(shí)旅程
- >
回憶愛(ài)瑪儂
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
我從未如此眷戀人間
- >
羅曼·羅蘭讀書(shū)隨筆-精裝
- >
人文閱讀與收藏·良友文學(xué)叢書(shū):一天的工作
- >
名家?guī)阕x魯迅:朝花夕拾
本類暢銷
