掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
數據驅動的智能駕駛 版權信息
- ISBN：9787115593863
- 條形碼：9787115593863 ; 978-7-115-59386-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據驅動的智能駕駛 本書特色
適讀人群 ：本書適合智能駕駛領域的工程師、研發人員及其他相關從業者閱讀，也適合對智能駕駛技術感興趣的讀者閱讀。1.院士、教授、行業精英聯袂推薦本書由李克強原始領銜推薦，楊曉光教授傾力作序，多名智能駕駛領域的行業精英聯袂推薦。2.內容完善，講解清晰本書不僅立足于行業，廣泛地介紹了智能駕駛的基本概念、系統架構、關鍵技術以及諸多寶貴的研發過程，更分享了一位工程師從多維度洞察智能駕駛時，所需掌握的思考方式、設計邏輯以及工程重點。3.圖文并茂，便于理解本書通過圖文結合的形式系統地展示了智能駕駛的方方面面，有助于讀者真正理解汽車智能駕駛，尤其是對輔助駕駛、車路協同、自動駕駛等技術感興趣的讀者，一定不要錯過！
數據驅動的智能駕駛 內容簡介
隨著大數據技術和物聯網技術的不斷發展，智能駕駛成為工業革命和信息化相結合的重要抓手，是近年來備受關注的熱門技術領域。本書圍繞智能駕駛技術展開介紹，旨在通過多維度的講解與分析，幫助讀者了解智能駕駛所涉及的知識和思維模式。全書內容分為9章，涉及智能駕駛的基礎概念、汽車架構、交互系統、處理系統、車端軟件、云端數據平臺、數據處理自動化、智能駕駛的研發體系，以從業者的視角，系統地講解了與智能駕駛汽車研發相關的知識點。
數據驅動的智能駕駛 目錄
第 1章 智能駕駛系統的基本情況1
1．1 智能駕駛的“第 一性原理”1
1．2 智能駕駛的歷史與展望3
1．3 智能駕駛汽車研發的關鍵路徑4
1．4 智能駕駛汽車研發的核心困境7
第 2章 智能駕駛汽車的架構革命11
2．1 對架構的基本理解11
2．2 整車架構設計13
2．2．1 傳統整車架構及其
問題13
2．2．2 汽車電氣化的發展16
2．2．3 整車平臺架構構建18
2．3 電子電氣架構設計20
2．3．1 電子電氣架構的發展
趨勢20
2．3．2 電子電氣架構的底層
硬件構建22
2．3．3 診斷與刷寫服務24
2．3．4 FOTA更新服務26
2．3．5 時間同步服務28
2．4 終端架構設計30
2．4．1 計算機終端運行的基本
原理30
2．4．2 車端控制器終端32
2．4．3 云端計算集群34
2．5 通信架構設計36
2．5．1 OSI參考模型與智能
駕駛通信應用36
2．5．2 面向信號的CAN通信38
2．5．3 面向服務的以太網
通信40
2．5．4 通信與計算的匹配
關系43
2．5．5 對通信的深層理解46
2．6 軟件架構設計50
2．6．1 智能駕駛的理論基礎50
2．6．2 基礎理論下的軟件架構
展開54
2．6．3 分層閉環架構與
上下行56
2．7 人工智能算法體系59
2．7．1 歸納思維與演繹思維59
2．7．2 規則驅動算法與數據
驅動算法60
2．7．3 智能體對可解釋性的
處理62
2．7．4 智能體對不確定性的
處理64
2．8 AI之下再談軟件與算法架構67
2．8．1 智能體的軟件整體
結構67
2．8．2 分層級聯的可控性
設計69
2．8．3 數據驅動的可迭代
設計71
2．8．4 算法與各層次架構的
映射關系73
2．9 研發體系的架構設計76
2．9．1 流程的概念和轉變76
2．9．2 整車研發流程的升級79
2．9．3 流程的融合與團隊的
融合81
第3章 智能駕駛的交互系統85
3．1 傳感器與智能駕駛系統的
關系85
3．2 感知類傳感器87
3．2．1 超聲波雷達87
3．2．2 毫米波雷達89
3．2．3 激光雷達90
3．2．4 光學攝像頭92
3．3 網聯類傳感器93
3．3．1 GPS全球定位系統93
3．3．2 慣性導航傳感器95
3．3．3 地圖（V2X）傳感器97
3．4 傳感器的組合與排布99
3．5 線控執行器100
3．5．1 線控轉向系統100
3．5．2 線控制動系統101
3．5．3 三電系統103
3．6 人機交互設備104
第4章 智能駕駛的處理系統107
4．1 域控制器的軟硬件一體設計107
4．2 智能駕駛芯片108
4．2．1 芯片的基本概念108
4．2．2 智能駕駛芯片的分類110
4．3 操作系統與中間件113
4．3．1 操作系統的概念113
4．3．2 中間件的概念116
4．3．3 軟件的底層運行
框架117
4．4 業務層模型120
4．4．1 坐標系120
4．4．2 時空同步123
4．4．3 環境模型接口124
4．5 典型案例：算法穩定性設計128
第5章 智能駕駛的車端軟件算法130
5．1 語義感知層130
5．1．1 環境感知的基礎與
延伸任務130
5．1．2 感知特征提取的典型
策略134
5．1．3 感知特征提取的進階
策略136
5．1．4 復雜環境感知模型的
核心結構139
5．2 融合與預測層141
5．2．1 傳統融合算法的基本
概念142
5．2．2 傳統融合算法的原理及
應用143
5．2．3 多模態融合預測與各型
嵌入表征146
5．2．4 從循環網絡、記憶網絡
到注意力網絡149
5．2．5 基于生成對抗網絡的
信息聯想和補全152
5．2．6 “可微分”的智能駕駛
系統156
5．3 規劃與控制層159
5．3．1 分層規劃控制算法的
構成159
5．3．2 規劃的時間一致性與
變更過程161
5．3．3 全局規劃與場景狀態
切換164
5．3．4 運動規劃之決策168
5．3．5 運動規劃之優化171
5．3．6 前饋-反饋控制與車輛
模型173
第6章 智能駕駛數據閉環平臺178
6．1 底層云服務架構178
6．1．1 云存儲與云計算
概述178
6．1．2 微服務架構概述182
6．1．3 云端數據應用的交互
過程184
6．1．4 數據應用開發的
新模式185
6．2 數據管道構建起來的智能駕駛
大腦186
6．3 功能研發的流程189
6．3．1 DevOps與敏捷開發
概述189
6．3．2 傳統開發與敏捷開發的
配合191
6．3．3 智能駕駛開發數據
管道的設計195
6．3．4 智能駕駛測試數據
管道的設計199
6．4 車云閉環流程206
6．4．1 車云閉環過程概述206
6．4．2 數據篩選與影子模式209
6．4．3 車云數據記錄和整理210
第7章 數據處理自動化—機器的
流程213
7．1 深度學習訓練的自動化213
7．1．1 智能駕駛業務推進學習
系統演進213
7．1．2 傳統深度學習系統的
構成216
7．1．3 自監督學習系統的構成218
7．1．4 可訓練構件的
“工具箱”220
7．2 眾包地圖223
7．2．1 地圖的基本概念223
7．2．2 高精度地圖與眾包
地圖的差異225
7．2．3 地圖加偏對業務的
影響227
7．2．4 眾包地圖閉環數據流229
7．3 規劃仿真230
7．3．1 規劃仿真與強化學習230
7．3．2 場景庫的數據驅動
方法232
7．3．3 規劃訓練的閉環
數據流233
7．4 弱監督訓練235
7．4．1 弱監督學習的概念和
重點235
7．4．2 弱監督在自監督框架
中的定位238
7．4．3 規則驅動的真值系統239
7．4．4 低維流形與對比學習241
7．4．5 GAN與域適應244
7．4．6 模型壓縮與蒸餾學習246
7．5 數據管道的兩種典型風格248
第8章 智能駕駛汽車的研發體系—人的流程252
8．1 從個人視角看研發流程全貌252
8．2 整車開發流程255
8．2．1 整車開發流程概述255
8．2．2 整車開發流程的關鍵
結構256
8．2．3 整車項目管理261
8．2．4 整車需求定義與分解264
8．2．5 造型、產品工程與
制造266
8．2．6 零部件采購流程268
8．2．7 質量保障體系271
8．3 智能駕駛系統的指標體系276
8．3．1 系統功能邊界的定義276
8．3．2 層次設計的分解與
量化278
8．3．3 可靠性與健壯性280
8．3．4 方差與偏差283
8．4 智能汽車文化285
8．4．1 文化宣貫與產品力285
8．4．2 質量文化286
8．4．3 安全文化287
8．4．4 敏捷文化290
8．4．5 敏感數據的保護291
8．5 混合思維下的研發策略292
第9章 新時代背景下的行業與
從業者295
9．1 時代趨勢之下的從業者295
9．2 變革對用戶的影響296
9．2．1 用戶的需求層次上移296
9．2．2 用戶為軟件付費298
9．2．3 智能駕駛系統的用戶
體驗差異299
9．3 變革對行業的影響300
9．3．1 產業鏈與核心競爭力300
9．3．2 時代的主旋律與發展的
“輪回”302
9．3．3 市場與營運策略的
變化303
9．3．4 汽車成為智慧城市的
核心節點304
9．4 變革對從業者的影響305
9．4．1 產品復雜性與人力
資源的關系305
9．4．2 復合知識體系的意義306
9．4．3 構建高效知識體系的
方法推薦307
9．4．4 給新入行的朋友一些
建議308
后記311
1．1 智能駕駛的“第 一性原理”1
1．2 智能駕駛的歷史與展望3
1．3 智能駕駛汽車研發的關鍵路徑4
1．4 智能駕駛汽車研發的核心困境7
第 2章 智能駕駛汽車的架構革命11
2．1 對架構的基本理解11
2．2 整車架構設計13
2．2．1 傳統整車架構及其
問題13
2．2．2 汽車電氣化的發展16
2．2．3 整車平臺架構構建18
2．3 電子電氣架構設計20
2．3．1 電子電氣架構的發展
趨勢20
2．3．2 電子電氣架構的底層
硬件構建22
2．3．3 診斷與刷寫服務24
2．3．4 FOTA更新服務26
2．3．5 時間同步服務28
2．4 終端架構設計30
2．4．1 計算機終端運行的基本
原理30
2．4．2 車端控制器終端32
2．4．3 云端計算集群34
2．5 通信架構設計36
2．5．1 OSI參考模型與智能
駕駛通信應用36
2．5．2 面向信號的CAN通信38
2．5．3 面向服務的以太網
通信40
2．5．4 通信與計算的匹配
關系43
2．5．5 對通信的深層理解46
2．6 軟件架構設計50
2．6．1 智能駕駛的理論基礎50
2．6．2 基礎理論下的軟件架構
展開54
2．6．3 分層閉環架構與
上下行56
2．7 人工智能算法體系59
2．7．1 歸納思維與演繹思維59
2．7．2 規則驅動算法與數據
驅動算法60
2．7．3 智能體對可解釋性的
處理62
2．7．4 智能體對不確定性的
處理64
2．8 AI之下再談軟件與算法架構67
2．8．1 智能體的軟件整體
結構67
2．8．2 分層級聯的可控性
設計69
2．8．3 數據驅動的可迭代
設計71
2．8．4 算法與各層次架構的
映射關系73
2．9 研發體系的架構設計76
2．9．1 流程的概念和轉變76
2．9．2 整車研發流程的升級79
2．9．3 流程的融合與團隊的
融合81
第3章 智能駕駛的交互系統85
3．1 傳感器與智能駕駛系統的
關系85
3．2 感知類傳感器87
3．2．1 超聲波雷達87
3．2．2 毫米波雷達89
3．2．3 激光雷達90
3．2．4 光學攝像頭92
3．3 網聯類傳感器93
3．3．1 GPS全球定位系統93
3．3．2 慣性導航傳感器95
3．3．3 地圖（V2X）傳感器97
3．4 傳感器的組合與排布99
3．5 線控執行器100
3．5．1 線控轉向系統100
3．5．2 線控制動系統101
3．5．3 三電系統103
3．6 人機交互設備104
第4章 智能駕駛的處理系統107
4．1 域控制器的軟硬件一體設計107
4．2 智能駕駛芯片108
4．2．1 芯片的基本概念108
4．2．2 智能駕駛芯片的分類110
4．3 操作系統與中間件113
4．3．1 操作系統的概念113
4．3．2 中間件的概念116
4．3．3 軟件的底層運行
框架117
4．4 業務層模型120
4．4．1 坐標系120
4．4．2 時空同步123
4．4．3 環境模型接口124
4．5 典型案例：算法穩定性設計128
第5章 智能駕駛的車端軟件算法130
5．1 語義感知層130
5．1．1 環境感知的基礎與
延伸任務130
5．1．2 感知特征提取的典型
策略134
5．1．3 感知特征提取的進階
策略136
5．1．4 復雜環境感知模型的
核心結構139
5．2 融合與預測層141
5．2．1 傳統融合算法的基本
概念142
5．2．2 傳統融合算法的原理及
應用143
5．2．3 多模態融合預測與各型
嵌入表征146
5．2．4 從循環網絡、記憶網絡
到注意力網絡149
5．2．5 基于生成對抗網絡的
信息聯想和補全152
5．2．6 “可微分”的智能駕駛
系統156
5．3 規劃與控制層159
5．3．1 分層規劃控制算法的
構成159
5．3．2 規劃的時間一致性與
變更過程161
5．3．3 全局規劃與場景狀態
切換164
5．3．4 運動規劃之決策168
5．3．5 運動規劃之優化171
5．3．6 前饋-反饋控制與車輛
模型173
第6章 智能駕駛數據閉環平臺178
6．1 底層云服務架構178
6．1．1 云存儲與云計算
概述178
6．1．2 微服務架構概述182
6．1．3 云端數據應用的交互
過程184
6．1．4 數據應用開發的
新模式185
6．2 數據管道構建起來的智能駕駛
大腦186
6．3 功能研發的流程189
6．3．1 DevOps與敏捷開發
概述189
6．3．2 傳統開發與敏捷開發的
配合191
6．3．3 智能駕駛開發數據
管道的設計195
6．3．4 智能駕駛測試數據
管道的設計199
6．4 車云閉環流程206
6．4．1 車云閉環過程概述206
6．4．2 數據篩選與影子模式209
6．4．3 車云數據記錄和整理210
第7章 數據處理自動化—機器的
流程213
7．1 深度學習訓練的自動化213
7．1．1 智能駕駛業務推進學習
系統演進213
7．1．2 傳統深度學習系統的
構成216
7．1．3 自監督學習系統的構成218
7．1．4 可訓練構件的
“工具箱”220
7．2 眾包地圖223
7．2．1 地圖的基本概念223
7．2．2 高精度地圖與眾包
地圖的差異225
7．2．3 地圖加偏對業務的
影響227
7．2．4 眾包地圖閉環數據流229
7．3 規劃仿真230
7．3．1 規劃仿真與強化學習230
7．3．2 場景庫的數據驅動
方法232
7．3．3 規劃訓練的閉環
數據流233
7．4 弱監督訓練235
7．4．1 弱監督學習的概念和
重點235
7．4．2 弱監督在自監督框架
中的定位238
7．4．3 規則驅動的真值系統239
7．4．4 低維流形與對比學習241
7．4．5 GAN與域適應244
7．4．6 模型壓縮與蒸餾學習246
7．5 數據管道的兩種典型風格248
第8章 智能駕駛汽車的研發體系—人的流程252
8．1 從個人視角看研發流程全貌252
8．2 整車開發流程255
8．2．1 整車開發流程概述255
8．2．2 整車開發流程的關鍵
結構256
8．2．3 整車項目管理261
8．2．4 整車需求定義與分解264
8．2．5 造型、產品工程與
制造266
8．2．6 零部件采購流程268
8．2．7 質量保障體系271
8．3 智能駕駛系統的指標體系276
8．3．1 系統功能邊界的定義276
8．3．2 層次設計的分解與
量化278
8．3．3 可靠性與健壯性280
8．3．4 方差與偏差283
8．4 智能汽車文化285
8．4．1 文化宣貫與產品力285
8．4．2 質量文化286
8．4．3 安全文化287
8．4．4 敏捷文化290
8．4．5 敏感數據的保護291
8．5 混合思維下的研發策略292
第9章 新時代背景下的行業與
從業者295
9．1 時代趨勢之下的從業者295
9．2 變革對用戶的影響296
9．2．1 用戶的需求層次上移296
9．2．2 用戶為軟件付費298
9．2．3 智能駕駛系統的用戶
體驗差異299
9．3 變革對行業的影響300
9．3．1 產業鏈與核心競爭力300
9．3．2 時代的主旋律與發展的
“輪回”302
9．3．3 市場與營運策略的
變化303
9．3．4 汽車成為智慧城市的
核心節點304
9．4 變革對從業者的影響305
9．4．1 產品復雜性與人力
資源的關系305
9．4．2 復合知識體系的意義306
9．4．3 構建高效知識體系的
方法推薦307
9．4．4 給新入行的朋友一些
建議308
后記311
展開全部
數據驅動的智能駕駛 作者簡介
殷瑋，某主機廠智駕軟件高級經理，曾負責多個量產級L2和L4自動駕駛項目，有多年智能網聯、智能交通系統的研發經驗，曾參與自動駕駛相關行業標準的制定，參與過相關行業的資本運作且有多年行業咨詢經驗。知乎科普作者，關注者數量過萬，相關技術文章在報紙、雜志和公眾號上均有轉載。
書友推薦
- >
我從未如此眷戀人間
- >
龍榆生：詞曲概論/大家小書
- >
李白與唐代文化
- >
莉莉和章魚
- >
我與地壇
- >
山海經
- >
【精裝繪本】畫給孩子的中國神話
- >
隨園食單
本類暢銷
