無人駕駛：人工智慧如何顛覆汽車

第１ 章無人駕駛系統簡介
１.１ 無人駕駛技術概述／ ００２
１.２ 無人駕駛演算法／ ００２
１.２.１ 傳感／ ００３
１.２.２ 感知／ ００４
１.２.３ 目標識別與跟蹤／ ００６
１.２.４ 決策／ ００６
１.３ 無人駕駛用戶端系統／ ００８
１.３􀆰； １ 機器人作業系統／ ００８
１.３􀆰； ２ 硬體平臺／ ０１１
１.４ 無人駕駛雲平臺／ ０１１
１.４.１ 模擬模擬／ ０１１
１.４.２ 高精度地圖生成／ ０１２
１.４.３ 深度學習模型訓練／ ０１３
１.５ 一切剛剛開始／ ０１４
第２ 章無人駕駛車輛的定位系統
２.１ 採用全球導航衛星系統定位／ ０１５
２.１.１ ＧＮＳＳ 概述／ ０１５
２.１.２ ＧＮＳＳ 誤差分析／ ０１７
２.１.３ 星基增強系統／ ０１８
２.１.４ 載波相位差分技術和差分ＧＮＳＳ ／ ０１９
２.１.５ 精確點定位／ ０２０
２.１.６ 全球定位系統和慣性導航系統的融合／ ０２２
２.２ 採用雷射雷達和高精度地圖定位／ ０２３
２.２.１ 雷射雷達概述／ ０２３
２.２.２ 高精度地圖概述／ ０２６
２.２.３ 雷射雷達和高精度地圖定位／ ０３０
２.３ 視覺里程計／ ０３４
２.３.１ 立體視覺里程計／ ０３５
２.３.２ 單目視覺里程計／ ０３６
２.３.３ 視覺慣性里程計／ ０３６
２.４ 航位推算和輪式里程計／ ０３８
２.４.１ 輪式編碼器／ ０３８
２.４.２ 輪式里程計誤差／ ０３９
２.４.３ 減少輪式里程計誤差／ ０４０
２.５ 多感測器融合／ ０４２
２.５.１ 卡內基梅隆大學無人駕駛城市挑戰賽車Ｂｏｓｓ ／ ０４２
２.５.２ 斯坦福大學無人駕駛城市挑戰賽車Ｊｕｎｉｏｒ ／ ０４４
２.５.３ 梅賽德斯－賓士無人駕駛車Ｂｅｒｔｈａ ／ ０４５
參考文獻／ ０４７
第３ 章無人駕駛的感知系統
３.１ 概述／ ０５１
３.２ 資料集／ ０５２
３.３ 目標識別／ ０５４
３.４ 語義分割／ ０５６
３.５ 立體視覺、光流和場景流／ ０５８
３.５.１ 立體視覺與深度資訊／ ０５８
３.５.２ 光流／ ０５９
３.５.３ 場景流／ ０５９
３.６ 目標跟蹤／ ０６１
３.７ 總結／ ０６３
參考文獻／ ０６４
第４ 章深度學習在無人駕駛感知系統中的應用
４.１ 卷積神經網路／ ０６８
４.２ 目標檢測／ ０６９
４.３ 語義分割／ ０７２
４.４ 立體視覺和光流／ ０７５
４.４.１ 立體視覺／ ０７５
４.４.２ 光流／ ０７６
４.５ 總結／ ０７９
參考文獻／ ０８０
第５ 章預測與路徑規劃
５.１ 規劃與控制模組概覽／ ０８２
５.１.１ 架構： 廣義上的規劃與控制／ ０８２
５.１.２ 各個模組的範圍：以模組的方式解決問題／ ０８４
５.２ 交通預測／ ０８７
５.２.１ 將行為預測作為分類問題／ ０８８
５.２.２ 車輛軌跡生成／ ０９３
５.３ 車道級的路徑規劃／ ０９４
５.３.１ 為路徑規劃創建權重有向圖／ ０９６
５.３.２ 典型的路徑規劃演算法／ ０９８
５.３.３ 規劃圖損失： 強弱路徑規劃／ １０２
５.４ 總結／ １０３
參考文獻／ １０３
第６ 章決策、規劃和控制
６.１ 行為決策／ １０５
６.１.１ 瑪律可夫決策過程方法／ １０７
６.１.２ 基於場景的分治法／ １０９
６.２ 運動規劃／ １１６
６.２.１ 車輛模型、道路模型、ＳＬ 坐標系／ １１８
６.２.２ 劃分為路徑規劃和速度規劃的運動規劃／ １１９
６.２.３ 劃分為縱向規劃和橫向規劃的運動規劃／ １２６
６.３ 回饋控制／ １３０
６.３.１ 自行車模型／ １３０
６.３.２ ＰＩＤ 控制／ １３２
６􀆰； ４ 總結／ １３３
參考文獻／ １３４
第７ 章基於增強學習的規劃和控制
７.１ 概述／ １３６
７.２ 增強學習／ １３８
７.２.１ Ｑ⁃；學習／ １４０
７.２.２ ＡＣＴＯＲ⁃；ＣＲＩＴＩＣ 方法／ １４４
７.３ 無人駕駛中基於學習的規劃和控制／ １４６
７.３.１ 行為決策中的增強學習／ １４７
７.３􀆰；.２ 基於增強學習的規劃和控制／ １４７
７.４ 總結／ １５０
參考文獻／ １５０
第８ 章無人駕駛用戶端系統
８.１ 無人駕駛系統： 一個複雜的系統／ １５２
８.２ 無人駕駛的作業系統／ １５４
８.２.１ ＲＯＳ 綜述／ １５４
８.２.２ 系統可靠性／ １５６
８.２.３ 性能優化／ １５７
８.２.４ 資源管理與安全性／ １５７
８.３ 計算平臺／ １５８
８.３.１ 計算平臺的實現／ １５８
８.３.２ 現有的計算解決方案／ １５９
８.３.３ 電腦體系結構設計的探索／ １６０
參考文獻／ １６４
第９ 章無人駕駛雲平臺
９.１ 概述／ １６５
９.２ 基礎架構／ １６６
９.２.１ 分散式運算框架／ １６７
９.２.２ 分散式存儲／ １６７
９.２.３ 異構計算／ １６８
９.３ 模擬模擬／ １７０
９.３.１ ＢｉｎＰｉｐｅＲＤＤ ／ １７１
９.３.２ 連接ＲＯＳ 與Ｓｐａｒｋ 引擎／ １７２
９.３􀆰； ３ 性能表現／ １７３
９.４ 模型訓練／ １７３
９.４.１ 為什麼使用Ｓ

無人駕駛汽車技術是當今最為火熱的技術之一。隨著智慧汽車上路逐漸成為現實，越來越多的研究者參與其中，普通大眾也對其津津樂道。的確，正如本書的作者所言，無人駕駛正處於曙光時期。然而，無人駕駛汽車技術涉及諸多領域，包括電腦軟硬體、人工智慧、資訊技術、車輛工程、自動控制等，對於入門者而言過於龐雜，讓人迷茫不知所措。如果無法對無人駕駛汽車技術全域有個初步的認識，就不知道各個領域發展的最新現狀，也無法找到最適合自己的研究領域。這本書正好解決了上述痛點。

記得當初我看到這本書的英文版後如獲至寶，仿佛在紛繁複雜的無人駕駛汽車技術深深幽林中，尋覓到了捷徑，又或者像乘上了無人機，看見了這片森林的全貌。這本書的作者們在各自的領域裡造詣深厚，有著豐富的無人駕駛汽車技術研究開發經驗。它深入淺出，引人入勝，很適合作為無人駕駛汽車技術入門和總覽圖書閱讀。因此，我非常榮幸能夠向中國讀者推薦這本書，讓更多的同行瞭解無人駕駛汽車技術。

在吉林大學汽車模擬與控制國家重點實驗室，我非常幸運擁有一群天資聰穎而又勤奮好學的博士、碩士研究生。為了搶時間，他們將春節等假期都奉獻於本書的翻譯。本書前言及第三、四章由史津竹主譯，第二章由代凱主譯，第五章由葛林鶴主譯，第六章由單子桐主譯，第七、八章由左世奇主譯，第九章由安靖雅主譯，第一章集體完成翻譯。為了使讀者更加形象直觀地理解本書內容，譯者團隊對插圖進行了統一翻譯。同時，為了還原原書作者表達的意思，既保證本書的專業性，又不失信、達、雅的閱讀效果，這些譯者進行了多輪的審稿和參考文獻閱讀，並邀請美國哥倫比亞大學碩士畢業生王博協助審閱，力求為讀者提供最佳的原書體驗。

在我翻閱這本書時，這些研究生都自發地加入這本書的翻譯工作中，我一度為他們的這種熱情而感動。我知道，就像無數的汽車從業者一樣，他們對無人駕駛汽車技術的探索有著強烈的熱情與衝動，我相信只要具備了這種神奇的力量，在今後的課題研究中他們定會無往而不勝。這些學子是我的驕傲，也是中國的未來和希望。

最後，我深深希望這本書能為入門者指點迷津，為初學者提供參考，希望你們能借助這本書領略無人駕駛汽車的魅力，更希望你們能儘快成長，為中國汽車事業的發展增添動力。
馬芳武
ＦＩＳＩＴＡ技術委員會主席
ＳＡＥＦｅｌｌｏｗ
吉林大學教授