无人驾驶原理与实践

无人驾驶系统涉及的技术面非常广泛，内容繁多，种类多跨度大。现阶段而言，实现无人驾驶系统主要有两种思路：一是传统的机器人学的思路，另一种是采用深度学习的方法。这两类技术都在不断地发展，汽车公司和科技公司的无人驾驶汽车系统也往往融合了这两类技术。本书将综合这两类技术，为读者从原理到实践详细讲解应用于无人驾驶汽车系统的关键技术，为意图入门无人驾驶汽车领域的读者打好基础。阅读完本书，读者将有能力进入无人驾驶汽车这一前沿领域，进行更加深入的探索。

 

第1章初识无人驾驶系统
1.1什么是无人驾驶
1.2为什么需要无人驾驶
1.3无人驾驶系统基本框架
1.4开发环境配置
1.5本章参考文献
第2章ROS入门
2.1ROS简介
2.2ROS中的概念
2.3catkin创建系统
2.4ROS中的项目组织结构
2.5基于Husky模拟器的实践
2.6ROS的基本编程
2.7ROSservices
2.8ROSAction
2.9ROS中的常用工具
2.10本章参考文献
第3章无人驾驶系统的定位方法
3.1实现定位的原理
3.2迭代最近点算法
3.3正态分布变换
3.4基于GPS+惯性组合导航的定位系统
3.5基于Slam的定位系统
3.6本章参考文献
第4章状态估计和传感器融合
4.1卡尔曼滤波和状态估计
4.2高级运动模型和扩展卡尔曼滤波
4.3无损卡尔曼滤波
4.4本章参考文献
第5章机器学习和神经网络基础
5.1机器学习基本概念
5.2监督学习
5.3神经网络基础
5.4使用Keras实现神经网络
5.5本章参考文献
第6章深度学习和无人驾驶视觉感知
6.1深度前馈神经网络——为什么要深？
6.2应用于深度神经网络的正则化技术
6.3实战——交通标志识别
6.4卷积神经网络入门
6.5基于YOLO2的车辆检测
6.6本章参考文献
第7章迁移学习和端到端无人驾驶
7.1迁移学习
7.2端到端无人驾驶
7.3端到端无人驾驶模拟
7.4本章小结
7.5本章参考文献
第8章无人驾驶规划入门
8.1无人车路径规划和A*算法
8.2分层有限状态机和无人车行为规划
8.3基于自由边界三次样条插值的无人车路径生成
8.4基于Frenet优化轨迹的无人车动作规划方法
8.5本章参考文献
第9章车辆模型和高级控制
9.1运动学自行车模型和动力学自行车模型
9.2无人车控制入门
9.3基于运动学模型的模型预测控制
9.4轨迹追踪
9.5本章参考文献
第10章深度强化学习及在自动驾驶中的应用
10.1强化学习概述
10.2强化学习原理及过程
10.3近似价值函数
10.4深度Q值网络算法
10.5策略梯度
10.6深度确定性策略梯度及TORCS游戏的控制
10.7本章小结
10.8本章参考文献