智能网联汽车

本书不仅聚焦于智能网联汽车本身，也对与其紧密相关的交叉领域做了介绍，通过基本概念与应用举例相结合的形式，使得学生能熟悉智能网联汽车的基础知识，并掌握直接从事智能网联汽车技术研发和学术研究的基本技能。

本书主要介绍智能网联汽车的相关概念和关键技术，内容主要包括智能网联汽车的定义、技术体系等，针对智能网联汽车的相关概念及发展背景、硬件体系、环境感知与理解、地图与定位、决策与控制、测试与评价等关键技术进行了详细阐述。 本书可作为高等院校汽车类、交通类专业的教材，也可作为企业工程技术人员和管理者的参考读物，还可作为汽车技术培训的参考书。

,现为汽车安全与节能国家重点实验室主任、教育部长江学者特聘教授、清华大学智能网联汽车与交通研究中心主任。研究方向包括智能网联汽车、智能系统动态设计与控制。

1 绪论
1.1 基本概念
1.2 发展历史
1.3 系统简介
1.3.1 体系架构简介
1.3.2 关键技术简介
1.4 等级划分
1.5 性能要求
1.5.1 整体性能
1.5.2 关键技术性能
本章习题
参考文献
2 智能网联汽车构型与组成
2.1 绪论
2.2 系统架构
2.2.1 硬件系统架构
2.2.2 云控系统架构
2.3 传感器
2.3.1 视觉传感器
2.3.2 毫米波雷达
2.3.3 激光雷达
2.3.4 超声波雷达
2.3.5 传感器性能与布置
2.4 导航定位
2.4.1 全球卫星导航定位系统
2.4.2 惯性导航定位
2.5 网联通信
2.5.1 通信终端
2.5.2 通信方式
2.6 人机交互
2.6.1 基于传统硬件的交互
2.6.2 基于智能设备的交互
2.7 计算平台
2.7.1 异构分布硬件架构
2.7.2 自动驾驶操作系统
2.8 执行装置
2.8.1 线控驱动
2.8.2 线控转向
2.8.3 线控制动
2.9 云控平台
2.9.1 云控基础平台
2.9.2 云控应用平台
本章习题
参考文献
3 环境感知与理解
3.1 绪论
3.2 目标检测
3.2.1 概述
3.2.2 传统检测方法
3.2.3 深度学习检测方法
3.2.4 应用举例
3.3 目标跟踪
3.3.1 概述
3.3.2 传统跟踪方法
3.3.3 深度学习跟踪方法
3.3.4 应用举例
3.4 融合感知
3.4.1 概述
3.4.2 神经网络融合方法
3.4.3 概率融合方法
3.4.4 应用举例
3.5 意图识别与轨迹预测
3.5.1 概述
3.5.2 意图识别方法
3.5.3 轨迹预测方法
3.5.4 应用举例
3.6 行车风险评估
3.6.1 行车风险定义
3.6.2 行车风险影响因素
3.6.3 行车风险评估方法
3.6.4 应用举例
本章习题
参考文献
4 地图与定位
4.1 绪论
4.2 高精度动态地图
4.2.1 概述
4.2.2 地图架构
4.2.3 建图流程
4.2.4 建图方法
4.2.5 应用举例
4.3 高精度协同定位
4.3.1 概述
4.3.2 定位框架
4.3.3 定位原理
4.3.4 定位算法
4.3.5 应用举例
本章习题
参考文献
5 决策与控制
5.1 绪论
5.2 自主决策与控制
5.2.1 概述
5.2.2 车辆建模
5.2.3 自主决策
5.2.4 自主控制
5.2.5 应用案例
5.3 协同决策与控制
5.3.1 概述
5.3.2 网联系统建模
5.3.3 协同决策
5.3.4 协同控制
5.3.5 车路云一体化
5.3.6 应用案例
本章习题
参考文献
6 测试与评价
6.1 绪论
6.2 测试方法
6.2.1 测试分类
6.2.2 测试流程
6.2.3 应用举例
6.3 评价方法
6.3.1 评价目标
6.3.2 性能与指标
6.3.3 评价模型
6.3.4 应用举例
6.4 封闭测试场与测试设备
6.4.1 封闭测试场
6.4.2 测试设备
本章习题
参考文献
附录A 基础知识
A.1 很优化理论
A.1.1 状态估计
A.1.2 优选似然估计求解
A.1.3 最小二乘求解
A.2 机器学习
A.2.1 概述
A.2.2 特征提取器
A.2.3 模型参数估计
A.2.4 卷积神经网络
A.2.5 循环神经网络
A.3 控制理论
A.3.1 经典控制理论
A.3.2 现代控制理论
A.3.3 很优控制
A.4 滤波算法
A.4.1 卡尔曼滤波
A.4.2 扩展卡尔曼滤波
A.5 代数与几何
A.5.1 空间变换基础
A.5.2 图论
参考文献