智能网联汽车协同感知理论与技术

本书针对国家重大战略和智能网联汽车产业需求，以智能网联汽车协同感知为主要研究对象，系统地介绍了智能网联汽车协同感知的基本概念、模型和算法，从道路感知、车辆定位、目标跟踪、协同检测等方面深入浅出地阐述了智能网联汽车协同感知领域的核心知识和发展趋势。全书以贝叶斯学习的思想贯穿始终，并适当与其他重要知识点（如深度学习等）进行交叉融合，便于读者形成良好的知识体系。

第1章 绪论 1
1.1 智能网联汽车 1
1.2 技术分级 3
1.3 智能网联汽车测试示范区 4
1.4 测试工具 5
1.5 本章小结 6
参考文献 6
第2章 复杂环境下道路识别技术 8
2.1 概述 8
2.2 基于混合模型的车道线检测 8
2.2.1 图像相关干扰滤除算法 8
2.2.2 基于混合模型的车道线检测算法 16
2.2.3 基于混合模型的车道线跟踪算法 24
2.2.4 复杂环境下车道线检测实验 27
2.3 基于深度学习方法的车道线检测 31
2.4 基于激光雷达的护栏检测 33
2.4.1 引言 33
2.4.2 基于激光雷达的护栏检测算法 34
2.4.3 护栏检测算法评价指标 42
2.4.4 面向整车集成的护栏检测与跟踪系统 43
2.5 本章小结 48
参考文献 48
第3章 车辆定位技术 50
3.1 概述 50
3.2 常用的车辆定位技术 51
3.3 基于变分贝叶斯的鲁棒车辆定位算法 51
3.3.1 引言 51
3.3.2 基于混合高斯的鲁棒车辆定位模型 52
3.3.3 模型参数估计 54
3.4 面向数据传输中延时和丢包的鲁棒网联车辆定位方法 58
3.4.1 引言 58
3.4.2 基于层次贝叶斯的网联车辆定位模型 60
3.4.3 模型参数估计 62
3.5 本章小结 66
参考文献 66
第4章 目标跟踪技术 70
4.1 概述 70
4.2 面向车辆未知运动下的目标跟踪方法 71
4.2.1 引言 71
4.2.2 基于一致性点漂移的多目标跟踪算法 72
4.2.3 仿真和实验验证 77
4.3 分布式跟踪方法 79
4.3.1 引言 79
4.3.2 基于联合数据关联、配准和融合的分布式跟踪算法 80
4.4 本章小结 86
参考文献 86
第5章 智能网联汽车协同检测技术 89
5.1 概述 89
5.2 基于多激光雷达点云联合配准的三维目标协同检测方法 89
5.2.1 引言 89
5.2.2 基于Student’st混合模型的多点集集成配准方法 90
5.2.3 基于多点云联合配准的三维目标协同检测 95
5.3 基于多图像融合的目标车辆检测方法 101
5.3.1 引言 101
5.3.2 多图像配准和融合的基本思路 102
5.3.3 基于Student’st混合模型的多源图像集成配准和融合的联合优化 102
5.3.4 基于有界广义高斯混合模型的配准和融合的联合优化 108
5.3.5 基于多图像配准融合的车辆目标协同检测 113
5.4 本章小结 115
参考文献 115