从机器学习到无人驾驶

图书标准信息

• 作者 宋哲贤
• 出版社 清华大学出版社
• 出版时间 2020-05
• 版次 1
• ISBN 9787302552154
• 定价 99.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸

【内容简介】

本书以机器学习为出发点，使用简易的代码讲解机器学习的核心算法（深度神经网络和强化学习），在算法学习的基础上使用增量方法开发包含定位、预测、路径规划和业务控制等一系列自动驾驶模块。本书代码实例涉及自动驾驶的普遍业务方法，可使读者理解自动驾驶背后的设计思想和原理，快速入门自动驾驶的算法和开发流程。 本书示例代码丰富，涵盖实际开发中所有的重要知识点，适合无人驾驶从业者、想要学习机器学习和无人驾驶的开发人员阅读，也可用作培训机构和高校相关专业的教学参考书。

【作者简介】

宋哲贤，多年互联网和机器学习开发经历，在著名车企从事车辆智能化算法架构研发，对于人工智能应用有较强的实践经验，目前专注于迁移学习的工程化实践。

慕课网高级讲师，热爱分享，开发多门人工智能的入门和进阶课程，擅长实例的类比讲解。

获得车辆智能化国家专利1项。

【目录】

目  录

第一篇  机器学习基础

第1章  机器学习与无人驾驶 1

1.1  机器学习简介 1

1.1.1  机器学习 1

1.1.2  深度学习 5

1.1.3  强化学习 6

1.2  无人驾驶与机器学习 7

1.2.1  无人驾驶的历史 7

1.2.2  为什么要在无人驾驶中应用机器学习 9

1.2.3  无人驾驶商业化的优势 10

1.2.4  无人驾驶商业化的进展 11

参考文献 13

第2章  TensorFlow基础 15

2.1  机器学习主流框架简介 15

2.2  TensorFlow开发环境搭建 19

2.2.1  基于Python语言框架的Virtualenv方案 19

2.2.2  基于应用容器化的Docker方案 23

2.3  Hello TensorFlow—一个简单的例子 23

2.4  TensorFlow架构 26

2.4.1  TensorFlow架构概述 26

2.4.2  TensorFlow客户端架构 27

2.4.3  TensorFlow分布式主服务架构 28

2.4.4  TensorFlow工作器服务架构 29

2.4.5  TensorFlow内核架构 30

2.5  TensorFlow核心API 30

2.5.1  TensorFlow低级API 31

2.5.2  TensorFlow高级API 35

2.6  扩展：使用tensorflow.js进行机器学习 38

参考文献 40

第3章  线性回归 41

3.1  什么是线性回归 41

3.1.1  线性回归的概念 41

3.1.2  线性回归的历史 42

3.1.3  线性回归模型 42

3.2  线性回归中的最小二乘法模型 43

3.3  最小二乘法模型实例 45

3.4  线性回归的梯度下降模型 47

3.5  梯度下降模型实例 48

参考文献 51

第4章  逻辑回归 52

4.1  逻辑回归简介 52

4.2  逻辑回归模型 54

4.3  泛逻辑回归 55

4.4  实例：股价预测 56

参考文献 64

第二篇  机器学习进阶

第5章  神经网络 65

5.1  神经元模型 65

5.1.1  神经网络的灵感来源 65

5.1.2  感知器模型概述 66

5.2  单神经元模型实例 67

5.2.1  验证码概述 68

5.2.2  开发实例代码详解 69

5.3  激活函数 76

5.3.1  常用激活函数 76

5.3.2  Sigmoid函数 77

5.3.3  tanh函数 79

5.3.4  ReLU函数以及变式 79

5.4  全连接神经网络模型 80

5.4.1  多层感知器神经网络结构 80

5.4.2  BP算法 82

5.5  全连接神经网络实例 82

参考文献 84

第6章  卷积神经网络 85

6.1  卷积神经网络概述 85

6.1.1  卷积神经网络架构 85

6.1.2  卷积操作 86

6.1.3  池化操作 87

6.1.4  卷积神经网络的特点 88

6.2  实例1：验证码识别 89

6.2.1  神经网络的具体设计 89

6.2.2  卷积过程分析 91

6.2.3  池化过程分析 92

6.2.4  完整学习过程分析 93

6.3  实例2：过拟合和欠拟合 95

6.3.1  下载 IMDB 数据集 96

6.3.2  构建模型 99

6.3.3  训练模型 101

6.3.4  过拟合过程实践 106

6.3.5  过拟合应对策略 115

参考文献 120

第7章  循环神经网络 121

7.1  循环神经网络概述 121

7.1.1  时序数据 121

7.1.2  循环神经网络模型 122

7.2  长短时记忆神经网络架构 123

7.3  实例：仿写西游记 126

7.3.1  文本的读取和分段 126

7.3.2  循环神经网络模型定义 130

7.3.3  模型训练和结果分析 132

参考文献 134

第8章  强化学习 136

8.1  强化学习概述 136

8.1.1  强化学习简史 136

8.1.2  强化学习的特点 137

8.1.3  强化学习模型 138

8.1.4  强化学习分类 139

8.2  Q-Learning架构 140

8.2.1  Q-Learning数学模型 140

8.2.2  Q-Learning算法伪代码 141

8.3  实例：贪吃蛇人工智能 142

8.3.1  Pygame框架 142

8.3.2  游戏功能实现 143

8.3.3  强化学习功能实现 151

参考文献 160

第三篇  无人驾驶

第9章  无人驾驶系统 161

9.1  无人驾驶系统概述 161

9.1.1  环境感知概述 162

9.1.2  车辆定位概述 163

9.1.3  路径规划概述 164

9.1.4  车辆控制概述 164

9.2  Apollo简介 165

9.2.1  Apollo架构概述 165

9.2.2  Apollo子系统交互关系 167

9.3  Apollo开发环境搭建 169

9.3.1  软件系统代码本地安装 170

9.3.2  开发环境搭建中的注意事项 171

参考文献 173

第10章  Cyber基础 174

10.1  Cyber简介（包括和ROS的对比） 174

10.1.1  什么是Apollo Cyber RT 174

10.1.2  ROS系统 175

10.1.3  Cyber RT的架构及核心软件模块分析 176

10.2  Cyber API和API Demo 177

10.2.1  Talker-Listener（简单对话系统） 178

10.2.2  Cyber服务 181

10.2.3  日志类库 188

10.2.4  Cyber模组 189

10.2.5  Timer计时器 194

10.2.6  时间（Time）类 195

10.2.7  Apollo记录文件的读写操作 196

10.3  Apollo 模块启动源码分析 199

10.3.1  Apollo模块启动流程 199

10.3.2  Apollo模块注册及动态创建 217

参考文献 222

第11章  无人驾驶地图技术 223

11.1  高精地图 223

11.1.1  高精地图在自动驾驶子系统中的应用 223

11.1.2  高精地图的解决方案 224

11.1.3  OpenDrive地图格式简介 227

11.1.4  百度Apollo相关源代码分析 234

11.2  PncMap 264

11.3  Relative Map模块 281

参考文献 303

第12章  无人驾驶定位技术 304

12.1  RTK定位技术 304

12.2  多传感器融合定位技术 307

12.2.1  激光雷达简介 307

12.2.2  扩展卡尔曼滤波原理 308

12.2.3  百度Apollo相关源码分析 309

参考文献 322

第13章  无人驾驶预测技术 323

13.1  预测模块简介 323

13.2  成本评估器：由一组成本函数计算概率 327

13.3  MLP评估器：用MLP模型计算概率 329

13.4  RNN评估器：用RNN模型计算概率 343

参考文献 350

第14章  无人驾驶规划策略 351

14.1  规划模块简介 351

14.1.1  规划业务流程分析 351

14.1.2  Frenet坐标系 352

14.1.3  路径-速度解耦 352

14.1.4  三维轨迹生成Lattice 353

14.1.5  车辆状态 353

14.2  路径规划 353

14.3  障碍物规划 363

14.4  速度规划 373

参考文献 392

第15章  无人驾驶控制策略 394

15.1  车辆模型 394

15.1.1  运动学模型 394

15.1.2  动力学模型 396

15.2  PID控制算法 397

15.2.1  比例控制算法 397

15.2.2  积分控制算法 397

15.2.3  微分控制算法 398

15.2.4  百度Apollo相关源码分析 398

15.3  MPC控制算法 408

15.3.1  MPC的控制原理 409

15.3.2  百度Apollo相关源码分析 409

参考文献 414

附录A  强化学习：贪吃蛇AI完整游戏逻辑代码 416

附录B  CyberRT系统核心API字典 423