自动驾驶算法与芯片设计
全新正版 假一赔十 可开发票
￥ 70.81 6.6折 ￥ 108 全新
库存19件
北京东城
认证卖家担保交易快速发货售后保障
作者任建峰,蒋立源,余成文
出版社电子工业出版社
ISBN9787121436437
出版时间2022-06
装帧平装
开本16开
定价108元
货号1202661685
上书时间2024-12-13
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
任建峰，博士，目前就职于谷歌公司，从事计算影像学、自动驾驶方面芯片算法研发工作，在高通、华为工作多年，发表论文40多篇，拥有30多项美国。
目录
第1章自动驾驶芯片的挑战1
1.1自动驾驶科技界现状1
1.2自动驾驶设计的挑战2
1.2.1功能约束3
1.2.2可预测性约束3
1.2.3存储4
1.2.4热量约束4
1.2.5功率约束5
1.3自动驾驶系统算法设计5
1.3.1感知6
1.3.2决策7
1.3.3控制8
1.3.4安全验证与测试9
1.4自动驾驶系统计算平台10
1.4.1GPU11
1.4.2DSP11
1.4.3FPGA11
1.4.4ASIC12
参考文献12
第2章3D物体检测14
2.1传感器15
2.1.1摄像机15
2.1.2激光雷达15
2.2数据集16
2.33D物体检测方法17
2.3.1基于单目图像的检测方法18
2.3.2基于点云的检测方法19
2.3.3基于融合的检测方法22
2.4实战项目：3D物体检测24
2.4.1算法概述25
2.4.2点云预处理26
2.4.3网络结构28
2.4.4欧拉区域提议28
2.4.5锚盒设计29
2.4.6复角度回归30
2.4.7损失函数的构建30
2.4.8实验结果31
2.4.9训练细节31
2.4.10鸟瞰检测32
2.4.113D对象检测32
2.5未来研究展望33
参考文献33
第3章车道检测37
3.1传统图像处理38
3.2实例：基于霍夫变换的车道检测39
3.2.1霍夫变换40
3.2.2OpenCV车道检测41
3.3实例：RANSAC算法及直线拟合42
3.3.1算法思路43
3.3.2用Python实现直线拟合43
3.4基于深度学习45
3.5多传感器集成方案47
3.6车道检测系统评估标准49
3.6.1车道检测系统性能的影响因素49
3.6.2离线评估50
3.6.3在线评估51
3.6.4评估指标52
3.7实战项目：车道检测53
3.7.1概述53
3.7.2车道点实例网络53
3.7.3调整大小层54
3.7.4相同瓶颈层55
3.7.5下采样瓶颈层和上采样瓶颈层56
3.7.6损失函数58
3.7.7后处理方法61
3.7.8实验结果62
3.7.9测试部分62
参考文献63
第4章运动规划和控制68
4.1概述68
4.2传统自动驾驶的规划和决策层69
4.2.1路径规划70
4.2.2实例：路径规划Dijkstra算法71
4.2.3实例：路径规划A*算法75
4.2.4行为决策77
4.2.5运动规划77
4.2.6实例：运动规划78
4.2.7车辆控制84
4.2.8实例：模型预测控制84
4.2.9实例：PID控制89
4.3集成感知和规划90
实战项目：NVIDIA的端到端自动驾驶92
4.4交互行为感知和规划94
4.4.1合作与互动95
4.4.2博弈论方法95
4.4.3概率方法96
4.4.4部分可观察的马尔可夫决策过程96
4.4.5基于学习的方法97
参考文献98
第5章定位与建图102
5.1SLAM问题103
5.1.1基于滤波器的SLAM方法104
5.1.2基于优化的SLAM方法108
5.2自主驾驶的局限性109
5.2.1问题的提出109
5.2.2避免或减少漂移的影响109
5.2.3自动驾驶SLAM的评估标准110
5.3自动驾驶中的SLAM111
5.3.1重新定位和回环检测111
5.3.2先前构建的地图中的定位113
5.3.3建立和使用未来地图115
5.3.4利用当前地图资源116
5.4自动驾驶中的地图表示117
5.4.1公制地图模型117
5.4.2语义地图模型120
参考文献122
第6章自动驾驶仿真器128
6.1近期新的仿真器129
6.1.1AirSim129
6.1.2Apollo129
6.1.3CARLA130
6.1.4UdacityAVSimulator131
6.1.5DeepTraf?c132
6.2仿真器实战：CARLA132
6.2.1仿真引擎132
6.2.2使用CARLA评估自动驾驶方法133
参考文献135
第7章自动驾驶芯片136
7.1MobileyeEyeQ137
7.2NVIDIA138
7.2.1NVIDIADRIVEAGX开发者套件138
7.2.2NVIDIADRIVE软件138
7.3TIJacintoTDAx141
7.4实战项目：360°环景系统与自动停车系统142
7.4.1自动停车与停车辅助系统143
7.4.2使用JacintoTDA4VM处理器系列应对环视和自动停车的挑战144
7.4.3JacintoTDA4VMSoC145
7.5Qualcomm147
7.6NXP148
7.7XilinxZynq-7000148
7.8Synopsys149
第8章深度学习模型优化151
8.1模型压缩和加速152
8.1.1参数修剪和共享153
8.1.2低秩分解155
8.1.3转移/紧凑卷积滤波器156
8.1.4知识蒸馏159
8.2AI模型效率工具包159
8.2.1大规模节能AI160
8.2.2通过合作推进AI模型效率的研究161
8.3未来研究展望161
参考文献162
第9章深度学习芯片设计166
9.1概述167
9.2在CPU和GPU平台上加速内核计算167
9.3中科院计算所的深度学习芯片系列168
9.3.1卷积神经网络简介168
9.3.2DaDianNao170
9.3.3ShiDianNao171
9.3.4寒武纪Cambricon-X172
9.4麻省理工学院的Eyeriss系列172
9.4.1卷积神经网络基本知识172
9.4.2Eyeriss173
9.4.3Eyerissv2174
9.5谷歌的TPU芯片177
9.5.1TPUv1177
9.5.2TPU指令集178
9.5.3TPU的心脏：脉动阵列179
9.5.4TPUv2/v3180
9.5.5软件架构180
9.6近内存计算181
9.6.1DRAM181
9.6.2SRAM182
9.6.3非易失性电阻存储器182
9.6.4传感器183
9.7DNN硬件的指标183
参考文献184
第10章自动驾驶SoC设计186
10.1自动驾驶SoC设计流程186
10.2TI的JacintoSoC平台187
10.3Jacinto7处理器的功能安全特性190
10.3.1功能安全190
10.3.2软件功能安全191
10.3.3安全应用部署192
10.4具有DNN和ISP的符合安全标准的多核SoC设计194
10.4.1ADAS图像识别SoC194
10.4.2DNN加速器195
10.4.3具有安全BIST控制器的ISP196
10.5实例：NVIDIA深度学习加速器197
10.5.1NVDLA介绍198
10.5.2FireSim199
10.5.3NVDLA集成199
10.5.4性能分析200
参考文献200
第11章自动驾驶操作系统202
11.1概述202
11.2开源自动驾驶操作系统204
11.2.1LinuxRTOS204
11.2.2ROS中间件205
11.3使用开源软件开发自动驾驶技术的公司206
11.3.1百度206
11.3.2宝马207
11.3.3Voyage208
11.3.4TierIV208
11.3.5PolySync209
11.3.6PerroneRobotics210
11.4汽车硬实时操作系统和框架211
11.4.1BlackBerryQNX211
11.4.2EBrobinos和EBcorbos212
11.4.3IntegrityRTOS213
11.4.4NVIDIADriveWorksSDK213
11.5总结214
第12章自动驾驶软件架构215
12.1概述215
12.2基于ISO26262的软件开发216
12.2.1ISO26262简介216
12.2.2Synopsys软件产品组合216
12.2.3ASIL218
12.2.4软件架构设计218
12.2.5软件单元设计与实现219
12.2.6软件单元测试219
12.3基于SAEJ3016的组件架构设计220
12.3.1功能组件221
12.3.2AUTOSAR224
12.4自动驾驶汽车的架构设计与实现225
12.4.1硬件框架226
12.4.2软件系统架构227
12.4.3数据传输模块229
12.4.4自动驾驶测试报告229
参考文献229
第13章5GC-V2X简介230
13.1移动车联网230
13.2C-V2X如何改变驾驶231
13.2.1避免碰撞231
13.2.2车队行驶232
13.2.3协作驾驶232
13.2.4队列警告232
13.2.5保护弱势道路使用者232
13.2.6支持应急服务233
13.2.7危险提前警告233
13.2.8越来越多的自动驾驶233
13.3C-V2X的优势233
13.4C-V2X的工作原理235
13.4.1直接通信235
13.4.2网络通信235
13.4.35G如何改变C-V2X236
13.5C-V2X部署计划236
13.5.1中国引领潮流236
13.5.2澳大利亚――改善道路安全237
13.5.3美国――增长势头237
13.5.4欧洲――广泛支持238
13.6总结238
内容摘要
目前自动驾驶的一个发展趋势就是智能化。随着人工智能的飞速发展以及各种新型传感器的涌现，汽车智能化形成趋势，辅助驾驶功能的渗透率越来越高。这些功能的实现需要借助于摄像头、雷达、激光雷达等新增的传感器数据，其中视频处理需要大量并行计算。然而，传统CPU算力不足，而DSP擅长图像处理，对于深度学习却缺乏足够的性能。尽管GPU擅长训练，但它过于耗电，影响汽车的性能。因此，本书着眼于未来，认为定制化的ASIC必将成为主流。本书以自动驾驶的芯片设计为最终目标，来论述设计一个面向未来的自动驾驶SoC芯片的学术支撑和工程实践。本书共13章。其中第1章主要介绍自动驾驶目前遇到的挑战和研究方向。第2～6章重点讲述环境感知以及规划控制方面的算法设计；第7～10章重点讲述深度学习模型的优化和深度学习芯片的设计；第11章和第12章重点讲述具有安全功能的自动驾驶软件架构设计；第13章介绍5G车联网。
主编推荐
"系统：详细介绍自动驾驶算法、软件和芯片设计各个环节。
专业：凝聚作者10余年高通、华为、谷歌的理论和实战经验
商机：本书每个章节都能挖掘出潜在的自动驾驶产品和服务"
媒体评论
"我和本书作者任建峰博士是多年的同事和朋友。作者拥有扎实的理论基础，并在高通、华为和谷歌工作多年，积累了大量工程实践经验。本书涉及自动驾驶多个领域，涵盖基本理论和芯片设计知识，同时对自动驾驶的理论和实践提出了一些思路和方向，是目前自动驾驶领域难能可贵的一本教材，适合有兴趣的本科生、研究生及从业工程技术人员阅读。
毕宁，高通技术副总裁
自从我创业自动驾驶公司nullmax以来，自动驾驶算法方面的人才一直都很稀缺，我们一直在寻找很好的人才加入nullmax公司。但是，国内目前还没有一本能够系统介绍自动驾驶算法和芯片设计相关的图书，任建峰博士撰写的《自动驾驶算法和芯片设计》正好弥补这方面空白，这本书可以作为想进入自动驾驶领域的年轻人的一本参考书，相信读者可以通过阅读本书之后，对自动驾驶有个全面的认识。
徐雷，纽励科技CEO
我在大学讲授自动驾驶课程，发现缺少一本正规系统的教材，在和任博士的交流过程中，发现任博士撰写的《自动驾驶算法和芯片设计》，详细介绍了自动驾驶的视觉感知、运动规划等算法，另外，任博士具有多年芯片公司工作经验，本书也详细介绍了如何在芯片上实现自动驾驶的算法以及优化，作者也给出了自动驾驶芯片设计的思路和方向。总而言之，这是一本理论结合实际的自动驾驶教材，对于想从事自动驾驶的大学生和工程师，值得一读。
刘天明，佐治亚大学教授"
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价