自动驾驶BEV感知算法指南
全新正版 极速发货
￥ 63.34 6.4折 ￥ 99 全新
库存7件
广东广州
认证卖家担保交易快速发货售后保障
作者易显维 虞凡 著
出版社机械工业出版社
ISBN9787111768821
出版时间2025-01
装帧平装
开本16开
定价99元
货号1203483260
上书时间2025-01-01
商品详情
- 品相描述：全新
- 商品描述
-
目录
前 言第1章 快速了解BEV感知<br />算法1 1.1 BEV感知算法解决的问题1<br /> 1.2 BEV感知算法的常见范式7<br /> 1.3 BEV感知算法的分类9<br />1.3.1 基于单应性的方法9<br />1.3.2 基于深度估计的方法10<br />1.3.3 基于多层感知器的<br />方法12<br />1.3.4 基于Transformer的<br />方法13<br /> 1.4 BEV感知算法的不足14<br /> 1.5 本章小结16第2章 BEV感知算法的<br />数据集17 2.1 KITTI数据集18<br /> 2.2 nuScenes数据集25<br /> 2.3 nuScenes数据集常用的评测<br />指标及计算方法39<br />2.3.1 检测任务评测指标计算<br />公式40<br />2.3.2 跟踪任务评测指标计算<br />公式42<br />2.3.3 其他辅助指标计算公式42<br /> 2.4 Waymo数据集46<br /> 2.5 不同数据集之间的对比47<br /> 2.6 本章小结48第3章 BEV感知算法的特征<br />提取49 3.1 图像模态49<br />3.1.1 相机的内外参数49<br />3.1.2 图像特征提取和ResNet<br />原理54<br /> 3.2 激光雷达模态中点云目标<br />检测的代表算法55<br />3.2.1 PointPillar算法55<br />3.2.2 PV-RCNN算法58<br /> 3.3 本章小结61第4章 BEV感知算法的基本<br />模块62 4.1 视角转换模块62<br />4.1.1 自动驾驶中的坐标系63<br />4.1.2 坐标系转换与视角转换<br />模块65<br />4.1.3 LSS原理69<br />4.1.4 LSS代码实现与模型<br />运行71<br /> 4.2 BEV感知算法中的注意力<br />机制82<br />4.2.1 通道注意力机制82<br />4.2.2 空间注意力机制83<br />4.2.3 混合注意力机制83<br />4.2.4 BEV感知算法中的时序<br />融合83<br /> 4.3 本章小结86第5章 显式视角转换的BEV<br />感知算法87 5.1 基于LSS方法的显式视角转换的<br />BEV感知算法89<br />5.1.1 BEVDet89<br />5.1.2 BEVDet4D91<br /> 5.2 BEVDet中的视角转换过程91<br /> 5.3 BEVDet4D中的时序对齐93<br /> 5.4 本章小结94第6章 隐式视角转换的BEV<br />感知算法95 6.1 传统目标检测方法与DETR<br />类方法95<br />6.1.1 传统目标检测方法的<br />局限性96<br />6.1.2 DETR类方法的优点97<br /> 6.2 主要的隐式视角转换的BEV<br />感知算法98<br />6.2.1 BEVFormer98<br />6.2.2 DETR3D102<br />6.2.3 PETR103<br /> 6.3 DETR3D计算过程106<br />6.3.1 图像特征提取106<br />6.3.2 特征查询模块107<br />6.3.3 二分图匹配108<br />6.3.4 DETR和DETR3D的<br />异同108<br /> 6.4 隐式转换DETR、DETR3D和<br />PETR的主要差别109<br /> 6.5 本章小结110第7章 BEVFusion实践111 7.1 原理详解111<br />7.1.1 网络架构112<br />7.1.2 图像支路113<br />7.1.3 点云支路114<br />7.1.4 融合模块115<br /> 7.2 代码详解116<br />7.2.1 nuScenes数据集<br />处理116<br />7.2.2 模型训练过程131<br /> 7.3 环境搭建149<br />7.3.1 搭建PyTorch环境149<br />7.3.2 安装BEVFusion150<br />7.3.3 编译BEVFusion<br />环境151<br />7.3.4 训练和测试<br />BEVFusion152<br /> 7.4 本章小结153第8章 BEVFormer实践154 8.1 代码详解154<br />8.1.1 数据处理155<br />8.1.2 模型训练过程156<br /> 8.2 环境搭建190<br />8.2.1 创建虚拟环境190<br />8.2.2 安装BEVFormer191<br /> 8.3 模型部署192<br /> 8.4 本章小结192第9章 大模型在自动驾驶领域<br />的应用193 9.1 端到端的自动驾驶系统<br />UniAD194<br />9.1.1 UniAD的提出背景194<br />9.1.2 UniAD架构196<br /> 9.2 赋能自动驾驶数据生产和<br />模型训练197<br />9.2.1 辅助标注数据198<br />9.2.2 模型蒸馏给小模型<br />赋能200<br />9.2.3 将多个小模型合并成<br />大模型201<br />9.2.4 自动驾驶的重建和数据<br />生成201<br /> 9.3 视觉大模型的难点202<br />9.3.1 视觉大模型发展相对落后<br />的原因202<br />9.3.2 视觉大模型的技术挑战与<br />实践难点203<br /> 9.4 本章小结204<br />
内容摘要
本书由智能汽车领域实践型专家联合撰写，带你一次性学透BEV，实现快速落地与创新。在内容设计上，本书以BEV主流技术与工程实践为主线，系统分析介绍BEV算法的基本原理、关键技术和源码级实现方法，助你掌握自动驾驶感知系统的整体架构和设计理念。
本书共9章。第1章介绍BEV感知算法的核心概念和框架，强调其独特优势及挑战。第2章概述关键数据集，如KITTI、nuScenes和Waymo，并解释了评估算法性能的指标。第3章深入介绍特征提取技术，涵盖图像和激光雷达数据的提取方法。第4章探讨视角转换、注意力机制及Transformer在BEV感知算法中的应用。第5章和第6章分别讲解显式和隐式视角转换下的BEV感知算法，如BEVDet系列和BEVFormer等。第7章和第8章通过实例介绍BEV感知算法的实现过程。第9章讨论大模型在自动驾驶领域的应用及面临的挑战。
主编推荐
1）智能汽车领域实践型专家联合撰写，一次性学透BEV，实现快速落地与创新
2）以BEV主流技术与工程实践为主线，系统分析介绍BEV算法的基本原理、关键技术和源码级实现方法，掌握自动驾驶感知系统的整体架构和设计理念
3）初学者友好、理论与实践结合，获得多位业界专家极力推荐
— 没有更多了 —
以下为对购买帮助不大的评价