第一本无人驾驶技术书(第2版)
全新正版 极速发货
￥ 41.99 4.7折 ￥ 89 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者刘少山 等
出版社电子工业出版社
ISBN9787121364938
出版时间2019-09
装帧平装
开本16开
定价89元
货号1201939656
上书时间2024-07-08
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
刘少山，PerceptIn创始人，CEO。美国加州大学欧文分校（UC-Irvine）计算机博士，研究方向包括智能感知计算、系统软件、体系结构与异构计算。在创立PerceptIn之前在百度美国研发中心、LinkedIn、Microsoft、MicrosoftResearch、INRIA、Intel及Broadcom工作过。在百度美国研发中心时主要专注于百度无人车系统架构与产品化、深度学习，以及异构计算平台的架构与开发。目前主要专注于机器人的核心SLAM与深度学习技术及其在智能硬件上的实现。
唐洁，华南理工大学计算机科学与工程学院副教授。北京理工大学计算机应用博士，美国加州大学欧文分校加州嵌入式系统研究中心博士。曾在IntelChinaRuntimeTechnologyLab、美国加州大学河滨分校（UC-Riverside）及美国Clarkson大学从事研究员与博士后研究工作。现主要从事面向无人驾驶和机器人的大数据计算与存储平台、面向人工智能的计算体系架构、面向机器视觉的嵌入式系统研究。
吴双，依图科技研究科学家，依图硅谷研究院负责人。前百度研究院硅谷人工智能实验室资深研究科学家，前百度美国研发中心高级架构师。美国南加州大学物理博士，加州大学洛杉矶分校（UCLA）博士后，研究方向包括计算机和生物视觉、互联网广告算法和语音识别，曾在NIPS等国际会议中发表文章。
李力耘，现任职于京东硅谷研发中心自动驾驶团队，担任主任架构师。在加盟京东硅谷研发中心前就职于百度美国硅谷无人驾驶团队。作为百度无人驾驶项目的最早期成员之一，主导并参与搭建了无人驾驶系统的若干核心模块，包括车辆预测、行为决策、动作规划等。李博士拥有三十余项国内外自动驾驶专利。本科毕业于清华大学电子工程系，随后在纽约大学获得计算机博士学位，专攻机器学习及大数据方向。在加入百度前，在LinkedIn公司任高级软件工程师，参与并负责LinkedIn的首页内容推荐系统的算法设计和工程架构。
焦加麟，Pony.ai资深软件工程师，美国密歇根大学电子工程硕士，在无人驾驶、高精地图、人工智能、机器学习、搜索、大数据等领域有多年从业经验。曾任职于Uber美国总部、微软搜索引擎Bing、IBMT.JWatsonResearch等部门。
鲍君威，美国加州大学伯克利分校博士。在光学精密测量仪器及传感器领域有近二十年工作和研发经验，2016年11月与李义民共同创立Innovusion公司，任CEO，开发应用于自动驾驶及其他行业的激光雷达产品和传感器融合技术。在博士期间和师兄们共同开发了Scatterometry技术并创立TimbreTechnologies,Inc.，后被TokyoElectron（东电电子）并购，并在随后的十几年里带领TokyoElectron在硅谷的光学测量部门将Scatterometry从原理模型变成在先进半导体生产制程中得到广泛应用的精密测量设备。2015年年底加入百度自动驾驶事业部，负责车载计算系统及传感器团队。
王超，美国南加州大学计算机硕士。毕业后加入百度美国硅谷研发中心，从事大数据平台的基础架构工作。2015年年底加入百度自动驾驶事业部仿真组，2017年加入滴滴美国研发中心自动驾驶团队。作为百度和滴滴自动驾驶仿真模拟器和数据平台的创始成员，始终专注于自动驾驶系统仿真平台的研究与开发。先后设计开发了仿真引擎调度系统、场景评估系统、场景生成器、场景倍增系统，以及分布式仿真系统等产品。工程理论经验覆盖仿真平台全部流程。 裴颂文，现任上海理工大学光电信息与计算机工程学院副教授，研究生导师。中国计算机学会（CCF）高级会员，IEEESeniorMember，CCF系统结构专委会常委。在IEEETrans.onSMC、InformationSciences、IEEEESL、CCPE、《中国科学》、《计算机学报》、ISPA、COMPSAC等期刊杂志上发表学术论文50余篇，拥有国家发明专利10余项。研究方向为异构计算、深度学习、无人驾驶汽车安全系统、云计算等。
陈辰，美国斯坦福大学电子工程博士。高精地图初创公司DeepMap创始工程师之一。目前在DeepMap负责多传感器数据融合、大规模分布式优化及三维数据机器学习算法开发工作。
邹亮，美国佐治亚大学地理信息科学硕士。2006年加盟谷歌地图，9年时间里，他所领导的小组设计并实现了高效的卫星和航空图像软件处理系统，每周处理的数据量达到500TB，准确高效地为GoogleEarth和GoogleMaps用户输送数据更新。2016年，作为创始工程师加入了DeepMap，负责高精地图的采集、制作、更新和维护整个流程及大中华地区的工程技术。
目录
1 无人车：正在开始的未来
1.1 正在走来的无人驾驶
1.2 无人驾驶的分级
1.3 无人驾驶系统简介
1.4 序幕刚启
1.5 参考资料
2 激光雷达在无人驾驶中的应用
2.1 无人驾驶技术简介
2.2 激光雷达基础知识
2.3 应用领域
2.4 激光雷达技术面临的挑战
2.5 展望未来
2.6 参考资料
3 图像级高清激光雷达
3.1 无人驾驶应用的各类激光雷达的点云特性
3.2 高清激光雷达在构建可靠感知系统时的优势
3.3 高清激光雷达对定位和运动探测模块的价值
3.4 高清激光雷达使得点云和图像数据的融合更高效
3.5 激光雷达未来的发展趋势
3.6 参考资料
4 GPS及IMU在无人驾驶中的应用
4.1 无人驾驶定位技术
4.2 GPS简介
4.3 IMU简介
4.4 GPS和IMU的融合
4.5 小结
4.6 参考资料
5 基于计算机视觉的无人驾驶感知系统
5.1 无人驾驶的感知
5.2 KITTI数据集
5.3 计算机视觉能帮助无人车解决的问题
5.4 光流和立体视觉
5.5 物体的识别与追踪
5.6 视觉里程计算法
5.7 小结
5.8 参考资料
6 卷积神经网络在无人驾驶中的应用
6.1 CNN简介
6.2 无人驾驶双目3D感知
6.3 无人驾驶物体检测
6.4 小结
6.5 参考资料
7 强化学习在无人驾驶中的应用
7.1 强化学习简介
7.2 强化学习算法
7.3 使用强化学习帮助决策
7.4 无人驾驶的决策介绍
7.5 参考资料
8 无人驾驶的行为预测
8.1 无人驾驶软件系统模块总体架构
8.2 预测模块需要解决的问题
8.3 小结
8.4 参考资料
9 无人驾驶的决策、规划和控制（1）
9.1 决策、规划和控制模块概述
9.2 路由寻径
9.3 行为决策
9.4 动作规划
9.5 反馈控制
9.6 小结
9.7 参考资料
10 无人驾驶的决策、规划和控制（2）
10.1 其他动作规划算法
10.2 栅格规划器
10.3 自由空间TEB规划器
10.4 小结
10.5 参考资料
11 基于ROS的无人驾驶系统
11.1 无人驾驶：多种技术的集成
11.2 ROS简介
11.3 系统可靠性
11.4 系统通信性能提升
11.5 系统资源管理与安全性
11.6 小结
11.7 参考资料
12 无人驾驶的硬件平台
12.1 无人驾驶：复杂系统
12.2 传感器平台
12.3 计算平台
12.4 控制平台
12.5 小结
12.6 参考资料
13 无人驾驶系统安全
13.1 针对无人驾驶的安全威胁
13.2 无人驾驶传感器的安全
13.3 无人驾驶操作系统的安全
13.4 无人驾驶控制系统的安全
13.5 车联网通信系统的安全
13.6 安全模型校验方法
13.7 小结
13.8 参考资料
14 对抗样本攻击与防御在无人驾驶中的应用
14.1 对抗样本攻击算法
14.2 对抗样本防御算法
14.3 实验平台安装及环境配置
14.4 AdvBox攻击与防御实验
14.5 防御建议
14.6 小结
14.7 参考资料
15 无人驾驶数据服务通信协议
15.1 数据服务通信协议发展历史
15.2 DSRC
15.3 C-V2X
15.4 3GPP中V2X无线接入标准研究
15.5 参考资料
16 无人驾驶模拟器技术
16.1 为什么需要模拟器
16.2 模拟器的用途
16.3 模拟器系统的需求
16.4 模拟器系统的模块组成
16.5 模拟器的使用场景及常见模拟器
16.6 模拟器的研发阶段
16.7 模拟器仿真的一致性问题
16.8 小结
16.9 参考资料
17 基于Spark与ROS的分布式无人驾驶模拟平台
17.1 无人驾驶模拟技术
17.2 基于ROS的无人驾驶模拟器
17.3 基于Spark的分布式模拟平台
17.4 小结
17.5 参考资料
18 无人驾驶中的高精地图
18.1 传统电子导航地图
18.2 服务于无人驾驶场景的高精地图
18.3 高精地图的组成和特点
18.4 构建高精地图
18.5 高精地图在无人驾驶中的应用
18.6 高精地图的现状与结论
18.7 参考资料
19 高精地图的自动化生产
19.1 高精地图生产的挑战
19.2 无人车用高精地图
19.3 高精地图生产的基本流程
19.4 机器学习在高精地图生产中的应用
19.5 基于三维点云的深度学习
19.6 小结
19.7 参考资料
20 面向无人驾驶的边缘高精地图服务
20.1 边缘计算与高精地图
20.2 边缘场景下的高精地图服务
20.3 边缘高精地图生产
20.4 边缘高精地图内容分发
20.5 参考框架
20.6 相关工作
20.7 小结
20.8 参考资料
内容摘要
介绍无人驾驶这个庞当的AI综合体必备的技术点。在第一版的基础上，更新最近一两年的技术发展变化，并补充新的知识点，如高清激光雷达、对抗样本攻击等内容，辅以开源代码实践。
精彩内容
无人驾驶：可预见的未来期待在不远的未来，所有行驶的汽车都是无人车，我们将迎来一个更安全、更清洁的世界。得益于无人驾驶技术，未来我们的交通模式将变得更安全、更高效，极大地降低对石油燃料的消耗，减轻对环境的污染。但是我们必须承认，无人驾驶技术的普及是个渐变的过程，不可一蹴而就，这个美好的未来还需要几代技术人的共同努力方可实现。笔者认为2020年和2040年是无人驾驶发展的两个重要时间节点，据此可以将无人驾驶划分为以下三个阶段。
无人驾驶的黎明：2020年前随着过去几年无人驾驶“风口”兴起，越来越多的资本与研发力量投入无人驾驶领域。但是，无人车是一个相当复杂的工程系统，需要众多技术的融合与精确配合，且不可能依赖资本的力量在短期内迅速爆发，而需要长期的积累与投入。在2020年前，更紧迫的是让这个萌芽中的行业完成行业链条顶层即人才层的基础储备，让更多的技术人员了解无人驾驶系统，积累行业素养和开发经验。
混合模式时代：2020—2040年2020—2040年是无人驾驶混合模式时代。考虑到一辆机动车的使用寿命是10~15年，我们可以预见传统的人为操控汽车及无人车共存的情况将持续至少20年。早期的无人车被设计为能够理解并能处理传统的面向人为驾驶的交通系统。随着无人驾驶的普及，交通系统将大规模部署V2X设备，逐渐演化出对无人车更友好的模式。此外，无人车之间的通信量将急剧增加，从而更好地完成行驶过程中车辆的动态协调。在这一背景下，持续产生的大量数据将推动AI算法持续修正与进步。
无人驾驶时代：始于2040年到2040年，预计所有的汽车将完全转变为无人驾驶模式，此后人为驾驶会成为一件罕有的事情，甚至可能由于缺乏足够的安全性被判定为非法行为。届时，我们将迎来全新的交通生态系统，在这个系统下，所有的车辆都处于集中控制模式。基于无人驾驶的自动交通运输将像供电、供水一样，成为日常生活中的基础设施。得益于改进的导航系统及传感器对路面和车辆老化状况的检测，传统汽车行驶中每年发生的交通事故数量将由现在的超过百万起降低至几乎为零。当然，正是由于无人驾驶驱动的公共交通对资源的有效共享与分配，整个城市的交通系统只需要较少量的汽车便可以正常运行。一方面，能源的使用效率将被极大程度地提高；另一方面，新的清洁能源将大规模地替代传统化石燃料，空气污染程度将大规模地降低。
无人驾驶的商业前景谈技术不谈落地就是在建造空中楼阁。无人驾驶应用怎么落地？它的商业潜力到底有多大？这些都是笔者从业以来一直在思考的问题。从本质上讲，无人驾驶和互联网的共同之处在于：它们都通过去人力化，降低了传输成本。互联网降低的是无形的信息的传输成本，而无人驾驶则降低有形的物和人的运输成本。对比互联网已经产生的商业影响力，就可以想象无人驾驶的商业潜力。谷歌、优步（Uber）和特斯拉等公司不断地展示技术上的进步，传统车厂已经越来越清晰地意识到，无人驾驶技术即将为汽车商业模式带来颠覆性的改变，这可能是自内燃机发明以来汽车行业最重大的变化。需要强调的是，我们还处于无人驾驶商业化的萌芽探索期，整个商业链条的每个环节都没有准备好，在过去几年，虽然无人驾驶企业的融资额屡创新高，但是在商业落地上却鲜有成功案例。笔者认为这个行业的商业孵化还需要五到十年的探索期才会逐渐清晰。
目前TaaS（TransportationasaService，运输即服务）2.0或者RoboTaxi模式，正在成为无人驾驶业界探讨的热点。这里将TaaS1.0定义为有人驾驶，而无人驾驶RoboTaxi则属于TaaS2.0时代。摩根士丹利公司在一份报告中表示，实现完全无人驾驶将极大地降低出行拼车成本，每辆车的运输成本将从目前的2.4美元每千米降至32美分每千米。无人驾驶提供了端到端的运输解决方案，借助它，货运环节可以不需要任何人工干预，全程自动化运输，中间经历的轮船运输、海关通关、高速公路运输和城市派送等多个环节的调度都可以在云端完成。这一运输模式的变化对于传统车厂的影响是巨大的，一旦汽车从私人拥有变为共享运输工具，传统车厂的目标客户就将由个人消费者转变为TaaS运营商，汽车厂商很难维持原来的强势地位。这样的愿景很美好，但是在目前技术储备不完备及架构成本高居不下的情况下，笔者认为RoboTaxi在短期内很难实现。
因为目前无人车的初装成本很高，普通消费者难以接受，所以笔者认为无人驾驶可能会先进入特殊群体。最有可能采纳无人车的行业包括公共交通、快递、工业，以及为老年人和残疾人士出行服务的行业。
公共交通德克萨斯大学奥斯汀分校的一项关于共享无人车（SAV）的研究表明：“每辆SAV可以取代约11辆常规汽车，运营里程可以增加10%以上。”这意味着，基于车辆共享的约车或出租车服务将缓解拥堵，大幅改善交通和环境。无人车将成为公共交通系统的重要选择。随着Apollo计划的推广，百度会逐渐把无人驾驶技术渗入公共交通市场。目前，百度已经获得国内几个地方监管部门的批准，在事先确定的路线进行试验。一些城市还考虑将某些街区划定为无人驾驶专区，城市规划部门将进行区域优化，使其专门为无人驾驶服务。在30或40个所辖街区将不再出现人驾汽车和无人车同时存在的现象，由无人驾驶出租车和共享出行车辆提供全部的交通服务。
快递用车和工业应用快递用车和“列队”卡车将是另一个可能较快采用无人车的领域。在线购物和电子商务网站快速兴起，2018年，中国电商销售总额达到37万亿美元，很多产品承诺当日送达，这促进了快递用车的发展。卡车占美国机动车行驶里程的5.6%，却占交通死亡事故的9.5%。 使用无人驾驶可以有效地避免人员伤亡，提高车辆使用的经济效益，创造不少增加值。另外，大型卡车自身成本通常超过15万美元，安装摄像头等感应器的成本效益比较高；相比之下，小型轿车的自身成本原本就较低，在无人驾驶初期受限于高成本，难以实现大规模推广。
老年人和残疾人由于身体条件的限制，老年人和残疾人这两类人群都面临出行困难。到2050年，美国老龄人口预计超过8000万，占总人口的20%。 中国也面临同样的情况，到2050年，中国老龄人口预计将占总人口的33%。日本的人口老龄化问题更甚，到2060年，65岁及以上人群将约占日本总人口的40%。这些老龄人口中有三分之一将面临出行问题。而在残疾人的出行市场中，约13%的美国成年人有出行障碍，约4.6%的成年人有视力障碍，成年残疾人总计5300万人，占成年人人口的22%左右。这些老年人和残疾人士的出行需求为无人车提供了庞大市场体量，在这两个消费群体中，无人车已经开始大规模应用，市场发展目标明确。
无人驾驶面临的障碍由于整个无人驾驶行业的商业链条不完备，无人驾驶商业化还处于初级阶段，无人驾驶的发展面临方方面面的挑战。笔者认为：无人驾驶在技术层面面临恶劣天气、行车安全、隐私保护、基础设施不完善、5G通信尚未成熟等问题；在社会层面，无人驾驶需要应对事故追责、行车立法等问题。其中有些挑战是需要通过制度改革和社会行动才能跨越的，需要全社会、全行业长时间地探索和努力。 恶劣天气在恶劣天气里，无人车无法良好运行，大雨、大雪或大气雾霾遮挡道路标识和车道标记，影响激光雷达感应器，分散或阻挡激光束，降低摄像头捕捉图像的能力，因此增加了事故风险。这个问题一直是无人驾驶技术面临的一大挑战，在过去几年内也没有得到很好的解决。
行车安全安全是无人驾驶行业的重要考虑因素。无人车运行依靠V2V的交流，以及V2I的连接。维护这些通道及电子邮件、电话、短信、上网和定位数据等乘客个人电子通信的安全至关重要。联网车辆面临的威胁包括黑客攻击、人为干扰、幽灵车或者其他恶意行为，如使用亮灯导致摄像头无法捕捉图像、干扰雷达或操控感应器等。上述每种行为都能扰乱通信和运算，造成人工智能运算出错。
隐私保护无人驾驶隐私保护更关注数据的保护。一方面，汽车制造商和无人车服务企业的隐私政策允许披露行车信息，用以“解决问题、评估使用和研究”。另一方面，一旦这些信息被非法转卖，匿名第三方极有可能将其用于营销甚至诈骗，损害消费者的利益。因此，为了保护无人驾驶的隐私：一方面，应该提高网络安全标准，保证所有制造商能采取有效保护措施，尤其要加强无线网络下的数据加密保护；另一方面，需要提高设计安全性以减少攻击点，增加第三方测试、加强内部监督系统、设计分离架构以限制任何成功入侵造成的损害，以及不断更新升级安全软件以加强隐私保护的实时性。
基础设施不完善车辆行驶需要可预测的路面和标识清晰的车道，如果道路标识不到位或工程质量不佳，半自动驾驶汽车或全自动驾驶汽车都无法顺利行驶，也很有可能做出错误判断，事故风险随之上升。桥梁也是自动驾驶汽车面临的特殊问题。桥梁提供的环境信息很少，桥面不像路面，上面没有建筑物，导致车辆很难分辨确切位置。基础设施不完善的问题在限制现有交通发展的同时，更扼制了无人驾驶的萌芽和起步。
5G通信尚未成熟
要实现无人驾驶的终极目标，不可避免地要解决网络延迟问题。信息延迟对无人车而言十分危险，在当前的4G技术条件下，一个刹车信号晚发出半秒就可能造成一次严重的事故。一方面，5G能根据数据的优先级分配网络，从而保证无人车的控制信号传输保持较快的响应速度；另一方面，5G允许近距离设备直接通信，两车在行驶过程中近距离直接数据连接的效率远高于绕道基站进行通信的效率。这样可大大降低网络整体压力并降低平均延迟。只有解决了网络延迟问题，无人车技术难题才能得到进一步解决，未来的智能网联汽车才有机会完美实现车与人、车与车等范畴的智能信息交流共享。5G技术成熟的时候，信号延迟问题才真正有望得到解决。
事故追责目前，保险公司根据司机年龄、性别、经验等进行详细的风险评估，并依据超速、酒驾、忽视道路标示或撞车等因素确认事故的责任方。无人车不容易受到人为失误影响，因此无人驾驶将更多责任从司机转移到制造商和软件设计者身上，彻底改变了以往行车事故的法律责任归属，完全颠覆了在此基础上建立的法律体系和保险规则。无人车真正投入市场需要一个过程，新老汽车混合的复杂局面将长期存在，造成事故的追责更困难且复杂。由此可见，要实现全面发展，自动驾驶汽车行业必须在清除技术障碍的同时，开始着手解决法律责任的问题。
行车立法目前，公众对无人车的接受程度还处于中间状态。在此期间，无人车面临的人为因素造成的危险多种多样，如将激光照在汽车摄像头上以破坏导航系统、攻击计算机代码、恶意控制刹车和转向、恶意将物体置于车前改变其运动，或发射电子信号改变其路线等。如果高速行驶的无人驾驶车辆遇到这种情况，后果会非常严重。政策制定者应考虑制定法律，将针对无人车的恶意行为定罪，通过对恶意行为立法，惩罚破坏无人车的行为。
结语笔者一直认为2020年是机器人时代的起点，是继互联网后的又一个大的技术革命时代。君子顺势而行，能够在这个时间点从事移动机器人行业，我们都是幸运的。虽然无人驾驶目前还处于萌芽期，整个价值链条都不完善，但是作为技术人员，磨炼好技术、理解好行业才能更好地迎接这个大时代的来临。最后，真诚地期待本书能成为大家的第一本无人驾驶技术书，启蒙大家对无人驾驶的认识，引领大家投身到无人驾驶与移动机器人行业中来。
— 没有更多了 —
以下为对购买帮助不大的评价