博客來
本書圍繞智慧網聯汽車環境感知部分的感測器內容進行闡述，主要內容包括：緒論、信號處理的基本知識、毫米波雷達信號處理技術、雷射雷達信號處理技術、視覺感測器信號處理技術、車載定位感測器信號處理技術、多感測器融合技術和其他感測器技術等。
本書對智慧網聯汽車的感測器核心技術進行了梳理和總結，對關鍵技術的原理、核心演算法及其在智慧網聯汽車中的應用實例進行了論述，並對其優缺點展開了探討。
本書適合高等院校相關專業在校師生、智慧網聯汽車領域的專業技術人員、車企研發人員閱讀和參考，希望能夠得到廣大讀者的認可並能為之提供有益的啟示。
| FindBook |
有 2 項符合
智能網聯汽車環境感知信號處理技術的圖書 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：智能網聯汽車環境感知信號處理技術
內容簡介
作者介紹
畢欣
同濟大學汽車學院研究員、博士生導師，2014年麻省理工學院（MIT）訪問學者、ISO/TC204-WG14專家成員、SAC/TC268委員、SAE International技術委員會委員、上海市人工智慧技術協會專委會委員。從事信號與資訊處理、機器人和無人系統環境感知技術研究與開發，主要涉及自主無人系統與智慧網聯汽車融合感知與模擬測評技術。科技成果廣泛應用于智慧汽車主動安全與無人駕駛、車路協同感知與規劃、軌道交通主動安全，無人機自主避障以及工業智慧測控等領域。發表SCI/EI論文60餘篇，授權專利40余項，專著3部。
田煒
同濟大學汽車學院助理教授、碩士生導師，上海市浦江人才計畫入選者，主持國家自然科學基金青年科學基金專案、上海市自然科學基金面上專案等橫縱向課題，曾擔任國際會議IEEEITSC2015、FUSION2021、CVCI2021分會場主席，主要研究方向為面向智慧駕駛的環境目標感知技術和軌跡預測技術，發表智慧駕駛領域SCI/EI論文近40篇，專著1部。
高樂天
博士，2016年於同濟大學汽車學院獲學士學位，2021年12月於同濟大學汽車學院獲得博士學位，研究方向為智慧電動汽車狀態估計、組合定位、運動控制等。2015年赴德國達姆施塔特工業大學進行交換，2019—2020年于加拿大滑鐵盧大學機械與機電工程系聯合培養。近年來發表論文（含SCI/EI論文）十餘篇，申請發明專利十余項，已授權兩項。作為主要參與人參與國家重點研發計畫項目、國家自然科學基金項目及多項校企合作項目。在車輛位姿估計及運動控制領域的研究成果得到了廣泛應用。
馮雨
中國礦業大學煤炭大資料研究院院長、中國煤炭市場網總裁、中國煤炭運銷協會副理事長、中國煤炭學會經濟管理專業委員會委員、煤炭市場行銷專家委員會副主任、中國工業大獎審定委員會委員，2021以“數字賦能傳統產業”被評為北京“豐澤計畫”拔尖人才。主要研究領域為能源產業數位化與智慧運銷。
同濟大學汽車學院研究員、博士生導師，2014年麻省理工學院（MIT）訪問學者、ISO/TC204-WG14專家成員、SAC/TC268委員、SAE International技術委員會委員、上海市人工智慧技術協會專委會委員。從事信號與資訊處理、機器人和無人系統環境感知技術研究與開發，主要涉及自主無人系統與智慧網聯汽車融合感知與模擬測評技術。科技成果廣泛應用于智慧汽車主動安全與無人駕駛、車路協同感知與規劃、軌道交通主動安全，無人機自主避障以及工業智慧測控等領域。發表SCI/EI論文60餘篇，授權專利40余項，專著3部。
田煒
同濟大學汽車學院助理教授、碩士生導師，上海市浦江人才計畫入選者，主持國家自然科學基金青年科學基金專案、上海市自然科學基金面上專案等橫縱向課題，曾擔任國際會議IEEEITSC2015、FUSION2021、CVCI2021分會場主席，主要研究方向為面向智慧駕駛的環境目標感知技術和軌跡預測技術，發表智慧駕駛領域SCI/EI論文近40篇，專著1部。
高樂天
博士，2016年於同濟大學汽車學院獲學士學位，2021年12月於同濟大學汽車學院獲得博士學位，研究方向為智慧電動汽車狀態估計、組合定位、運動控制等。2015年赴德國達姆施塔特工業大學進行交換，2019—2020年于加拿大滑鐵盧大學機械與機電工程系聯合培養。近年來發表論文（含SCI/EI論文）十餘篇，申請發明專利十余項，已授權兩項。作為主要參與人參與國家重點研發計畫項目、國家自然科學基金項目及多項校企合作項目。在車輛位姿估計及運動控制領域的研究成果得到了廣泛應用。
馮雨
中國礦業大學煤炭大資料研究院院長、中國煤炭市場網總裁、中國煤炭運銷協會副理事長、中國煤炭學會經濟管理專業委員會委員、煤炭市場行銷專家委員會副主任、中國工業大獎審定委員會委員，2021以“數字賦能傳統產業”被評為北京“豐澤計畫”拔尖人才。主要研究領域為能源產業數位化與智慧運銷。
目錄
第1章 緒論 1
1.1 智慧網聯汽車發展趨勢 1
1.1.1 自動駕駛歷史發展 2
1.1.2 自動駕駛行業——量的積累讓自動駕駛汽車開始邁向質的飛躍 3
1.1.3 國內外政策——多角度保障自動駕駛汽車安全落地 4
1.1.4 業界公司發展 6
1.2 車載感測器概述與技術進程 7
1.2.1 毫米波雷達 8
1.2.2 雷射雷達 8
1.2.3 超聲波感測器 9
1.2.4 圖像感測器 9
1.2.5 組合定位導航 9
1.3 小結 10
參考文獻 11
第2章 信號處理的基本知識 12
2.1 信號採樣 12
2.1.1 信號、系統及信號處理 12
2.1.2 信號處理的一般過程 13
2.1.3 類比信號的採樣過程 14
2.1.4 採樣定理 15
2.2 線性系統與非線性系統 16
2.2.1 系統的一般分類 16
2.2.2 線性系統與非線性系統的基本性質 17
2.2.3 線性系統的分析方法 18
2.3 傅裡葉變換 19
2.3.1 傅裡葉級數 19
2.3.2 連續非週期信號的傅裡葉變換 20
2.3.3 離散時間傅裡葉變換 21
2.3.4 離散時間週期信號的傅裡葉級數 22
2.3.5 離散傅裡葉變換和快速傅裡葉變換 23
2.3.6 其他重要變換 27
2.4 矩陣代數基礎 28
2.4.1 行列式的性質 28
2.4.2 方陣的跡及其性質 29
2.4.3 逆矩陣 29
2.4.4 初等變換與秩 31
2.4.5 關於秩的一些重要結論 32
2.5 概率論基礎 32
2.5.1 分佈函數 32
2.5.2 均值與方差 33
2.5.3 矩 33
2.5.4 隨機向量 34
2.6 濾波演算法與濾波器 35
2.6.1 濾波器的分類 35
2.6.2 濾波器的技術要求 36
2.6.3 濾波器演算法 37
參考文獻 40
第3章 毫米波雷達信號處理技術 41
3.1 毫米波雷達原理 41
3.1.1 雷達方程 41
3.1.2 雷達工作體制 42
3.2 車載雷達信號處理流程 47
3.3 脈衝壓縮技術 48
3.3.1 脈衝壓縮原理 49
3.3.2 脈衝壓縮基本方法 50
3.4 雷達雜波抑制 52
3.5 雷達目標檢測技術 55
3.5.1 雷達檢測的門限值 55
3.5.2 恒虛警檢測器原理 56
3.5.3 白色雜訊背景下的恒虛警檢測器 56
3.5.4 有序統計恒虛警檢測器 58
3.6 雷達陣列信號處理 59
3.6.1 MIMO雷達工作原理 59
3.6.2 MIMO雷達信號處理流程 60
3.6.3 時分多路 62
3.7 多目標跟蹤與識別技術 64
3.7.1 多目標跟蹤技術 64
3.7.2 毫米波雷達目標識別系統 67
3.8 超寬頻的毫米波雷達三維成像演算法 69
3.9 應用實例 72
3.9.1 4D毫米波雷達 72
3.9.2 車輛周圍障礙物的檢測 74
3.9.3 ADAS中的應用 74
3.9.4 基於微多普勒特徵的行人、車輛的目標識別 75
參考文獻 77
第4章 雷射雷達信號處理技術 79
4.1 雷射雷達原理 79
4.1.1 鐳射產生的原理 79
4.1.2 鐳射測距原理 80
4.1.3 雷射雷達作用距離方程 81
4.1.4 雷射雷達掃描方式 82
4.2 雷射雷達信號處理流程 88
4.2.1 雷射雷達回波信號降噪 88
4.2.2 全波形信號處理 90
4.3 鐳射點雲處理方法 91
4.3.1 點雲濾波 91
4.3.2 點雲特徵描述與提取 92
4.3.3 點雲分割 99
4.3.4 點雲配准 106
4.4 鐳射三維成像研究 107
4.4.1 鐳射掃描點雲成像 108
4.4.2 其他主動鐳射成像技術 111
4.5 應用實例 114
4.5.1 基於雷射雷達點雲的車輛檢測方法 114
4.5.2 基於雷射雷達點雲的車道線檢測方法 115
4.5.3 基於雷射雷達的目標追蹤 116
4.5.4 三維場景重建 117
參考文獻 117
第5章 視覺感測器信號處理技術 122
5.1 車載視覺感測器原理 122
5.1.1 視覺感測器基本組成 122
5.1.2 典型的視覺感測器 123
5.2 數位元影像處理流程 127
5.2.1 圖像的採集和存儲 128
5.2.2 圖像預處理 128
5.2.3 圖像分割 129
5.2.4 圖像特徵提取和選擇 130
5.3 圖像預處理技術 131
5.3.1 圖像灰度化 131
5.3.2 圖像幾何變換 132
5.3.3 圖像增強 132
5.4 圖像特徵提取與分類 134
5.4.1 原始特徵提取 135
5.4.2 特徵降維 136
5.4.3 特徵選擇 138
5.5 機器學習與深度學習方法 141
5.5.1 機器學習方法 141
5.5.2 深度學習方法 144
5.6 應用實例 146
5.6.1 車輛與行人識別和跟蹤 146
5.6.2 車道線識別 150
5.6.3 交通標誌牌識別 153
參考文獻 155
第6章 車載定位感測器信號處理技術 157
6.1 引言 157
6.2 車載定位感測器信號簡介 157
6.2.1 GNSS信號 158
6.2.2 輪速信號 159
6.2.3 慣性感測器信號 159
6.3 GNSS定位 162
6.3.1 單點定位 163
6.3.2 差分定位 164
6.3.3 精密單點定位 165
6.4 航跡推算定位系統 165
6.4.1 平面航跡推算定位系統 166
6.4.2 輪速信號的處理 168
6.5 慣性導航系統 170
6.5.1 慣性導航常用參考坐標系 171
6.5.2 慣性感測器測量模型 171
6.5.3 姿態解算 172
6.5.4 速度解算 173
6.5.5 位置解算 173
6.6 應用實例——GNSS/INS/輪速感測器松耦合組合定位系統 174
6.6.1 系統簡介 174
6.6.2 INS誤差狀態模型 174
6.6.3 基於誤差狀態卡爾曼濾波的資訊融合 176
參考文獻 178
第7章 多感測器融合技術 180
7.1 車載感測器資料融合方法 180
7.1.1 多感測器融合 180
7.1.2 多感測器融合的基本原理 180
7.1.3 多感測器的前融合與後融合技術 181
7.1.4 多感測器資料融合演算法 182
7.2 貝葉斯估計 184
7.2.1 貝葉斯估計基本概念 184
7.2.2 基於貝葉斯估計的資料融合演算法 186
7.2.3 估計演算法的局限性 187
7.3 擴展卡爾曼濾波 188
7.3.1 擴展卡爾曼濾波介紹 188
7.3.2 擴展卡爾曼濾波原理 189
7.3.3 擴展卡爾曼濾波在一維非線性系統中的應用 190
7.4 模糊決策 192
7.4.1 模糊決策基本概念 192
7.4.2 模糊一致關係 192
7.4.3 模糊一致矩陣 194
7.4.4 廣義去模糊機制 195
7.5 應用實例——多目標跟蹤 196
7.5.1 多目標跟蹤方法分類 197
7.5.2 多目標跟蹤演算法 198
參考文獻 200
第8章 其他感測器技術 201
8.1 超聲波雷達 201
8.1.1 超聲波雷達的工作原理 201
8.1.2 超聲波雷達的類型 202
8.1.3 超聲波雷達的數學模型 203
8.1.4 超聲波雷達的優勢與劣勢 203
8.1.5 超聲波雷達的技術特點 204
8.2 紅外感測器 204
8.2.1 紅外線 205
8.2.2 紅外感測器分類 205
8.2.3 紅外感測器相關技術 207
8.3 其他車身狀態感測器 211
8.3.1 車身高度感測器 211
8.3.2 碰撞感測器 212
參考文獻 213
名詞索引 215
1.1 智慧網聯汽車發展趨勢 1
1.1.1 自動駕駛歷史發展 2
1.1.2 自動駕駛行業——量的積累讓自動駕駛汽車開始邁向質的飛躍 3
1.1.3 國內外政策——多角度保障自動駕駛汽車安全落地 4
1.1.4 業界公司發展 6
1.2 車載感測器概述與技術進程 7
1.2.1 毫米波雷達 8
1.2.2 雷射雷達 8
1.2.3 超聲波感測器 9
1.2.4 圖像感測器 9
1.2.5 組合定位導航 9
1.3 小結 10
參考文獻 11
第2章 信號處理的基本知識 12
2.1 信號採樣 12
2.1.1 信號、系統及信號處理 12
2.1.2 信號處理的一般過程 13
2.1.3 類比信號的採樣過程 14
2.1.4 採樣定理 15
2.2 線性系統與非線性系統 16
2.2.1 系統的一般分類 16
2.2.2 線性系統與非線性系統的基本性質 17
2.2.3 線性系統的分析方法 18
2.3 傅裡葉變換 19
2.3.1 傅裡葉級數 19
2.3.2 連續非週期信號的傅裡葉變換 20
2.3.3 離散時間傅裡葉變換 21
2.3.4 離散時間週期信號的傅裡葉級數 22
2.3.5 離散傅裡葉變換和快速傅裡葉變換 23
2.3.6 其他重要變換 27
2.4 矩陣代數基礎 28
2.4.1 行列式的性質 28
2.4.2 方陣的跡及其性質 29
2.4.3 逆矩陣 29
2.4.4 初等變換與秩 31
2.4.5 關於秩的一些重要結論 32
2.5 概率論基礎 32
2.5.1 分佈函數 32
2.5.2 均值與方差 33
2.5.3 矩 33
2.5.4 隨機向量 34
2.6 濾波演算法與濾波器 35
2.6.1 濾波器的分類 35
2.6.2 濾波器的技術要求 36
2.6.3 濾波器演算法 37
參考文獻 40
第3章 毫米波雷達信號處理技術 41
3.1 毫米波雷達原理 41
3.1.1 雷達方程 41
3.1.2 雷達工作體制 42
3.2 車載雷達信號處理流程 47
3.3 脈衝壓縮技術 48
3.3.1 脈衝壓縮原理 49
3.3.2 脈衝壓縮基本方法 50
3.4 雷達雜波抑制 52
3.5 雷達目標檢測技術 55
3.5.1 雷達檢測的門限值 55
3.5.2 恒虛警檢測器原理 56
3.5.3 白色雜訊背景下的恒虛警檢測器 56
3.5.4 有序統計恒虛警檢測器 58
3.6 雷達陣列信號處理 59
3.6.1 MIMO雷達工作原理 59
3.6.2 MIMO雷達信號處理流程 60
3.6.3 時分多路 62
3.7 多目標跟蹤與識別技術 64
3.7.1 多目標跟蹤技術 64
3.7.2 毫米波雷達目標識別系統 67
3.8 超寬頻的毫米波雷達三維成像演算法 69
3.9 應用實例 72
3.9.1 4D毫米波雷達 72
3.9.2 車輛周圍障礙物的檢測 74
3.9.3 ADAS中的應用 74
3.9.4 基於微多普勒特徵的行人、車輛的目標識別 75
參考文獻 77
第4章 雷射雷達信號處理技術 79
4.1 雷射雷達原理 79
4.1.1 鐳射產生的原理 79
4.1.2 鐳射測距原理 80
4.1.3 雷射雷達作用距離方程 81
4.1.4 雷射雷達掃描方式 82
4.2 雷射雷達信號處理流程 88
4.2.1 雷射雷達回波信號降噪 88
4.2.2 全波形信號處理 90
4.3 鐳射點雲處理方法 91
4.3.1 點雲濾波 91
4.3.2 點雲特徵描述與提取 92
4.3.3 點雲分割 99
4.3.4 點雲配准 106
4.4 鐳射三維成像研究 107
4.4.1 鐳射掃描點雲成像 108
4.4.2 其他主動鐳射成像技術 111
4.5 應用實例 114
4.5.1 基於雷射雷達點雲的車輛檢測方法 114
4.5.2 基於雷射雷達點雲的車道線檢測方法 115
4.5.3 基於雷射雷達的目標追蹤 116
4.5.4 三維場景重建 117
參考文獻 117
第5章 視覺感測器信號處理技術 122
5.1 車載視覺感測器原理 122
5.1.1 視覺感測器基本組成 122
5.1.2 典型的視覺感測器 123
5.2 數位元影像處理流程 127
5.2.1 圖像的採集和存儲 128
5.2.2 圖像預處理 128
5.2.3 圖像分割 129
5.2.4 圖像特徵提取和選擇 130
5.3 圖像預處理技術 131
5.3.1 圖像灰度化 131
5.3.2 圖像幾何變換 132
5.3.3 圖像增強 132
5.4 圖像特徵提取與分類 134
5.4.1 原始特徵提取 135
5.4.2 特徵降維 136
5.4.3 特徵選擇 138
5.5 機器學習與深度學習方法 141
5.5.1 機器學習方法 141
5.5.2 深度學習方法 144
5.6 應用實例 146
5.6.1 車輛與行人識別和跟蹤 146
5.6.2 車道線識別 150
5.6.3 交通標誌牌識別 153
參考文獻 155
第6章 車載定位感測器信號處理技術 157
6.1 引言 157
6.2 車載定位感測器信號簡介 157
6.2.1 GNSS信號 158
6.2.2 輪速信號 159
6.2.3 慣性感測器信號 159
6.3 GNSS定位 162
6.3.1 單點定位 163
6.3.2 差分定位 164
6.3.3 精密單點定位 165
6.4 航跡推算定位系統 165
6.4.1 平面航跡推算定位系統 166
6.4.2 輪速信號的處理 168
6.5 慣性導航系統 170
6.5.1 慣性導航常用參考坐標系 171
6.5.2 慣性感測器測量模型 171
6.5.3 姿態解算 172
6.5.4 速度解算 173
6.5.5 位置解算 173
6.6 應用實例——GNSS/INS/輪速感測器松耦合組合定位系統 174
6.6.1 系統簡介 174
6.6.2 INS誤差狀態模型 174
6.6.3 基於誤差狀態卡爾曼濾波的資訊融合 176
參考文獻 178
第7章 多感測器融合技術 180
7.1 車載感測器資料融合方法 180
7.1.1 多感測器融合 180
7.1.2 多感測器融合的基本原理 180
7.1.3 多感測器的前融合與後融合技術 181
7.1.4 多感測器資料融合演算法 182
7.2 貝葉斯估計 184
7.2.1 貝葉斯估計基本概念 184
7.2.2 基於貝葉斯估計的資料融合演算法 186
7.2.3 估計演算法的局限性 187
7.3 擴展卡爾曼濾波 188
7.3.1 擴展卡爾曼濾波介紹 188
7.3.2 擴展卡爾曼濾波原理 189
7.3.3 擴展卡爾曼濾波在一維非線性系統中的應用 190
7.4 模糊決策 192
7.4.1 模糊決策基本概念 192
7.4.2 模糊一致關係 192
7.4.3 模糊一致矩陣 194
7.4.4 廣義去模糊機制 195
7.5 應用實例——多目標跟蹤 196
7.5.1 多目標跟蹤方法分類 197
7.5.2 多目標跟蹤演算法 198
參考文獻 200
第8章 其他感測器技術 201
8.1 超聲波雷達 201
8.1.1 超聲波雷達的工作原理 201
8.1.2 超聲波雷達的類型 202
8.1.3 超聲波雷達的數學模型 203
8.1.4 超聲波雷達的優勢與劣勢 203
8.1.5 超聲波雷達的技術特點 204
8.2 紅外感測器 204
8.2.1 紅外線 205
8.2.2 紅外感測器分類 205
8.2.3 紅外感測器相關技術 207
8.3 其他車身狀態感測器 211
8.3.1 車身高度感測器 211
8.3.2 碰撞感測器 212
參考文獻 213
名詞索引 215
|
