本书在简要介绍智能驾驶的产生与发展、智能驾驶技术现状之后，提出了智能驾驶系统的体系架构，讨论了深度学习与智能驾驶、智能驾驶的环境感知、智能驾驶的融合感知等相关内容，深入研究了智能驾驶决策与智能驾驶控制等问题。此外，本书还探讨了智能驾驶的**性问题，以及智能驾驶面临的未来展望。本书适合人工智能与智能驾驶领域的研究人员、管理人员、以及广大爱好者阅读。

目录 第1章智能驾驶简介 11智能驾驶的产生与发展 111智能驾驶的萌芽 112智能驾驶的发展 113智能驾驶的未来 12智能驾驶的不确定性 13智能驾驶系统 14智能驾驶技术现状 141国外智能驾驶技术现状 142国内智能驾驶技术现状 第2章智能驾驶系统的体系架构 21传感器配置 211传感器的分类 212传感器比较 22视觉传感器 23雷达传感器 231激光雷达 232毫米波雷达 233超声波雷达 24定位系统 241GPS和北斗 242差分定位技术 243惯性导航系统 244姿态感知 25控制系统 251车辆底层平台 252发动机的控制 253转向控制 254制动控制 255挡位控制 256信号控制 第3章深度学习与智能驾驶 31深度学习概述 311智能驾驶感知系统 312行人检测 32基于特征描述与分类器的行人检测方法及技术 321方向梯度直方图检测方法 322基于深度学习模型的行人检测方法 323双目摄像头立体匹配检测方法 324多传感器融合技术 33端到端的智能驾驶方案 331间接感知方案 332直接感知方案 34行为反射方案 参考文献 第4章智能驾驶的环境感知 41概述 411可行域检测 412目标跟踪技术 413半监督学习 42基于协同学习的非结构化道路可行域检测 421协同训练简介 422增量式支持向量机 423直方图反向投影器 424在线协同学习 425实验结果分析 43基于协同学习的目标跟踪技术 431基于半监督学习的视觉目标跟踪概述 432基于协同学习的粒子滤波方法 433实验结果分析 参考文献 第5章智能驾驶的融合感知 51多源异构传感器介绍 511彩色视觉传感器 512三维激光雷达传感器 513其他传感器 52视觉传感器的标定 521基于Harris算法的角点识别 522相机坐标与图像像素坐标的转换 523多相机联合标定 53激光雷达传感器的标定 531点云数据预处理 532基于KDTree*近邻空间距离的聚类算法 533基于*小二乘法的标定板平面拟合 534基于平面*小包围框的标定板识别 535多雷达联合标定 54视觉相机-激光雷达联合自动标定 541基于重投影法的空间同步标定 542基于多线程的时间同步标定 55基于深度学习的视觉雷达融合方法 551融合方法概述 552雷达稀疏数据的上采样方法 553数据集 554目标分类 555实验结果 56基于分层多视图提案网络的目标检测与识别 561激光雷达投影视图 562三维点云的聚类 563分层多视图提案网络结构 564实验及结果分析 第6章智能驾驶决策 61无人驾驶车辆的智能决策 62驾驶行为选择方法 621不同交通环境中的驾驶行为 622非结构化交通环境中的驾驶行为选择方法 623结构化交通环境中的驾驶行为选择方法 63无人驾驶车辆的路径规划 631车辆的路径规划算法 632非结构化交通环境中的路径规划方法 633结构化交通环境中的路径规划方法 64无人驾驶车辆的速度规划 参考文献 第7章智能驾驶控制 71车辆的建模方法 711车辆的运动学建模 7��12车辆单轨模型的动力学建模 713车辆双轨模型的动力学建模 72车辆的跟踪控制 73车辆的避障控制 74车辆的稳定性控制 741常规车辆的防翻控制 742四轮独立驱动车辆的制动力分配控制 75车辆的其他控制问题 751车辆的鲁棒性问题 752车辆的特殊问题 参考文献 第8章智能驾驶的**性 81智能驾驶的**问题 811**场 812**熵 82功能** 821功能**的作用 822功能**架构的分类 823功能**的发展趋势 83信息** 参考文献 第9章智能驾驶的未来展望 91智能驾驶的未来发展趋势 92智能网联汽车 93智能驾驶汽车产业化 931**产业政策 932地方产业政策 参考文献