第1章 智能车辆概述001 1.1 智能车辆是未来车辆行业的重要发展方向002 1.2 智能车辆关键技术介绍003 1.2.1 环境感知技术005 1.2.2 路径规划技术005 1.2.3 运动控制技术006 1.3 智能车辆关键技术研究基础007 1.3.1 环境感知技术回顾008 1.3.2 路径规划技术回顾014 1.3.3 运动控制技术回顾018 参考文献020 第2章 智能车辆环境感知技术028 2.1 基于改进Hough变换的结构化道路车道线识别029 2.1.1 车道线识别研究现状029 2.1.2 道路边缘特征提取030 2.1.3 改进的Hough变换检测算法032 2.1.4 车道线方向判别034 2.1.5 结果验证与分析035 2.2 基于深度学习的目标检测036 2.2.1 图像去雾技术研究036 2.2.2 图像去雾算法及模型038 2.2.3 基于改进AOD-Net的去雾算法041 2.2.4 改进图像去雾算法的实验对比分析045 2.2.5 神经��络与深度学习048 2.2.6 YOLOv5模型介绍050 2.2.7 基于改进YOLOv5s的目标检测053 2.2.8 基于视觉的目标检测结果分析056 2.3 多传感器信息融合060 2.3.1 多传感器信息融合的基本原理061 2.3.2 摄像头标定061 2.3.3 激光雷达校准068 2.3.4 摄像头和激光雷达的时空统一070 2.3.5 数据预处理072 2.3.6 基于卡尔曼滤波算法的信息融合074 2.3.7 基于改进自适应加权法的信息融合076 2.3.8 试验验证与分析080 参考文献083 第3章 基于改进算法的智能车辆轨迹规划086 3.1 改进的RRT算法087 3.1.1 扩展目标偏移088 3.1.2 随机点扩展优化088 3.1.3 碰撞检测091 3.2 改进的遗传算法092 3.2.1 构建车辆模型092 3.2.2 基于B样条曲线的轨迹参数化092 3.2.3 基于IGA的轨迹优化方法094 3.2.4 全局优化096 3.2.5 模拟结果与分析102 3.3 改进的A??算法104 3.3.1 改进的A??算法研究104 3.3.2 动态窗口法106 3.3.3 仿真实验与分析109 参考文献118 第4章 基于ACT-R认知模型的车辆主动避障系统轨迹规划方法研究120 4.1 ACT-R认知框架121 4.2 基于ACT-R的轨迹规划方法框架结构121 4.3 ACT-R认知模型的建模方法122 4.3.1 ACT-R初始化行为建模123 4.3.2 轨迹规划模块125 4.3.3 ACT-R的估计行为模型127 4.3.4 ACT-R权重调整行为建模129 4.4 轨迹规划方法的仿真分析130 4.5 轨迹规划方法的实验验证134 参考文献135 第5章 车辆轨迹跟踪控制研究136 5.1 基于改进MPC的车辆轨迹跟踪控制系统137 5.1.1 车辆轨迹跟踪控制方法137 5.1.2 基于改进MPC的车辆轨迹跟踪控制系统设计145 5.1.3 车辆联合仿真平台验证与分析148 5.2 联合规划层的车辆轨迹跟踪控制系统159 5.2.1 联合规划层的车辆轨迹跟踪控制系统设计159 5.2.2 车辆轨迹规划模块设计159 5.2.3 车辆轨迹跟踪控制器设计162 5.2.4 车辆联合仿真平台验证与分析162 5.3 考虑动力学特征的车辆轨迹跟踪控制系统171 5.3.1 车辆速度规划模块搭建172 5.3.2 车辆联合仿真平台验证与分析174 5.3.3 车辆硬件在环测试平台实验与分析175 参考文献180 第6章 城市工况下智能网联汽车轨迹规划与控制方法研究181 6.1 智能网联环境模型与智能车辆模型搭建182 6.1.1 基于PreScan的智能网联环境建模182 6.1.2 智能车辆模型搭建186 6.1.3 基于CarSim的智能车辆仿真模型搭建190 6.2 智能网联汽车轨迹规划方法193 6.2.1 传统A??算法介绍194 6.2.2 基于改进A??算法的轨迹规划195 6.2.3 轨迹规划方法对比仿真实验198 6.3 智能网联汽车决策控制系统设计205 6.3.1 智能网联汽车速度预测决策控制系统设计206 6.3.2 智能网联汽车超车决策控制系统设计212 6.3.3 智能网联汽车动态避障决策控制系统设计219 6.4 智能网联汽车轨迹跟踪控制器设计224 6.4.1 传统终端滑模控制器原理介绍225 6.4.2 终端滑模控制器改进设计225 6.4.3 终端滑模控制器稳定性分析228 6.4.4 不同工况下硬件在环试验228 参考文献231