- 智能驾驶目标检测方法研究与应用/智能网联汽车研究与开发丛书
- - 作者：肖艳秋|责编:舒恬//李崇康
  - 出版社：机械工业
  - ISBN：9787111792260
  - 出版日期：2025/12/01
  - 页数：172
- 售价：47.96

内容大纲
本书围绕智能驾驶目标检测核心技术与实际应用，系统探讨了复杂场景下的目标检测面对的误检、漏检、泛化性不足等核心问题，提出了多维度智能驾驶目标检测解决方案。第1章和第2章主要围绕国家近年来关于智能驾驶发展的政策，重点介绍智能驾驶目标检测技术研究背景和意义，以及后续解决方案中可能用到的数据集和评价指标等基础知识；第3章主要探讨遮挡环境下的行人目标检测方案，提出了改进蚁群算法解决复杂背景下行人误检测率高的问题；第4章和第5章主要针对夜视、高速环境下的车辆和车道线检测算法进行了研究，阐述了面向无人驾驶环境的车辆和车道线检测数据集的构建思路并对实践结果进行了讨论；第6章着重分析了多模态数据的近场区域目标检测方法，改善了检测器在智能车辆近场区域的目标检测能力；第7章主要构建了车路协同下的三维目标检测网络，有效提高了车端与路端不同模态下算法的目标检测精度。全书以智能驾驶感知技术基础为支撑，聚焦智能驾驶中遮挡、夜视、多模态以及车路协同等核心场景与问题，系统阐述了从算法设计到实验验证的完整路径，可为智能驾驶复杂环境感知系统的设计与研发提供重要的理论支撑和技术参考。
本书主要面向车企等与智能驾驶相关的研究人员、开发人员，以及高校计算机学院、汽车学院相关专业师生。本书可作为智能驾驶开发的参考工具书，也可以作为智能驾驶目标检测的教材。
作者介绍
肖艳秋，教授，博士生导师，河南省黄大年式教学团队带头人，河南省学术技术带头人，中原英才，主要从事新能源智能网联汽车、复杂装备数字化设计与制造、机电系统动力学分析与控制等领域的理论研究与应用技术转化工作。系统开展新能源汽车电动化、网联化和智能化相关技术的基础理论研究和多元化应用示范，探索智能网联汽车从感知到决策端到端大模型的研发与优化，积极推动商用车智能感知技术在实际场景中的落地应用，同步推进相关专业技术人才培养。现已发表学术论文100余篇，出版教材3部，申请发明专利60余项，获国家科技进步二等奖1项，河南省科技进步奖一等奖3项，中国机械工业科学技术特等奖1项，河南省科技成果奖2项，获河南省教育教学成果奖特等奖1项和一等奖2项。
目录
第1章  绪论
  1.1  智能驾驶相关国家政策及技术发展历程
  1.2  智能驾驶目标检测技术要点
    1.2.1  行人目标检测算法
    1.2.2  复杂环境下车辆目标检测算法
    1.2.3  复杂环境下车道线检测算法
    1.2.4  近场区域目标检测算法
    1.2.5  车路协同三维目标检测算法
第2章  目标检测技术基础
  2.1  目标检测概述
  2.2  经典目标检测算法
    2.2.1  经典一阶段目标检测器
    2.2.2  经典二阶段目标检测器
  2.3  面向自动驾驶的常见目标检测数据集
    2.3.1  国外自动驾驶目标检测数据集
    2.3.2  国内自动驾驶目标检测数据集
  2.4  目标检测性能评价指标
    2.4.1  精度
    2.4.2  召回率
    2.4.3  平均精度
    2.4.4  交并比
    2.4.5  准确率
    2.4.6  F1Score
第3章  遮挡环境下的行人目标检测
  3.1  基于改进聚合通道特征候选区域选择
    3.1.1  聚合通道特征提取
    3.1.2  软级联Adaboost分类建议区域
  3.2  特征提取网络
    3.2.1  卷积特征提取
    3.2.2  主成分分析法降维
  3.3  基于蚁群算法优化支持向量机行人检测
    3.3.1  支持向量机分类
    3.3.2  改进蚁群算法支持向量机
  3.4  实验结果与分析
    3.4.1  不同检测方法对比
    3.4.2  支持向量机优化结果分析
  3.5  技术应用与发展趋势
    3.5.1  技术应用
    3.5.2  发展趋势
第4章  复杂环境下车辆目标检测
  4.1  夜视环境下车辆目标检测
    4.1.1  特征提取网络
    4.1.2  夜间车辆检测网络结构
    4.1.3  数据集及实验参数设置
    4.1.4  实验结果与分析
  4.2  高速移动环境下车辆目标检测
    4.2.1  高速移动环境下车辆检测网络结构
    4.2.2  数据集及实验参数设置
    4.2.3  实验结果与分析
  4.3  行业应用与发展趋势

    4.3.1  行业应用
    4.3.2  发展趋势
第5章  复杂环境下车道线目标检测
  5.1  夜间环境下车道线目标检测
    5.1.1  夜间车道线检测网络结构
    5.1.2  实验数据集
    5.1.3  实验结果与分析
  5.2  高速移动环境下车道线目标检测
    5.2.1  高速移动环境下车道线检测网络结构
    5.2.2  数据集及实验参数设置
    5.2.3  实验结果与分析
  5.3  技术应用与发展趋势
    5.3.1  技术应用
    5.3.2  行业应用
    5.3.3  发展趋势
第6章  多传感器融合下的近场区域目标检测
  6.1  基于CenterNet的图像特征信息预处理
    6.1.1  深层聚合网络特征提取
    6.1.2  三维边界框估计
  6.2  基于FPointPillars的点云特征融合
    6.2.1  激光雷达点云信息预处理
    6.2.2  毫米波雷达点云信息预处理
    6.2.3  点云信息融合
  6.3  基于最近相邻原则的图像点云特征信息融合
    6.3.1  图像点云信息配准
    6.3.2  归一化网络
    6.3.3  实验结果与分析
  6.4  基于多传感器特征信息优化的近场区域目标检测方法
    6.4.1  多元注意力模块
    6.4.2  基于动态连接学习的特征融合
    6.4.3  实验结果与分析
  6.5  技术应用与发展趋势
    6.5.1  技术应用
    6.5.2  发展趋势
第7章  车路协同下的自动驾驶三维目标检测
  7.1  车路协同多传感器融合方案
  7.2  基于Euclidian距离和匈牙利匹配算法的决策级融合检测
  7.3  基于时间补偿的车路协同决策级别融合检测
    7.3.1  时间补偿模块
    7.3.2  带有时间补偿的车路协同检测
  7.4  实验结果与分析
    7.4.1  实验平台
    7.4.2  实验参数设置
    7.4.3  基于图像或激光雷达点云三维目标检测
    7.4.4  车路协同后融合检测
  7.5  行业应用与发展趋势
    7.5.1  行业应用
    7.5.2  未来发展趋势
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目