新書推薦：
《
芯片设计基石：EDA产业全景与未来展望
》
售價：HK$
86.9
《
胡适年谱长编
》
售價：HK$
1848.0
《
凌空之魂：五十岚大介短篇集
》
售價：HK$
47.1
《
中国石窟艺术精讲（24堂课、10个地域、23座代表性石窟群 1本书读懂1700余年的中国石窟艺术）
》
售價：HK$
107.8
《
魏晋南北朝史（中国断代史系列）
》
售價：HK$
206.8
《
手编大好！1：连肩袖针织薄线衫
》
售價：HK$
52.8
《
亚洲史导论
》
售價：HK$
86.9
《
日下新闻：北京旗人报史（1900-1912） 高等院校材料专业"互联网+"创新规
》
售價：HK$
107.8
|
| 編輯推薦： |
1）资深一线量产专家执笔：从3D目标检测到BEV融合感知，拆解多传感器融合的核心算法与落地细节，助你完成感知技术阶跃。
2）全链路开发地图：覆盖传感器硬件选型→相机/图像模型→3D检测→时空同步→后融合/BEV前融合→端侧部署，每一步都给出可复用的工程方案。
|
| 內容簡介： |
本书由真正从事自动驾驶感知实践的资深专家撰写，由真实落地经验总结，系统讲解从3D目标检测到BEV融合感知的完整技术体系，内容涵盖基础理论、核心算法与工程实践，为读者进行感知系统开发提供全链路指导。來源：香港大書城megBookStore,http://www.megbook.com.hk
全书共7章。第1章全面介绍摄像头、激光雷达、毫米波雷达与超声波雷达的硬件组成、工作原理及应用场景，奠定传感器技术基础。第2章讲解针孔相机模型、畸变模型、鱼眼相机与双目相机模型，为图像处理与目标检测提供理论支撑。第3章深入解析3D目标检测算法，包括单目测距、单目3D检测及基于点云的方法，如SMOKE、MonoFlex、MonoDETR、PointPillars和CenterPoint，展现其在自动驾驶中的关键作用。第4章聚焦时间同步技术与摄像头、多传感器联合标定方法，确保多源数据的时空一致性，为数据融合提供保障。第5章介绍卡尔曼滤波、匈牙利算法及其改进方法，结合后融合策略与Apollo平台的融合方案，系统讲解后融合感知的实际应用。第6章围绕BEV融合感知技术，涵盖LSS、BEVDet、BEVDet4D、DETR3D、Sparse4D v1和BEVFormer等前沿算法，展示基于几何与网络变换的最新进展。第7章关注BEV感知的工程化落地，结合开源数据集、TensorRT加速与BEVDet4D实战，提供从算法到部署的完整实现路径。
|
| 關於作者： |
高毅鹏：商用车安全领域龙头企业自动驾驶项目负责人，长期专注于计算机视觉与深度学习在自动驾驶领域的研发与落地应用，致力于推动商用车智能驾驶系统的规模化应用。具备丰富的技术管理与跨领域协同经验，主导完成多项L2～L4级自动驾驶系统的开发与优化工作。在多传感器融合、BEV感知、3D目标检测等核心技术方向具有深厚积累，曾获多项计算机视觉相关专利及国家级竞赛奖项。
刘力铭：商用车安全领域的龙头企业自动驾驶感知技术专家，专注于3D目标检测与BEV感知算法的研究与开发。具备多年自动驾驶系统研发经验，曾主导多个L2～L4级自动驾驶项目中感知模块的设计与实现。在多传感器标定、深度学习模型优化与嵌入式部署方面拥有扎实的技术积累和丰富的工程实践经验。曾荣获机器人、计算机视觉等相关领域的国家级及赛区级奖项。
|
| 目錄：
|
目 录 Contents
前 言
第1章 传感器技术详解与应用 1
1.1 车载摄像头 2
1.1.1 摄像头的硬件组成 2
1.1.2 车载摄像头的分类 4
1.1.3 车载摄像头的性能要求 5
1.1.4 车载摄像头的应用场景 6
1.2 激光雷达 8
1.2.1 探测采用的方法 8
1.2.2 组成、硬件参数与应用场景 10
1.3 毫米波雷达 24
1.3.1 硬件结构 25
1.3.2 信号处理流程 26
1.3.3 FMCW雷达的工作原理 27
1.3.4 毫米波雷达的应用 35
1.4 超声波雷达 36
1.4.1 测距原理 37
1.4.2 二维测距与空间定位 37
1.4.3 安装与应用 38
第2章 相机与图像 40
2.1 针孔相机模型 40
2.2 畸变模型 43
2.3 鱼眼相机模型 45
2.4 双目相机模型 49
第3章 3D目标检测 53
3.1 单目测距算法 55
3.1.1 相机坐标系与世界
坐标系 55
3.1.2 几何线索测距 59
3.2 单目3D检测算法的原理与
实现 65
3.2.1 SMOKE算法 66
3.2.2 MonoFlex算法 75
3.2.3 MonoDETR算法 87
3.3 基于点云的3D目标检测算法的
原理与实现 97
3.3.1 PointPillars算法 98
3.3.2 CenterPoint算法 110
第4章 融合感知：时间同步和
标定 121
4.1 多传感器时间同步 122
4.1.1 时间同步的核心技术 122
4.1.2 时间同步的主流方案 125
4.2 摄像头标定 129
4.2.1 摄像头内参标定 129
4.2.2 摄像头外参标定 134
4.2.3 摄像头在线标定 137
4.3 多传感器联合标定 142
4.3.1 激光雷达与摄像头联合标定 143
4.3.2 激光雷达与IMU联合标定 147
第5章 后融合感知方案 151
5.1 卡尔曼滤波算法 153
5.2 图论基本概念与匈牙利算法 158
5.2.1 图论基本概念 159
5.2.2 匈牙利算法 162
5.2.3 改进的匈牙利算法：KM算法
和MKM算法 163
5.2.4 Apollo的MKM算法实现 166
5.3 后融合策略 170
5.3.1 无记忆策略和有记忆策略 170
5.3.2 循环周期策略和触发式策略 173
5.4 基于Apollo的后融合感知方案 175
5.4.1 数据对齐 175
5.4.2 数据关联 181
5.4.3 轨迹更新 199
5.4.4 特征融合 204
第6章 BEV融合感知 210
6.1 BEV感知算法的处理流程 211
6.2 基于几何视图变换的方法 214
6.2.1 LSS算法的原理与实现 217
6.2.2 BEVDet算法的原理与实现 225
6.2.3 BEVDet4D算法的原理 234
6.3 基于网络变换的方法 236
6.3.1 DETR3D算法的原理与
实现 240
6.3.2 Sparse4D v1算法的原理与
实现 252
6.3.3 BEVFormer算法的原理与
实现 268
第7章 BEV感知算法的工程化
落地 289
7.1 开源数据集介绍 289
7.2 TensorRT应用 298
7.3 BEVDet4D实战 308
7.3.1 BEVDet4D模型训练 308
7.3.2 BEVDet4D的TensorRT
部署 312
|
| 內容試閱：
|
前 言
为什么写作本书
自动驾驶感知系统作为自动驾驶的核心，其市场规模持续扩大。2022年，中国自动驾驶感知系统的市场规模已达到数百亿元，预计2025年将突破千亿元大关。这一增长得益于智能汽车渗透率的提升以及L3级以上自动驾驶技术的逐步落地。
自动驾驶行业正处于快速发展的阶段，技术创新和产业升级日新月异。感知技术作为自动驾驶的核心技术之一，其发展水平直接影响到自动驾驶系统的性能和安全性。当前，自动驾驶感知技术已经形成了一个涵盖传感器技术、图像处理、数据融合等多个领域的庞大技术生态。
在传感器技术方面，摄像头、激光雷达、毫米波雷达和超声波雷达等不同类型的传感器各有优劣。如何选择合适的传感器并进行有效的数据融合，是自动驾驶感知技术的重要研究方向。同时，随着传感器技术的不断进步，传感器的性能也在不断提升，为自动驾驶感知技术的发展提供了有力支持。
在图像处理方面，传统的图像处理算法已经难以满足自动驾驶感知的需求。近年来，深度学习技术的快速发展为图像处理带来了新的解决方案。通过训练深度神经网络，可以实现对图像中目标的自动检测和识别，大大提高自动驾驶系统的感知能力。
在数据融合方面，如何将来自不同传感器的数据进行有效融合，以获取更全面、准确的环境信息，是自动驾驶感知技术的另一个关键难题。当前，已经出现了多种数据融合方法，如基于卡尔曼滤波的数据融合、基于图论的数据关联等，这些方法在实际应用中取得了良好的效果。
自动驾驶感知技术已经在多个领域得到了广泛应用。在乘用车领域，它已经实现了对车辆周围环境的实时监测和障碍物检测，为驾驶员提供了更加安全、便捷的驾驶体验；在商用车领域，它被广泛应用于货物运输、物流配送等场景，有效提高了运输效率和安全性；在机器人、无人机等领域，它也发挥着重要作用。
在研究方面，自动驾驶感知技术仍然是当前学术界和工业界的研究热点。
在3D目标检测方面，研究者们已经提出了多种基于深度学习的方法，如基于点云的3D目标检测算法、基于单目图像的3D目标检测算法等。这些方法在实际应用中取得了良好的效果，为自动驾驶系统提供了准确的目标检测能力。同时，研究者们也在不断探索如何提高3D目标检测的实时性和鲁棒性等问题。
在BEV感知方面，近年来出现了多种基于深度学习的BEV感知算法，如LSS、BEVDet、BEVDet4D等。这些方法通过将不同传感器的数据投影到BEV平面上，实现了对周围环境的全面感知和理解。BEV感知技术为自动驾驶系统提供了更加直观、准确的环境信息，有助于提高自动驾驶系统的安全性和可靠性。此外，在数据融合、传感器标定、后融合感知等方面，研究者们也在不断探索新的方法和算法，以提高自动驾驶感知技术的整体性能和准确性。
然而，尽管自动驾驶感知技术取得了显著进展，但在实际应用中仍然面临诸多挑战，比如不同传感器之间的数据融合、复杂环境下的目标检测与跟踪、实时性与准确性的权衡等。基于这样的背景，笔者撰写了这本书，旨在为读者提供全面、深入、实用的自动驾驶感知技术指南，帮助读者快速掌握自动驾驶感知的核心原理和实践方法。希望本书的出版能够为自动驾驶技术的发展和应用做出一份微薄的贡献。
本书特色
本书力求通过深入浅出的讲解与丰富的实战案例，为读者提供技术落地的完整思路与清晰方法论。编写逻辑是从理论到实践，逐步递进，旨在降低读者学习自动驾驶感知技术的难度，同时提供切实可行的工程实践指导。
1）理论与实践结合：本书不仅涵盖了自动驾驶感知技术的理论基础，还通过大量实战案例展示了算法在实际应用中的效果和优化方法。
2）技术链条完整：从传感器技术到图像处理、3D目标检测、多传感器融合、后融合感知，再到BEV感知算法及其工程化落地，本书完整覆盖了自动驾驶感知技术的全链条。
读者对象
感知算法工程师
自动驾驶系统研发工程师
研究人员以及高校相关专业的师生
如何阅读本书
本书共7章，内容涵盖自动驾驶感知技术的方方面面。
第1章详细介绍各类传感器技术，包括车载摄像头、激光雷达、毫米波雷达和超声波雷达，聚焦于硬件组成、工作原理、应用场景及性能要求等，为读者奠定传感器技术的应用基础。
第2章讲解相机与图像相关基础知识，如针孔相机模型、畸变模型、鱼眼相机模型和双目相机模型，为后续的图像处理和目标检测提供理论基础。
第3章深入探讨3D目标检测算法，包括单目测距算法、单目3D检测算法和基于点云的3D目标检测算法，如SMOKE、MonoFlex、MonoDETR以及PointPillars和CenterPoint等，展示3D目标检测在自动驾驶中的关键作用。
第4章关注多传感器融合感知中的时间同步和空间统一问题，介绍时间同步的核心技术和主流方案，以及摄像头标定、多传感器联合标定的方法与步骤，为实现多传感器数据的精确融合提供技术保障。
第5章详细解析后融合感知方案，包括卡尔曼滤波算法、图论基本概念、匈牙利算法及其改进算法、后融合策略，以及基于Apollo的后融合感知方案，展示后融合策略在自动驾驶感知中的应用实践。
第6章聚焦于BEV融合感知技术，介绍BEV感知算法的处理流程、基于几何视图变换的方法和基于网络变换的方法，如LSS、BEVDet、BEVDet4D、DETR3D、Sparse4D v1和BEVFormer等算法，展示BEV融合感知在自动驾驶领域的最新进展。
第7章关注BEV感知算法的工程化落地，介绍开源数据集、TensorRT应用以及BEVDet4D实战等内容，为读者提供从算法到工程实践的完整指导。
勘误与支持
虽然笔者已尽最大努力确保内容准确无误，但书中难免存在疏漏。如读者在阅读过程中发现任何问题，欢迎通过邮箱773977765@qq.com与笔者联系。
致谢
本书的撰写是一段充满挑战与收获的旅程，离不开许多人的支持和帮助。
在本书撰写的过程中，我深深体会到家人支持的重要性。正是因为有他们的支持，我才能全身心地投入这项工作中。
同时，致敬所有曾经参与和推动自动驾驶感知技术发展的研究者与工程师们，他们的创新与努力奠定了这项技术的基础，并为后来的探索者铺平了道路。希望本书也能够为更多人理解与应用自动驾驶感知技术提供帮助，并成为推动技术进步的一块基石。
高毅鹏
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
