新書推薦：
《
思想帝国：公共外交的起源与美国对外政策的转变（公共外交译丛）
》
售價：HK$
88.0
《
公私同圣的秩序建构：王权视角下皇帝祭祀与祠神敕封的隔绝和整合 尔文智识生活系列
》
售價：HK$
94.6
《
共生共创：建设师生共同课堂丛书——“三师课堂”案例集萃（第一辑）
》
售價：HK$
74.8
《
大秦丞相李斯：谋国又谋身的大秦帝国“操盘手”
》
售價：HK$
64.9
《
民鸣社与清末民初上海演剧研究
》
售價：HK$
52.8
《
高中历史文献研读教学研究
》
售價：HK$
63.8
《
靠谱：极少数人的成功法则
》
售價：HK$
74.8
《
刹海
》
售價：HK$
74.8
|
| 編輯推薦： |
|
（1）从Dijkstra到SLAM，10大核心模块构建完整算法体系。（2）从静态规划到动态导航，打造工程级自动驾驶应用。（3）理论+实战+部署，一书贯通路径规划全流程。（4）核心算法+应用案例，勾勒自动导航技术蓝图。
|
| 內容簡介： |
|
本书详细讲解了基于Python语言实现自动驾驶路径规划与决策算法的知识，并通过具体实例展示了这些算法的使用方法。本书共10章，依次讲解了Dijkstra算法、A*算法、Bellman-Ford算法、Floyd-Warshall算法、D*算法、D* Lite算法、RRT算法、其他路径规划算法、智能行为决策算法、基于SLAM的自主路径导航系统。书中详细介绍了各种经典路径规划与决策算法的背景、原理、实现步骤及实际应用，通过丰富的案例分析和综合实战项目，给出了详细的编程实现和优化技巧，是路径规划和人工智能领域的研究人员及相关专业学生学习和实践路径规划算法的理想之书。本书适用于已经了解了Python基础开发的读者，以及想进一步学习自动驾驶、路径规划和汽车导航的读者，也可以作为大专院校相关专业的师生用书和培训学校的专业性教材。
|
| 關於作者： |
|
张良康 ---------------------------- 张良康，山东工业大学计算机博士，机械工程专家。作者熟悉计算机图形学，理论知识扎实身后，精通计算几何相关理论，熟悉常用的GIS分析算法及原理，精通路径规划的相关算法。目前就职于南京领行科技，主导T3出行项目的研发工作，负责地图数据处理开发、地理信息数据分析与挖掘、导航路径规划、路径还原服务的研发及优化工作，参与了面向出行网约车场景的导航路径规划引擎系统（路线规划、导航引导、定位、交通路况等）的研发工作。
|
| 目錄：
|
目 录
第1章 Dijkstra算法
1.1 算法简介
1.1.1 背景与历史
1.1.2 应用领域与典型场景
1.2 核心思想
1.2.1 实现步骤
1.2.2 图表示方法
1.3 应用案例
1.3.1 交通网络最短路径规划
1.3.2 机器人导航系统应用
1.4 局限性与改进
1.4.1 负权边问题
1.4.2 大规模图计算效率
1.5 综合实战：校园地图路径规划系统
1.5.1 项目介绍
1.5.2 Dijkstra路径规划
1.5.3 路线导览
1.5.4 主程序
1.6 综合实战：地图最短导航路线
1.6.1 项目介绍
1.6.2 具体实现
第2章 A\\*算法
2.1 算法简介
2.1.1 背景与历史
2.1.2 应用领域与典型场景
2.2 核心思想
2.2.1 原理与实现步骤
2.2.2 启发式函数选择
2.3 算法优化
2.3.1 基本优化措施
2.3.2 Hybrid A\\*优化
2.4 综合实战：汽车导航路径规划系统
2.4.1 项目介绍
2.4.2 具体实现
第3章 Bellman-Ford算法
3.1 算法介绍
3.1.1 背景与历史
3.1.2 应用领域与典型场景
3.1.3 与其他算法对比
3.2 核心思想
3.2.1 图表示方法
3.2.2 算法原理
3.2.3 实现步骤
3.3 应用案例
3.3.1 负权边最短路径
3.3.2 自动驾驶应用
3.4 局限性与改进
3.4.1 负权回路处理
3.4.2 大规模图计算效率
3.5 综合实战：地图建筑物最短距离
3.5.1 项目介绍
3.5.2 具体实现
3.6 综合实战：路径算法性能分析与可视化
3.6.1 项目介绍
3.6.2 具体实现
3.7 综合实战：基于Flask Web的路径规划可视化
3.7.1 项目介绍
3.7.2 路径规划
3.7.3 Flask可视化
3.7.4 模板文件
3.7.5 脚本文件
第4章 Floyd-Warshall算法
4.1 算法简介
4.1.1 背景与历史
4.1.2 应用领域与典型场景
4.2 核心思想
4.2.1 基本思想
4.2.2 图表示方法
4.2.3 实现步骤
4.2.4 推导过程
4.2.5 与其他算法对比
4.3 应用案例
4.3.1 自驾线路规划
4.3.2 城市交通规划应用
4.4 局限性与改进
4.4.1 算法复杂度与大规模图挑战
4.4.2 负权回路处理策略
4.4.3 并行Floyd-Warshall
4.5 综合实战：高速公路路线查询系统
4.5.1 背景介绍
4.5.2 交通路网数据
4.5.3 寻找最短路径
第5章 D\\*算法
5.1 动态路径规划算法简介
5.1.1 静态与动态路径规划算法
5.1.2 动态路径规划算法诞生背景
5.1.3 应用领域与场景
5.1.4 常用动态路径规划算法
5.2 D\\*算法介绍
5.2.1 发展历程
5.2.2 原理与实现步骤
5.3 综合实战：自动驾驶中的动态障碍物处理
5.3.1 实例介绍
5.3.2 具体实现
5.4 综合实战：基于D\\*算法的自动驾驶路径导航系统
5.4.1 背景介绍
5.4.2 具体实现
第6章 D\\* Lite算法
6.1 算法简介
6.1.1 诞生背景与发展历程
6.1.2 应用领域与场景
6.2 核心思想
6.2.1 基本思想
6.2.2 实现步骤
6.2.3 基本概念
6.3 综合实战：基于D\\* Lite的路径规划器
6.3.1 项目介绍
6.3.2 实现路径规划算法
6.4 综合实战：D\\* Lite路径规划器可视化
6.4.1 项目介绍
6.4.2 实现路径规划算法
6.4.3 路径规划可视化
第7章 RRT算法
7.1 算法介绍
7.1.1 机器人运动规划介绍
7.1.2 改进的RRT算法
7.1.3 相关概念
7.2 定义与实现
7.2.1 实现步骤
7.2.2 原始RRT算法
7.3 综合实战：基于Pygame的RRT路径规划系统
7.3.1 项目介绍
7.3.2 通用文件
7.3.3 事件处理
7.3.4 点处理
7.3.5 碰撞检测
7.3.6 绘图操作
7.3.7 RRT算法
7.3.8 主程序
7.4 综合实战：基于Gazebo仿真的路径规划系统
7.4.1 项目介绍
7.4.2 实现RRT、RRT\\*与RRT\\*-FN算法
第8章 其他路径规划算法
8.1 PRM算法
8.1.1 算法介绍
8.1.2 实战应用
8.2 LQR算法
8.2.1 算法介绍
8.2.2 实战应用
8.3 DWA算法
8.3.1 算法介绍
8.3.2 实战应用
8.4 Best-First Search算法
8.4.1 基本思想
8.4.2 实现步骤
8.4.3 寻找两城市间最短路径
第9章 智能行为决策算法
9.1 算法简介
9.1.1 诞生背景与发展历程
9.1.2 在自动驾驶中的应用
9.2 常用算法
9.2.1 马尔可夫决策过程
9.2.2 强化学习
9.2.3 规则引擎与决策树
9.2.4 模型预测控制
9.3 综合实战：基于自动驾驶大模型的车辆轨迹预测系统
9.3.1 项目介绍
9.3.2 准备工作
9.3.3 EDA数据探索
9.3.4 PyTorch训练
9.3.5 推理
9.3.6 训练参数探索
9.3.7 数据增强
第10章 基于SLAM的自主路径导航系统
10.1 背景介绍
10.2 项目介绍
10.3 公用文件
10.3.1 数学运算
10.3.2 伪随机数生成器
10.4 障碍物与边界检测
10.4.1 全局障碍物与边界检测
10.4.2 本地障碍物与边界检测
10.5 路径规划
10.5.1 沿墙行驶
10.5.2 A\\*算法路径规划
10.5.3 RRT算法路径规划
|
|
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
