3.8
用户推荐指数
科技 类型
可以朗读 语音朗读
245千字 字数
2022-06-01 发行日期
展开全部

主编推荐语

详解自动驾驶领域算法与芯片设计，揭示自动驾驶领域的关键技术与商业机会。

内容简介

本书以自动驾驶的芯片设计为最终目标，来论述设计一个面向未来的自动驾驶SoC芯片的学术支撑和工程实践。

本书共13章。其中第1章主要介绍自动驾驶目前遇到的挑战和研究方向。第2～6章重点讲述环境感知以及规划控制方面的算法设计；第7～10章重点讲述深度学习模型的优化和深度学习芯片的设计；第11章和第12章重点讲述具有安全功能的自动驾驶软件架构设计；第13章介绍5G车联网。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 自动驾驶芯片的挑战
  • 1.1 自动驾驶科技界现状
  • 1.2 自动驾驶设计的挑战
  • 1.2.1 功能约束
  • 1.2.2 可预测性约束
  • 1.2.3 存储限制
  • 1.2.4 热量约束
  • 1.2.5 功率约束
  • 1.3 自动驾驶系统算法设计
  • 1.3.1 感知
  • 1.3.2 决策
  • 1.3.3 控制
  • 1.3.4 安全验证与测试
  • 1.4 自动驾驶系统计算平台
  • 1.4.1 GPU
  • 1.4.2 DSP
  • 1.4.3 FPGA
  • 1.4.4 ASIC
  • 参考文献
  • 第2章 3D物体检测
  • 2.1 传感器
  • 2.1.1 摄像机
  • 2.1.2 激光雷达
  • 2.2 数据集
  • 2.3 3D物体检测方法
  • 2.3.1 基于单目图像的检测方法
  • 2.3.2 基于点云的检测方法
  • 2.3.3 基于融合的检测方法
  • 2.4 实战项目：3D物体检测
  • 2.4.1 算法概述
  • 2.4.2 点云预处理
  • 2.4.3 网络结构
  • 2.4.4 欧拉区域提议
  • 2.4.5 锚盒设计
  • 2.4.6 复角度回归
  • 2.4.7 损失函数的构建
  • 2.4.8 实验结果
  • 2.4.9 训练细节
  • 2.4.10 鸟瞰检测
  • 2.4.11 3D对象检测
  • 2.5 未来研究展望
  • 参考文献
  • 第3章 车道检测
  • 3.1 传统图像处理
  • 3.2 实例：基于霍夫变换的车道检测
  • 3.2.1 霍夫变换
  • 3.2.2 OpenCV车道检测
  • 3.3 实例：RANSAC算法及直线拟合
  • 3.3.1 算法思路
  • 3.3.2 用Python实现直线拟合
  • 3.4 基于深度学习
  • 3.5 多传感器集成方案
  • 3.6 车道检测系统评估标准
  • 3.6.1 车道检测系统性能的影响因素
  • 3.6.2 离线评估
  • 3.6.3 在线评估
  • 3.6.4 评估指标
  • 3.7 实战项目：车道检测
  • 3.7.1 概述
  • 3.7.2 车道点实例网络
  • 3.7.3 调整大小层
  • 3.7.4 相同瓶颈层
  • 3.7.5 下采样瓶颈层和上采样瓶颈层
  • 3.7.6 损失函数
  • 3.7.7 后处理方法
  • 3.7.8 实验结果
  • 3.7.9 测试部分
  • 参考文献
  • 第4章 运动规划和控制
  • 4.1 概述
  • 4.2 传统自动驾驶的规划和决策层
  • 4.2.1 路径规划
  • 4.2.2 实例：路径规划Dijkstra算法
  • 4.2.3 实例：路径规划A*算法
  • 4.2.4 行为决策
  • 4.2.5 运动规划
  • 4.2.6 实例：运动规划
  • 4.2.7 车辆控制
  • 4.2.8 实例：模型预测控制
  • 4.2.9 实例：PID控制
  • 4.3 集成感知和规划
  • 实战项目：NVIDIA的端到端自动驾驶
  • 4.4 交互行为感知和规划
  • 4.4.1 合作与互动
  • 4.4.2 博弈论方法
  • 4.4.3 概率方法
  • 4.4.4 部分可观察的马尔可夫决策过程
  • 4.4.5 基于学习的方法
  • 参考文献
  • 第5章 定位与建图
  • 5.1 SLAM问题
  • 5.1.1 基于滤波器的SLAM方法
  • 5.1.2 基于优化的SLAM方法
  • 5.2 自主驾驶的局限性
  • 5.2.1 问题的提出
  • 5.2.2 避免或减少漂移的影响
  • 5.2.3 自动驾驶SLAM的评估标准
  • 5.3 自动驾驶中的SLAM
  • 5.3.1 重新定位和回环检测
  • 5.3.2 先前构建的地图中的定位
  • 5.3.3 建立和使用未来地图
  • 5.3.4 利用当前地图资源
  • 5.4 自动驾驶中的地图表示
  • 5.4.1 公制地图模型
  • 5.4.2 语义地图模型
  • 参考文献
  • 第6章 自动驾驶仿真器
  • 6.1 最新的仿真器
  • 6.1.1 AirSim
  • 6.1.2 Apollo
  • 6.1.3 CARLA
  • 6.1.4 Udacity AV Simulator
  • 6.1.5 Deep Traffic
  • 6.2 仿真器实战：CARLA
  • 6.2.1 仿真引擎
  • 6.2.2 使用CARLA评估自动驾驶方法
  • 参考文献
  • 第7章 自动驾驶芯片
  • 7.1 Mobileye EyeQ
  • 7.2 NVIDIA
  • 7.2.1 NVIDIA DRIVE AGX开发者套件
  • 7.2.2 NVIDIA DRIVE软件
  • 7.3 TI Jacinto TDAx
  • 7.4 实战项目：360度环景系统与自动停车系统
  • 7.4.1 自动停车与停车辅助系统
  • 7.4.2 使用Jacinto TDA4VM处理器系列应对环视和自动停车的挑战
  • 7.4.3 Jacinto TDA4VM SoC
  • 7.5 Qualcomm
  • 7.6 NXP
  • 7.7 Xilinx Zynq-7000
  • 7.8 Synopsys
  • 第8章 深度学习模型优化
  • 8.1 模型压缩和加速
  • 8.1.1 参数修剪和共享
  • 8.1.2 低秩分解
  • 8.1.3 转移/紧凑卷积滤波器
  • 8.1.4 知识蒸馏
  • 8.2 AI模型效率工具包
  • 8.2.1 大规模节能AI
  • 8.2.2 通过合作推进AI模型效率的研究
  • 8.3 未来研究展望
  • 参考文献
  • 第9章 深度学习芯片设计
  • 9.1 概述
  • 9.2 在CPU和GPU平台上加速内核计算
  • 9.3 中科院计算所的深度学习芯片系列
  • 9.3.1 卷积神经网络简介
  • 9.3.2 DaDianNao
  • 9.3.3 ShiDianNao
  • 9.3.4 寒武纪Cambricon-X
  • 9.4 麻省理工学院的Eyeriss系列
  • 9.4.1 卷积神经网络基本知识
  • 9.4.2 Eyeriss
  • 9.4.3 Eyeriss v2
  • 9.5 谷歌的TPU芯片
  • 9.5.1 TPU v1
  • 9.5.2 TPU指令集
  • 9.5.3 TPU的心脏：脉动阵列
  • 9.5.4 TPU v2/v3
  • 9.5.5 软件架构
  • 9.6 近内存计算
  • 9.6.1 DRAM
  • 9.6.2 SRAM
  • 9.6.3 非易失性电阻存储器
  • 9.6.4 传感器
  • 9.7 DNN硬件的指标
  • 参考文献
  • 第10章 自动驾驶SoC设计
  • 10.1 自动驾驶SoC设计流程
  • 10.2 TI的Jacinto SoC平台
  • 10.3 Jacinto 7处理器的功能安全特性
  • 10.3.1 功能安全
  • 10.3.2 软件功能安全
  • 10.3.3 安全应用部署
  • 10.4 具有DNN和ISP的符合安全标准的多核SoC设计
  • 10.4.1 ADAS图像识别SoC
  • 10.4.2 DNN加速器
  • 10.4.3 具有安全BIST控制器的ISP
  • 10.5 实例：NVIDIA深度学习加速器
  • 10.5.1 NVDLA介绍
  • 10.5.2 FireSim
  • 10.5.3 NVDLA集成
  • 10.5.4 性能分析
  • 参考文献
  • 第11章 自动驾驶操作系统
  • 11.1 概述
  • 11.2 开源自动驾驶操作系统
  • 11.2.1 Linux RTOS
  • 11.2.2 ROS中间件
  • 11.3 使用开源软件开发自动驾驶技术的公司
  • 11.3.1 百度
  • 11.3.2 宝马
  • 11.3.3 Voyage
  • 11.3.4 Tier IV
  • 11.3.5 PolySync
  • 11.3.6 Perrone Robotics
  • 11.4 汽车硬实时操作系统和框架
  • 11.4.1 BlackBerry QNX
  • 11.4.2 EB robinos和EB corbos
  • 11.4.3 Integrity RTOS
  • 11.4.4 NVIDIA DriveWorks SDK
  • 11.5 总结
  • 第12章 自动驾驶软件架构
  • 12.1 概述
  • 12.2 基于ISO 26262的软件开发
  • 12.2.1 ISO 26262简介
  • 12.2.2 Synopsys软件产品组合
  • 12.2.3 ASIL
  • 12.2.4 软件架构设计
  • 12.2.5 软件单元设计与实现
  • 12.2.6 软件单元测试
  • 12.3 基于SAE J3016的组件架构设计
  • 12.3.1 功能组件
  • 12.3.2 AUTOSAR
  • 12.4 自动驾驶汽车的架构设计与实现
  • 12.4.1 硬件框架
  • 12.4.2 软件系统架构
  • 12.4.3 数据传输模块
  • 12.4.4 自动驾驶测试报告
  • 参考文献
  • 第13章 5G C-V2X简介
  • 13.1 移动车联网
  • 13.2 C-V2X如何改变驾驶
  • 13.2.1 避免碰撞
  • 13.2.2 车队行驶
  • 13.2.3 协作驾驶
  • 13.2.4 队列警告
  • 13.2.5 保护弱势道路使用者
  • 13.2.6 支持应急服务
  • 13.2.7 危险提前警告
  • 13.2.8 越来越多的自动驾驶
  • 13.3 C-V2X的优势
  • 13.4 C-V2X的工作原理
  • 13.4.1 直接通信
  • 13.4.2 网络通信
  • 13.4.3 5G如何改变C-V2X
  • 13.5 C-V2X部署计划
  • 13.5.1 中国引领潮流
  • 13.5.2 澳大利亚——改善道路安全
  • 13.5.3 美国——增长势头
  • 13.5.4 欧洲——广泛支持
  • 13.6 总结
展开全部

评分及书评

3.8
5个评分
  • 用户头像
    给这本书评了
    5.0
    自动驾驶算法与芯片

    本书全面介绍了 自动驾驶车辆所需要具备的能力，从软件层面（软件架构与系统架构）和硬件层面 (芯片设计和芯片性能)，以及从算法层面（环境感知，定位与建图，规划与控制等算法设计与案例）和计算层面。另外，本书也分析了当前需要面临的问题和挑战。也预测了技术发展的趋势。

      转发
      评论

    出版方

    电子工业出版社

    电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。