新書推薦：
《
机器与主权（许煜政治技术论，“递归三部曲”终篇）
》
售價：NT$
429
《
高句丽简史
》
售價：NT$
176
《
金钱心理学 （全新增订版）
》
售價：NT$
300
《
最后一件大事
》
售價：NT$
296
《
镜鉴日本：日本经济的经验与教训
》
售價：NT$
403
《
资产配置行动指南
》
售價：NT$
296
《
书籍的社会史-中华帝国晚期的书籍与士人文化（第二版）
》
售價：NT$
403
《
活出主体性
》
售價：NT$
352
|
| 編輯推薦： |
《AI汽车：纯视觉自动驾驶》 上海交通大学青年学者领衔编写，揭秘纯视觉自动驾驶核心技术
核心亮点：
? 权威团队：由上海交通大学自动化与感知学院钱烨强教授领衔，多位深耕智能驾驶、计算机视觉领域的青年学者共同编写，融合前沿科研与工程实践经验
? 技术前沿：系统梳理纯视觉自动驾驶从基础理论到核心算法的完整技术体系，涵盖视觉传感器标定、目标检测跟踪、全景建模、行为理解等关键技术
? 产业落地：深入解析无图模式、自动化矢量地图构建、环境重建与仿真等工程实践，助力快速了解产业现状
? 内容体系：8章层层递进，从高精地图到无图模式演变、视觉传感器妙用、目标检测跟踪、全景建模、行为理解、矢量地图构建、场景仿真到未来展望，构建完整知识框架
适合人群：
? 自动驾驶领域研究人员、工程师、行业从业者
? 计算机视觉、人工智能相关专业学生
? 智能驾驶技术爱好者、产品设计师
|
| 內容簡介： |
本书围绕纯视觉自动驾驶技术的前沿发展，逐层深入，探讨技术背景、应用细节及未来趋势。具体而言，书中首先介绍了高精地图与无图模式的概念、演变过程以及它们在自动驾驶中的核心应用。随后，书中详细讲解了视觉传感器的选型与校准、目标检测与跟踪技术、全景建模与环境理解的基本原理。在此基础上，本书沿着自动驾驶技术的开发路线，重点阐述了数据采集与管理、算法模型训练、感知软件开发、场景开发及测试流程的优化。书中还围绕行为理解与世界模型的构建、自动化矢量地图的构建方法，以及环境重建的基本方法展开，强调这些技术在实际应用中的重要性和相互关联性。此外，书中提供了相关工具和实际案例介绍，帮助读者将理论知识转化为实践能力。最后，书中展望了纯视觉自动驾驶技术的未来发展趋势，探讨当前技术面临的挑战以及需要解决的问题。
本书适合对自动驾驶技术及相关领域感兴趣的读者，无论是开发者、研究人员、设计师，还是刚刚入门的学生均能从书中获益。同时，对于具备相关知识背景的行业从业者，本书也提供了深入学习和实践的有力支持。
|
| 關於作者： |
|
钱烨强，上海交通大学电信学院自动化系长聘教轨副教授、博士生导师。围绕智能车感知与导航技术近5年发表学术论文30余篇，IEEE Trans系列长文10余篇。获得SAA最佳博士学位论文，全国博士后创新创业大赛银奖、上海市技术发明一等奖（参与人）等多个奖项。主持国自然科学基金面上项目、国家自然科学基金青年项目、中国博士后基金面上项目、上海市超级博士后激励资助计划等多个项目。担任中国指挥与控制学会智能指挥与控制系统工程专委会常务委员，担任IEEE IROS 2024和2023的编委和上海交通大学学报英文版的客座编辑。
|
| 目錄：
|
前 言
第1 章
从高精地图到无图模式的自动驾驶技术演变
1.1 地图的魔力：自动驾驶的起点 / 001
1.1.1 昔日辉煌：自动驾驶的有图时代 / 001
1.1.2 双刃剑的舞动：高精地图的弊端 / 005
1.2 从依赖到独立：无图模式的挑战 / 011
1.2.1 背景驱动：从地图依赖到无图探索 / 012
1.2.2 核心支撑：实现无图的关键技术 / 014
1.2.3 产业观察：无图方案的发展现状 / 016
1.2.4 隐忧与瓶颈：落地过程中的主要挑战 / 019
1.2.5 新机与潜能：无图方案的应用前景 / 021
第2 章
洞悉自动驾驶之眼：摄像头的妙用与精调
2.1 视觉传感器的种类与原理 / 025
2.1.1 单目摄像头：最基础的视觉感知 / 025
2.1.2 双目与多目摄像头：立体视觉的实现 / 027
2.1.3 全景摄像头：360°无死角的视界 / 030
2.2 视觉传感器的安装与布局 / 032
2.2.1 合理的传感器布局策略 / 032
2.2.2 传感器视角的优化与覆盖 / 035
2.3 视觉传感器的校准技术 / 037
2.3.1 外参校准：确定传感器的相对位置 / 037
2.3.2 内参校准：提升摄像头的感知精度 / 040
2.4 让摄像头看得更清楚：数据优化的秘密 / 042
2.4.1 除去“噪声”的图像清理术 / 042
2.4.2 多只“眼睛”的协作：视角合成与融合 / 045
2.4.3 鸟瞰图：为车装上“上帝视角” / 046
2.5 未来的摄像头：更聪明、更强大 / 049
2.5.1 分辨率越高越好吗 / 049
2.5.2 “自我学习”的摄像头 / 051
2.5.3 AI 赋能的“超级视角” / 054
第3 章
目标检测与目标跟踪
3.1 感知任务中的基础与关键角色 / 056
3.1.1 核心功能：从视觉输入到目标与轨迹的构建 / 057
3.1.2 价值与意义：安全驾驶的基石与鲁棒性的保障 / 059
3.2 目标检测：理解道路与参与者 / 061
3.2.1 道路与规则要素：车道线、路缘、交通标志与信号灯 / 062
3.2.2 交通参与者：车辆、行人、骑行体 / 067
3.2.3 异常与低频目标：施工设施、落物、动物等 / 070
3.3 目标跟踪：稳定的时序感知 / 071
3.3.1 从检测到轨迹：多目标跟踪与轨迹生成 / 072
3.3.2 稳定性挑战：遮挡恢复、身份一致性与轨迹管理 / 074
3.3.3 实时性挑战：视觉目标跟踪的效率与算力优化 / 077
3.4 方法进展与融合方向 / 079
3.4.1 模型演进：大模型驱动的感知范式 / 079
3.4.2 感知与规划的衔接：端到端与一体化趋势 / 082
第4 章
全景建模与环境理解
4.1 占用网络：开启环境理解的新视野 / 086
4.1.1 从二维视角到全局感知 / 086
4.1.2 感知赋能：占用网络在智能感知中的角色 / 090
4.2 数据生成：构建智能的“基础原料” / 093
4.2.1 数据采集：真值构建的核心材料 / 093
4.2.2 数据生成流程揭秘：数据的“炼金术” / 098
4.2.3 精度指标：如何衡量我们的模型性能？ / 105
4.3 模型进化：智能理解的“多样化路径” / 107
4.3.1 占用网络模型：三维特征表达的多样性 / 107
4.3.2 轻量化与稀疏化方案：实现高效推理的秘诀 / 110
4.3.3 自监督学习方案：模型自主学习的探索之旅 / 115
第5 章
行为理解与预测：自动驾驶的演绎推理
5.1 像人类驾驶人一样思考 / 119
5.1.1 人类驾驶人的核心能力 / 120
5.1.2 自动驾驶如何具备推理能力 / 122
5.2 理解环境中的交通参与者：行为预测 / 124
5.2.1 感知与规划的桥梁：预测算法 / 126
5.2.2 从历史中学习：时空信息建模 / 128
5.2.3 行为预测的前景与挑战 / 131
5.3 场景理解 / 131
5.3.1 从感知到理解：场景解析的背景 / 132
5.3.2 方法与路径：当前场景理解技术 / 134
5.3.3 迈向未来：场景理解的机遇与挑战 / 139
5.4 推演未来：世界模型 / 140
5.4.1 自动驾驶中的世界模型 / 140
5.4.2 生成式AI：如何创造未来世界 / 142
5.4.3 自动驾驶中的世界模型 / 145
第6 章
自动化矢量地图构建
6.1 驶向无图时代：感知矢量构图的崛起 / 147
6.1.1 感知为先：无图时代的重要性 / 148
6.1.2 赋能应用：无图感知的实践场景 / 151
6.1.3 技术沉淀：传统高精地图的发展 / 155
6.1.4 轻量化演进：局部高精矢量地图 / 157
6.2 技术引擎：揭开主流矢量构建框架的面纱 / 159
6.2.1 端到端理念：矢量构图网络概述 / 159
6.2.2 核心方案：主流端到端框架解析 / 161
6.2.3 多元探索：其他框架的矢量构建方法 / 164
6.3 如何给局部矢量构图网络“打分” / 166
6.3.1 数据基础：常用数据集 / 166
6.3.2 评测体系：核心评价指标 / 169
6.3.3 对比分析：常见基准的表现 / 171
6.3.4 细分评测：含中心线基准的表现 / 173
6.4 未来探索：挑战与机遇的交汇点 / 175
6.4.1 难题解码：局部矢量地图构建的挑战 / 175
6.4.2 未来之光：局部矢量构图的机遇探索 / 177
第7 章
驾驶仿真与模型重建渲染
7.1 驾驶仿真：从虚拟到现实的旅程 / 179
7.1.1 机器人与仿真：萌芽于虚拟的技术 / 180
7.1.2 自动驾驶仿真器：幕后英雄的功能与设计 / 182
7.1.3 Sim2Real：虚拟驾驶如何加速真实上路 / 185
7.2 三维重建：为自动驾驶“重现”世界 / 188
7.2.1 传统建模：手工的数字场景复刻 / 188
7.2.2 自动化三维重建：看懂三维世界的算法 / 190
7.2.3 智能重建：基于深度学习构建环境 / 195
7.3 新视角合成渲染：赋予驾驶场景新的生命 / 199
7.3.1 NeRF 与3DGS：重塑视野的双剑 / 199
7.3.2 未来展望：重建渲染的无限可能 / 205
第8 章
当前挑战和未来展望
8.1 目前自动驾驶中的“路障”：问题与挑战 / 207
8.1.1 简单与复杂：纯视觉技术不能解决的情况 / 207
8.1.2 有限与无限：训练数据不足和硬件成本的限制 / 210
8.1.3 矛盾与统一：不同制度和政策带来的问题 / 212
8.2 自动驾驶的“突破之道”：解决方案与协作策略 / 212
8.2.1 硬件与软件的突破：提升视觉系统的适应性和精确度 / 213
8.2.2 数据支持与成本控制：丰富模型训练数据并降低自动驾驶系统成本 / 215
8.2.3 协调与引导：推动制度与政策的规范化建设 / 217
8.3 未来自动驾驶的“蓝图”：愿景与创新发展 / 218
参考文献
|
| 內容試閱：
|
在科技迅猛发展的今天，人工智能正以前所未有的速度重塑我们的世界，而自动驾驶无疑是其中最引人瞩目的前沿技术之一。过去十年，自动驾驶技术经历了从科幻设想到现实落地的跨越式发展，全球各大科技公司和车企竞相投入这一领域，推动智能驾驶技术不断演进。目前，大多数自动驾驶系统依赖多传感器融合方案，包括摄像头、激光雷达和毫米波雷达等，以确保车辆具备精确的环境感知能力。然而，这种方案虽在感知精度方面表现卓越，却因高昂的设备成本和复杂的计算架构，导致其大规模普及面临巨大挑战。
与之相对，一种更具潜力、更具推广价值的自动驾驶技术正在快速崛起——纯视觉自动驾驶。该技术通过摄像头获取视觉信息，结合深度学习和计算机视觉算法，使车辆具备环境感知、路径规划与自主决策的能力。相较于多传感器融合方案，纯视觉方案在硬件成本、系统部署、计算效率等方面具有显著优势，因此备受研究者和产业界的关注，有望成为未来自动驾驶大规模商业化落地的关键技术路径。
基于此背景，作者团队编写了本书，旨在全面、系统地梳理纯视觉自动驾驶的关键技术与最新研究进展，从基础理论到核心算法，从工程实践到实际应用，帮助读者深入理解并掌握纯视觉自动驾驶的核心知识，推动该技术在产业中的快速落地。本书内容兼顾理论性与工程实践，希望能够为研究人员、工程师及行业从业者提供参考和指导，激发更多创新思考与实践探索。
本书的结构设置遵循由浅入深、层层递进的逻辑框架，共分为8 章，涵盖了纯视觉自动驾驶的核心技术及应用。第1 章回顾了自动驾驶技术的发展脉络，重点解析了从依赖高精地图到无图模式的技术演变；第2 章介绍了视觉传感器的选型与标定技术，为车辆获取高质量环境信息奠定基础；第3 章系统讲解了目标检测与跟踪算法，使车辆具备实时感知周围目标的能力；第4 章围绕全景建模与环境理解展开，探讨三维重建、语义分割等关键技术；第5 章关注行为理解与世界模型，研究车辆如何对动态环境进行预测并辅助决策；第6 章深入解析自动化矢量地图构建技术，为无图模式下的路径规划和环境认知提供支持；第7 章聚焦环境重建与场景仿真，通过高保真场景重建和仿真测试提升算法的可靠性；第8 章总结了当前纯视觉自动驾驶面临的挑战，并探讨未来发展趋势和潜在机遇。
本书由上海交通大学自动化与感知学院的研究人员与学者共同编写，主编钱烨强长期深耕智能驾驶、计算机视觉与人工智能领域，具有丰富的科研与工程经验，负责全书的选题策划、内容把控及统筹修订工作。副主编孙玥负责全书的内容整理和修改修订工作。各位作者均在各自研究领域具有深厚的理论积累与丰富的研究基础，力求以通俗易懂、深入浅出的方式向读者呈现纯视觉自动驾驶的核心内容与前沿进展。
在本书编写过程中，我们得到了杨明教授主持的上海交通大学智能车实验室的多方面支持，特此表示衷心感谢。同时，我们也感谢在智能驾驶领域不断探索的研究人员和工程师们，正是他们的不懈努力，推动了纯视觉自动驾驶技术的快速发展与产业落地。
当前，随着深度学习、计算机视觉和传感器硬件技术的不断演进，纯视觉自动驾驶正朝着更高感知能力、更强决策能力和更低部署成本的方向快速发展。我们相信，随着技术瓶颈的逐步突破和算法模型的持续优化，纯视觉自动驾驶将成为未来智能出行的核心力量。希望本书能为更多研究人员、工程师及行业从业者提供启发和助力，共同推动纯视觉自动驾驶技术迈向规模化应用的新时代，让我们一起见证人工智能驱动的未来交通变革！
作者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
