自主車輛感知、建圖和目標跟蹤技術
編著蔡自興、李儀等
出版社：北京：科學出版社
出版時間：2019
內容簡介
智能車輛在行駛過程中對外部環境的感知、建圖以及目標跟蹤是國際前沿研究課題，也是智能車輛開發研究的一個熱點與難點問題。智能車輛借助傳感器及其相應技術感知環境和自身狀態，通過視覺和多傳感器系統實現目標跟蹤、車輛智能系統的協同工作、聯合標定與自定位，憑借故障診斷技術來估計修正傳感器錯誤，保障與提高系統的可靠性，從而完成預定任務。確定性和結構化環境中的智能車輛駕駛技術與方法已取得大量的研究與應用成果，在，但在未知環境中智能駕駛的環境感知、建圖、目標跟蹤、姿態估計、故障診斷等方面仍然存在諸多關鍵問題有待解決與完善。
本書是國家自然科學基金項目重大專項《高速公路車輛智能駕駛中的關鍵科學問題研究》（批準號90820302）子項目的研究的部分成果，重點介紹了智能感知、環境建圖、運動跟蹤、異常診斷等在理論和方法上取得的進展，意在推動認知科學、模式識別、目標跟蹤控制等學科的前沿問題研究。無人駕駛技術、尤其是智能車輛的研究在國內外正在如火如荼的展開，從美國國防部高級研究計劃局（DARPA）研究計劃到國內自然科學基金的重點支持項目，從Google、斯坦福大學、CMU到國內各大汽車廠商、研究機構對無人駕駛技術大力研究開發，可以看出無人駕駛技術是未來科技的一個重要發展方向。本書的研究成果不僅可以對交通、軍事、航天、海洋等領域無人駕駛系統的開發研究提供了新的設計理論和技術，也可以對移動機器人的自主導航提供一些新的研究思路。本成果總體上已達國際先進水平，部分成果已達國際領先水平。
全書主要包括7個方面：交通信號檢測與識別技術、圖像去霧算法及其應用、激光雷達建圖與車輛狀態估計、多傳感器系統的協同機制和自定位、基于視覺的目標跟蹤技術、多外傳感器聯合標定技術、慣性導航傳感器異常診斷技術。本書重點集中在對外部環境主要是交通信號（交通標志牌、交通信號燈、人行橫道與停止線）的檢測與識別、雨霧天圖像清晰化、車輛狀態參數估計、多傳感器系統自定位，激光雷達與攝像頭的聯合標定技術、融合多增量外觀模型的目標跟蹤方法，以及冗余傳感器的故障檢測與診斷等。
與國外已經出版的同類書籍比較，本書具有下列特色：
1．學術思想新穎，反映國內外智能車輛感知、建圖以及目標跟蹤研究的最新進展。
2．內容全面翔實，幾乎包括了智能車輛感知、建圖以及目標跟蹤的主要研究方面。
3．理論聯系實際，核心內容體現了作者具有理論創新的科研實踐成果。
4．主編和主要作者具有豐富的編寫經驗，書稿結構嚴謹，深入淺出，可讀性好。
目錄
前言
第一章 緒論
1.1 智能車輛的定義及研究意義
1.1.1 智能車輛的定義
1.1.2 智能車輛研究對國民經濟和國防建設的意義
1.1.3 自主駕駛車輛與人工智能
1.2 智能車輛關鍵技術
1.2.1 感知技術
1.2.2 規劃與決策技術
1.2.3 控制技術
1.2.4 其它技術
1.3 環境感知、目標跟蹤等關鍵技術的研究現狀
1.3.1 環境感知
1.3.2 車輛自動駕駛的目標跟蹤技術
1.3.3 其它相關技術
1.4 智能車輛的產業化及發展前景
參考文獻
第二章 交通信號檢測與識別技術
2.1 交通標志檢測算法設計
2.1.1 常見交通標志說明
2.1.2 交通標志識別算法設計框架與檢測算法
2.1.3 交通標志邊緣重構
2.1.4 感興趣區域形狀標記圖提取與匹配
2.1.5 交通標志牌檢測算法性能
2.2 交通標志識別算法設計
2.2.1 二元樹復小波變換特征提取
2.2.2 交通標志二元樹復小波特征降維
2.2.3 交通標志識別與分類算法
2.2.4 內部圖形提取和匹配
2.2.5 交通標志分類結果融合
2.3.6 交通標志牌識別算法性能
2.3 交通信號燈檢測算法設計
2.3.1 基于明暗信息的交通信號燈區域提取
2.3.2 圓形交通信號燈檢測算法設計
2.3.3 箭頭形交通信號燈檢測算法設計
2.4 交通信號燈識別算法設計
2.4.1 圖像的2維Gabor小波表示
2.4.2 交通信號燈Gabor特征降維
2.4.3 交通信號燈分類
2.5 人行橫道和停止線檢測技術
2.5.1 逆透視變換
2.5.2 方向邊緣檢測器
2.5.3 人行橫道線檢測
2.5.4 停止線檢測
2.5.5 人行橫道和停止線檢測實時性分析
參考文獻
第三章 圖像去霧算法及其應用
3.1雨霧天圖像清晰化研究簡介
3.1.1雨霧天圖像清晰化的研究背景及意義
3.1.2雨霧天圖像清晰化的研究現狀
3.1.3雨霧天圖像清晰化的研究難點及問題
3.2霧天圖像、視頻的清晰化算法
3.2.1基于梯度優先規律的霧天圖像清晰化算法
3.2.2基于霧氣理論的霧天視頻清晰化算法
3.2.3霧天圖像、視頻清晰化效果的評價
3.3去霧算法在交通場景中的應用
3.3.1交通場景圖像的特點
3.3.2針對交通場景圖像的去霧算法
3.3.3去霧算法在交通場景下的相關應用
3.4雨天圖像的雨滴檢測與去除算法
3.4.1雨天圖像的雨滴特性
3.4.2雨天圖像的雨滴檢測
3.4.3雨天圖像的雨滴去除
3.5 小結
參考文獻
第四章 激光雷達建圖與車輛狀態估計
4.1 SLAM中基于局部地圖的混合數據關聯方法
4.1.1 SLAM中的數據關聯問題
4.1.2 基于局部地圖的混合數據關聯方法
4.1.3 實驗結果及分析
4.2動態障礙處理方法及動態環境下SLAM的實現
4.2.1 動態目標檢測技術
4.2.2 基于激光的時空關聯動態目標檢測
4.2.3 基于聲納和攝像頭的動態環境地圖創建
4.3 SLAMiDE系統及實現
4.3.1 問題描述
4.3.2 SLAMiDE系統設計
4.3.3 目標模型的設計
4.3.4 SLAMiDE系統的實現
4.3.5 實驗分析
4.4行駛車輛的狀態估計和軟測量
4.4.1汽車運動學深入建模
4.4.2車輛狀態參數計算模型
4.4.3橫向操作穩定性與汽車行駛參數
4.4.4非完整性約束下的汽車行駛狀態估計
4.5車輛狀態參數測試試驗與分析
4.5.1路況較好情況下的試驗
4.5.2路況較差情況下的試驗
參考文獻
第5章 多傳感器系統的協同機制和自定位
5.1多傳感器系統的數據預處理
5.1.1 節點獨立位置估計
5.1.2 基于熵的不確定性橢球
5.1.3測量信息一致度模型
5.1.4基于極大熵博弈的測量數據選擇
5.2多傳感器系統的路由策略
5.2.1 AODV算法簡介
5.2.2 OMNeT++平臺簡介
5.3多傳感器系統網絡協同機制
5.3.1能量消耗模型
5.3.2剩余能量平衡模型
5.3.3跟蹤精度模型
5.4多傳感器系統的自定位
5.4.1三邊測量法
5.4.2多邊測量法
5.4.3 Min-Max法
5.4.4三點幾何法
參考文獻
第六章 基于視覺的目標跟蹤
6.1基于時序特性的增量PCA目標跟蹤方法
6.1.1增量PCA簡介
6.1.2基于增量PCA目標跟蹤方法簡介
6.1.3時序特性的觀測模型
6.1.4特征子空間模型的更新
6.1.5基于時序特性的增量PCA目標跟蹤方法
6.2基于多級字典稀疏表達的目標跟蹤方法
6.2.1基于稀疏表達的目標跟蹤簡介
6.2.2多級目標模板字典的更新策略
6.3融合多增量外觀模型的目標跟蹤方法
6.3.1基于多實例度量學習的跟蹤方法MIML簡介
6.3.2融合多增量外觀模型的目標跟蹤方法
6.4實驗結果與分析
6.4.1跟蹤結果的定性比較
6.4.2跟蹤誤差的定量比較與分析
參考文獻
第七章 多外傳感器聯合標定技術
7.1 概述
7.2基于運動物體檢測的MMW雷達與CCD相機的標定
7.2.1 毫米波雷達與相機平面之間的關系
7.2.2 基于運動檢測的圖像與雷達匹配數據對估計
7.2.3 實驗結果與分析
7.3二維激光雷達和攝像機的標定
7.3.1基于三模板最小標定方法介紹
7.3.2基于系數矩陣二范數和多約束誤差函數的激光雷達-攝像機標定法
7.3.3實驗結果與分析
參考文獻
第八章 慣性導航傳感器異常診斷方法
8.1 GPS/INS組合定位技術研究
8.1.1 組合方式與狀態方程
8.1.2 組合系統量測方程
8.1.3 GPS失效狀態下的補償算法
8.1.4 車輛定位數據的地圖匹配
8.2 冗余傳感器的故障檢測與診斷
8.2.1 硬件冗余傳感器的故障診斷
8.2.2 不同精度冗余傳感器故障診斷
8.2.3 基于多尺度卡爾曼濾波的故障診斷方法
8.2.4 組合導航的故障檢測
8.3 變點檢測及其在組合導航系統中的應用
8.3.1傳感器故障診斷與故障檢測
8.3.2 基于變長掃描模型的變點檢測
8.3.3變點檢測算法性能測試
8.3.4 變點檢測在GPS/INS組合導航系統中的應用
參考文獻
索引
