MATLAB自動駕駛函數(shù)及應(yīng)用
定 價：78 元
- 作者：崔勝民 編
- 出版時間：2020/9/1
- ISBN：9787122373236
- 出 版 社：化學(xué)工業(yè)出版社
- 中圖法分類：U463.61
- 頁碼：196
- 紙張：膠版紙
- 版次：1
- 開本：16開
《MATLAB自動駕駛函數(shù)及應(yīng)用》詳細(xì)介紹了MATLAB用于汽車自動駕駛仿真的函數(shù)及應(yīng)用，涵蓋駕駛場景、鳥瞰圖、環(huán)境感知、路徑規(guī)劃和目標(biāo)跟蹤共125個函數(shù)，每個函數(shù)都給出了應(yīng)用實(shí)例。書中所涉及的實(shí)例，都提供了原程序，并對程序進(jìn)行了注釋，方便讀者快速理解和掌握。
本書內(nèi)容豐富，圖文并茂，通俗易懂，實(shí)用性強(qiáng)，可作為從事自動駕駛及智能網(wǎng)聯(lián)汽車開發(fā)的工程技術(shù)人員及相關(guān)專業(yè)的本科生、研究生的參考用書，也可供MATLAB應(yīng)用愛好者閱讀學(xué)習(xí)。
★書中包含自動駕駛仿真的基礎(chǔ)操作：駕駛場景、鳥瞰圖、環(huán)境感知、路徑規(guī)劃；
★詳細(xì)介紹了MATLAB自動駕駛仿真的125個函數(shù)；
★每個MATLAB函數(shù)都有應(yīng)用實(shí)例，每個實(shí)例都有原程序，每個原程序都有注釋；
★6個綜合實(shí)例，將前面所講知識綜合應(yīng)用于自動駕駛仿真技術(shù)中。
智能網(wǎng)聯(lián)汽車的發(fā)展已經(jīng)進(jìn)入快速發(fā)展時期，無論是汽車企業(yè)，還是學(xué)校的汽車人才培養(yǎng)，都面臨轉(zhuǎn)型升級。作為智能網(wǎng)聯(lián)汽車開發(fā)的重要工具——基于場景的自動駕駛仿真技術(shù)也將得到快速發(fā)展。
本書全面系統(tǒng)地介紹了MATLAB自動駕駛函數(shù)及應(yīng)用。全書共分6章：第1章介紹了創(chuàng)建駕駛場景方面的25個函數(shù)，通過這些函數(shù)，可以根據(jù)需要建立不同的駕駛場景，它是汽車自動駕駛仿真的基礎(chǔ)；第2章介紹了鳥瞰圖方面的18個函數(shù)，鳥瞰圖是MATLAB研究汽車自動駕駛仿真的新方法，實(shí)現(xiàn)仿真可視化；第3章介紹了環(huán)境感知方面的40個函數(shù)，涉及視覺傳感器和雷達(dá)的檢測和數(shù)據(jù)處理，以及道路識別、車輛識別、行人識別和交通標(biāo)志識別等；第4章介紹了路徑規(guī)劃方面的13個函數(shù)，MATLAB提出利用車輛成本圖進(jìn)行路徑規(guī)劃的方法；第5章介紹了目標(biāo)跟蹤方面的29個函數(shù)，主要利用卡爾曼濾波進(jìn)行目標(biāo)跟蹤；第6章介紹了這些函數(shù)的綜合應(yīng)用實(shí)例，涉及汽車自動行駛路線仿真、自動駕駛場景仿真、汽車前向碰撞仿真、汽車自動避障仿真、基于視覺傳感器的多車輛檢測和跟蹤、基于激光雷達(dá)的地面和障礙物檢測。
在本書編寫過程中，主要參考了MATLAB官方網(wǎng)站的公開資料，特向其表示謝意。
由于自動駕駛仿真是一門新技術(shù)，自動駕駛函數(shù)又是MATLAB新推出的， 而且采用了一些新技術(shù)和新方法，有些專用英文詞匯與中文詞匯難以匹配，翻譯成中文不一定非常準(zhǔn)確，再加上編者學(xué)識有限，書中不足之處在所難免，懇盼讀者給予指正。
編 者
崔勝民，哈爾濱工業(yè)大學(xué)（威海），教授，主要研究方向是汽車系統(tǒng)動力學(xué)與控制、新能源汽車技術(shù)和特種車輛等，主持完成各類科研項目20余項，發(fā)表論文60余篇，培養(yǎng)各類研究生120余人，編著有《新能源汽車技術(shù)解析》《現(xiàn)代汽車技術(shù)解析》《智能網(wǎng)聯(lián)汽車新技術(shù)》《智能網(wǎng)聯(lián)汽車先進(jìn)駕駛輔助系統(tǒng)關(guān)鍵技術(shù)》《一本書讀懂新能源汽車》《一本書讀懂智能網(wǎng)聯(lián)汽車》《基于MATLAB的車輛工程仿真實(shí)例》《基于MATLAB的新能源汽車仿真實(shí)例》《MATLAB編程與汽車仿真應(yīng)用》等多本圖書。
第1章 駕駛場景 / 1
1.1 drivingScenario：創(chuàng)建駕駛場景 2
1.2 plot：繪制駕駛場景 3
1.3 road：添加道路 4
1.4 roadNetwork：添加道路網(wǎng) 5
1.5 roadBoundaries：道路邊界 6
1.6 laneMarking：車道標(biāo)線 8
1.7 laneMarkingVertices：車道標(biāo)線頂點(diǎn) 10
1.8 laneType：車道類型 12
1.9 lanespec：車道規(guī)范 13
1.10 vehicle：添加車輛 14
1.11 actor：添加交通參與者 17
1.12 trajectory：交通參與者軌跡 19
1.13 actorPoses：交通參與者姿態(tài) 20
1.14 actorProfiles：交通參與者特性 22
1.15 currentLane：當(dāng)前車道 23
1.16 record：交通參與者狀態(tài)記錄 25
1.17 chasePlot：繪制追逐圖 26
1.18 laneBoundaries：車道邊界 28
1.19 clothoidLaneBoundary：回旋線車道邊界模型 31
1.20 computeBoundaryModel：計算車道邊界點(diǎn) 33
1.21 targetPoses：目標(biāo)姿態(tài) 34
1.22 targetOutlines：目標(biāo)輪廓 35
1.23 updatePlots：更新駕駛場景圖 37
1.24 radarDetectionGenerator：雷達(dá)檢測器 38
1.25 visionDetetionGenerator：視覺檢測器 41
第2章 鳥瞰圖 / 45
2.1 birdsEyePlot：創(chuàng)建鳥瞰圖 46
2.2 coverageAreaPlotter：覆蓋區(qū)繪圖儀 47
2.3 plotCoverageArea：繪制覆蓋區(qū) 48
2.4 detectionPlotter：檢測繪圖儀 49
2.5 plotDetection：繪制目標(biāo)檢測 50
2.6 laneBoundaryPlotter：車道邊界繪圖儀 52
2.7 plotLaneBoundary：繪制車道邊界 53
2.8 laneMarkingPlotter：車道標(biāo)線繪圖儀 54
2.9 plotLaneMarking：繪制車道標(biāo)線 56
2.10 pathPlotter：路徑繪圖儀 58
2.11 plotPath：繪制路徑 59
2.12 trackPlotter：軌跡繪圖儀 61
2.13 plotTrack：繪制軌跡 62
2.14 outlinePlotter：輪廓繪圖儀 63
2.15 plotOutline：繪制輪廓 65
2.16 findPlotter：查找繪圖儀 66
2.17 clearPlotterData：清除繪圖儀數(shù)據(jù) 68
2.18 clearData：清除特定繪圖儀數(shù)據(jù) 69
第3章 環(huán)境感知 / 71
3.1 monoCamera：配置單目攝像機(jī) 72
3.2 imageToVehicle：圖像坐標(biāo)轉(zhuǎn)換為車輛坐標(biāo) 73
3.3 vehicleToImage：車輛坐標(biāo)轉(zhuǎn)換為圖像坐標(biāo) 75
3.4 estimateMonoCameraParameters：單目攝像機(jī)外部參數(shù) 75
3.5 birdsEyeview：利用逆透視變換創(chuàng)建鳥瞰圖對象 77
3.6 transformImage：將圖像轉(zhuǎn)換為鳥瞰圖像 78
3.7 imageToVehicle：將鳥瞰圖像坐標(biāo)轉(zhuǎn)換為車輛坐標(biāo) 79
3.8 vehicleToImage：將車輛坐標(biāo)轉(zhuǎn)換為鳥瞰圖像坐標(biāo) 81
3.9 segmentLaneMarkerRidge：檢測灰度圖像中的車道 82
3.10 parabolicLaneBoundary：拋物線車道邊界模型 83
3.11 findParabolicLaneBoundaries：用拋物線模型尋找車道邊界 84
3.12 insertLaneBoundary：在圖像中插入車道邊界 86
3.13 cubicLaneBoundaryModel：三次方車道邊界模型 87
3.14 findCubicLaneBoundaries：用三次方模型尋找車道邊界 88
3.15 computeBoundaryModel：求車道邊界坐標(biāo)值 90
3.16 evaluateLaneBoundaries：評價車道邊界模型 91
3.17 vehicleDetectorACF： ACF車輛檢測器 92
3.18 detect： ACF目標(biāo)檢測 93
3.19 vehicleDetectorFasterRCNN： RCNN車輛檢測器 95
3.20 peopleDetectorACF： ACF行人檢測器 96
3.21 vision.PeopleDetector：基于HOG特征檢測行人 98
3.22 configureDetectorMonoCamera：單目攝像機(jī)目標(biāo)檢測器 99
3.23 trainACFObjecDetector：訓(xùn)練ACF目標(biāo)檢測器 101
3.24 trainFastRCNNObjectDetector：訓(xùn)練RCNN目標(biāo)檢測器 103
3.25 trainFasterRCNNObjectDetector：訓(xùn)練更快的RCNN目標(biāo)檢測器 105
3.26 trainYOLO v2ObjectDetector：訓(xùn)練YOLO v2目標(biāo)檢測器 106
3.27 objecDetectorTrainingData：目標(biāo)檢測器訓(xùn)練數(shù)據(jù) 108
3.28 insertMarker：插入標(biāo)記 109
3.29 pointCloud：創(chuàng)建三維點(diǎn)云 110
3.30 pcdenoise：去除三維點(diǎn)云噪聲 112
3.31 pcmerge：合并三維點(diǎn)云 113
3.32 pcnormals：估計三維點(diǎn)云表面法線 114
3.33 pctransform：三維點(diǎn)云變換 115
3.34 pcregistercpd：基于CPD的三維點(diǎn)云配準(zhǔn) 117
3.35 pcregistericp：基于ICP的三維點(diǎn)云配準(zhǔn) 118
3.36 pcregisterndt：基于NDT的三維點(diǎn)云配準(zhǔn) 120
3.37 pcsegdist：基于歐幾里得的點(diǎn)云分割 121
3.38 segmentLidarData：激光雷達(dá)數(shù)據(jù)分割 123
3.39 segmentGroundFromLidarData：激光雷達(dá)數(shù)據(jù)分割地面點(diǎn) 125
3.40 pcfitplane：三維點(diǎn)云平面擬合 126
第4章 路徑規(guī)劃 / 129
4.1 vehicleCostmap：車輛成本圖 130
4.2 vehicleDimensions：車輛尺寸 132
4.3 checkFree：空閑區(qū)檢測 133
4.4 checkOccupied：占用區(qū)域檢測 134
4.5 getCosts：獲取單元格成本 136
4.6 setCosts：設(shè)置單元格成本 138
4.7 inflationCollisionChecker：碰撞檢測 139
4.8 pathPlannerRRT： RRT* 路徑規(guī)劃器 141
4.9 plan：路徑規(guī)劃 142
4.10 checkPathValidity：檢查路徑規(guī)劃的有效性 144
4.11 interpolate：沿路徑插入車輛姿態(tài) 145
4.12 smoothPathSpline：路徑平滑 146
4.13 lateralControllerStanley：橫向控制器 147
第5章 目標(biāo)跟蹤 / 149
5.1 multObjectTracker：多目標(biāo)跟蹤器 150
5.2 objectDetection：單目標(biāo)檢測報告 151
5.3 getTrackPositions：獲取跟蹤位置 152
5.4 getTrackVelocities：獲取跟蹤速度 153
5.5 trackingKF：線性卡爾曼濾波器 155
5.6 predict：卡爾曼濾波器預(yù)測 156
5.7 correct：卡爾曼濾波器校正 157
5.8 initcvkf：勻速線性卡爾曼濾波器 158
5.9 initcakf：加速線性卡爾曼濾波器 159
5.10 trackingEKF：線性擴(kuò)展卡爾曼濾波器 160
5.11 initcvekf：勻速線性擴(kuò)展卡爾曼濾波器 161
5.12 initcaekf：加速線性擴(kuò)展卡爾曼濾波器 162
5.13 initctekf：轉(zhuǎn)向線性擴(kuò)展卡爾曼濾波器 163
5.14 trackingUKF：無跡卡爾曼濾波器 164
5.15 initcvukf：勻速無跡卡爾曼濾波器 166
5.16 initcaukf：加速無跡卡爾曼濾波器 167
5.17 initctukf：轉(zhuǎn)向無跡卡爾曼濾波器 168
5.18 constvel：勻速運(yùn)動模型 169
5.19 constveljac：勻速運(yùn)動的雅可比矩陣 170
5.20 cvmeas：勻速運(yùn)動測量函數(shù) 171
5.21 cvmeasjac：勻速運(yùn)動測量函數(shù)的雅可比矩陣 172
5.22 constacc：加速運(yùn)動模型 173
5.23 constaccjac：加速運(yùn)動的雅可比矩陣 174
5.24 cameas：加速運(yùn)動測量函數(shù) 175
5.25 cameasjac：加速運(yùn)動測量函數(shù)的雅可比矩陣 176
5.26 constturn：轉(zhuǎn)向運(yùn)動模型 177
5.27 constturnjac：轉(zhuǎn)向運(yùn)動的雅可比矩陣 178
5.28 ctmeas：轉(zhuǎn)向運(yùn)動的測量函數(shù) 179
5.29 ctmeasjac：轉(zhuǎn)向運(yùn)動測量函數(shù)的雅可比矩陣 180
第6章 綜合應(yīng)用實(shí)例 / 182
6.1 汽車自動行駛路線仿真 183
6.2 駕駛場景仿真 184
6.3 汽車前向碰撞仿真 187
6.4 汽車自動避障仿真 188
6.5 基于視覺傳感器的多車輛檢測和跟蹤 190
6.6 基于激光雷達(dá)的地面和障礙物檢測 193
參考文獻(xiàn) / 196
書單推薦
