科技 类型
可以朗读 语音朗读
209千字 字数
2025-07-01 发行日期
展开全部

主编推荐语

揭示智能交通背后的核心传感逻辑。

内容简介

激光雷达作为自动驾驶汽车的核心传感器之一，在自动驾驶领域发挥着至关重要的作用。本书深度挖掘激光雷达关键技术，介绍激光雷达的原理、应用以及发展趋势。

本书共9章，包括激光雷达与自动驾驶的发展、激光雷达的基本工作原理、点云编程基础、标定、SLAM、深度学习在激光雷达中的应用等内容。本书通过深入的理论解说和实际操作示例，帮助读者轻松开发基于激光雷达的感知与定位模块。此外，本书还展望了激光雷达的发展趋势及其在汽车工业中的应用前景，为自动驾驶领域的研究和发展提供了参考依据。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 第1章 激光雷达与自动驾驶概述
  • 1.1 激光雷达与自动驾驶的概念
  • 1.1.1 什么是激光雷达
  • 1.1.2 什么是自动驾驶系统
  • 1.2 激光雷达与自动驾驶的发展
  • 1.2.1 早期的激光雷达
  • 1.2.2 激光雷达与DARPA自动驾驶挑战赛
  • 1.3 激光雷达在自动驾驶系统和高精度地图生产过程中的应用
  • 1.3.1 自动驾驶系统的基本架构
  • 1.3.2 激光雷达在自动驾驶系统中的应用
  • 1.3.3 激光雷达在高精度地图生产过程中的应用
  • 1.4 激光雷达开发环境配置
  • 参考文献
  • 第2章 激光雷达的基础知识
  • 2.1 激光雷达的基本工作原理
  • 2.1.1 激光雷达的基本结构
  • 2.1.2 激光雷达的数据
  • 2.1.3 激光雷达的回波模式
  • 2.1.4 激光雷达与人眼安全
  • 2.2 车载激光雷达的分类
  • 2.2.1 根据扫描方式分类
  • 2.2.2 根据激光波长分类
  • 2.3 激光雷达的关键性能指标和性能评估方法
  • 2.3.1 激光雷达的关键性能指标
  • 2.3.2 激光雷达的性能评估方法
  • 参考文献
  • 第3章 PCL和ROS编程基础
  • 3.1 PCL编程基础
  • 3.1.1 PCL的基本概念和数据结构
  • 3.1.2 PCD文件
  • 3.1.3 构建第一个PCL程序
  • 3.2 ROS编程基础
  • 3.2.1 ROS简介
  • 3.2.2 ROS中的基本概念
  • 3.2.3 ROS命令行的常用指令
  • 3.2.4 ROS项目的文件系统结构
  • 3.2.5 Catkin构建工具
  • 3.3 第一个PCL和ROS节点：基于体素网格滤波的降采样
  • 3.3.1 点云滤波
  • 3.3.2 ROS C++编程实践
  • 3.3.3 构建并运行项目
  • 参考文献
  • 第4章 点云平面分割、聚类和配准
  • 4.1 点云平面分割：RANSAC算法原理和Ｃ++实践
  • 4.1.1 点云分割概述
  • 4.1.2 RANSAC算法介绍
  • 4.1.3 基于RANSAC平面拟合的地面点滤除ROS实战
  • 4.2 欧几里得点云聚类算法和C++实践
  • 4.2.1 k-d树：一种用于最近邻搜索的数据结构
  • 4.2.2 欧几里得聚类方法
  • 4.2.3 点云欧几里得聚类PCL与ROS实践
  • 4.3 基于正态分布变换的点云配准
  • 4.3.1 点云配准
  • 4.3.2 NDT算法
  • 4.3.3 使用NDT算法配准两个点云
  • 参考文献
  • 第5章 激光雷达标定原理与实践
  • 5.1 坐标系变换基础与编程实践
  • 5.1.1 建图、定位和感知中的坐标系
  • 5.1.2 三维刚体变换的表征形式
  • 5.1.3 齐次变换矩阵
  • 5.1.4 Eigen编程基础
  • 5.1.5 ROS TF2编程基础
  • 5.1.6 坐标系变换编程实践
  • 5.2 多激光雷达自动标定方法与ROS实践
  • 5.2.1 多激光雷达标定和点云配准
  • 5.2.2 用于多激光雷达自动标定的样例数据包
  • 5.2.3 多激光雷达标定代码实例
  • 5.2.4 使用测试数据实践6颗激光雷达的标定
  • 5.3 激光雷达-相机联合标定ROS实践
  • 5.3.1 相机参数标定
  • 5.3.2 相机-激光雷达联合标定算法介绍
  • 5.3.3 相机-激光雷达联合标定工具构建和使用
  • 参考文献
  • 第6章 激光雷达SLAM
  • 6.1 激光雷达SLAM简介
  • 6.1.1 SLAM简介
  • 6.1.2 自动驾驶中的激光雷达SLAM
  • 6.2 LeGO-LOAM算法详解和ROS实践
  • 6.2.1 LeGO-LOAM算法简介
  • 6.2.2 LeGO-LOAM算法流程
  • 6.2.3 使用LeGO-LOAM算法构建点云地图
  • 6.3 基于Scan Context的激光雷达闭环检测方法实践
  • 6.3.1 Scan Context闭环检测方法介绍
  • 6.3.2 Scan Context闭环检测C++实例
  • 6.4 基于NDT算法的自动驾驶定位和ROS实践
  • 6.4.1 地图数据准备
  • 6.4.2 对激光雷达实时点云的降采样
  • 6.4.3 使用NDT实现高精度定位
  • 6.4.4 构建和运行NDT激光雷达定位
  • 参考文献
  • 第7章 基于深度学习的激光雷达三维目标检测
  • 7.1 点云三维目标检测概述
  • 7.1.1 三维目标检测的背景和定义
  • 7.1.2 点云三维目标检测的常用数据集和性能指标
  • 7.1.3 点云三维目标检测方法的分类
  • 7.2 基于VoxelNet的点云三维目标检测
  • 7.2.1 VoxelNet的结构
  • 7.2.2 VoxelNet的损失函数
  • 7.3 基于PointPillars的三维目标检测和实战
  • 7.3.1 PointPillars的特点
  • 7.3.2 PointPillars结构
  • 7.3.3 训练一个PointPillars
  • 参考文献
  • 第8章 基于深度学习的激光雷达点云语义分割方法
  • 8.1 自动驾驶中的点云语义分割
  • 8.1.1 点云分割：传统方法vs基于深度学习的方法
  • 8.1.2 基于深度学习的点云语义分割方法的分类
  • 8.1.3 点云语义分割的常用公开数据集
  • 8.1.4 点云语义分割的性能评价指标
  • 8.2 基于全卷积神经网络的点云三维语义分割
  • 8.2.1 全卷积神经网络介绍
  • 8.2.2 基于全卷积神经网络的激光雷达三维分割
  • 8.2.3 使用ROS和TensorRT实践CNN Seg推理
  • 8.3 PolarNet点云语义分割和PyTorch实战
  • 8.3.1 PolarNet神经网络简介
  • 8.3.2 在SemanticKITTI数据集上训练一个PolarNet
  • 参考文献
  • 第9章 激光雷达的发展趋势及其在汽车工业中的应用前景
  • 9.1 激光雷达带来的辅助驾驶能力变革
  • 9.1.1 激光雷达在城市和高速领航辅助驾驶中的应用
  • 9.1.2 激光雷达在记忆泊车中的应用
  • 9.2 激光雷达在4级自动驾驶中的应用
  • 9.2.1 激光雷达在自动驾驶出租车上的应用
  • 9.2.2 激光雷达在自动驾驶卡车上的应用
  • 9.3 激光雷达在低速机器人中的应用
  • 9.4 激光雷达未来可能的发展方向
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。