商品參數：
內容簡介：
自動駕駛測試場景技術發展與應用
《自動駕駛測試場景技術發展與應用》以當前全球自動駕駛產業迅速發展為背景，以自動駕駛測試場景為核心
內容，借鑒國內外相關研究成果與產業實踐經驗，闡述自動駕駛測試場景從內容采
集、分析、存儲、場景構建到產業應用的全流程，深度剖析各個環節產業現狀與關
鍵技術，并結合我國汽車產業特征分析自動駕駛測試場景產業模式及未來發展前
景，為基于場景的自動駕駛功能開發、測試及標準法規制定提供有益參考。
本書分為 8 章，包括緒論、自動駕駛測試場景技術與標準現狀、場景分類與要
素、場景構建關鍵技術、場景應用關鍵技術、場景標準體系構建、場景數據庫產業
模式探索及場景未來發展趨勢。
《自動駕駛測試場景技術發展與應用》適用于從事自動駕駛功能開發、測試驗證及測試場景研究的高等院校、研
究機構及標準化專業技術人員。同時，由于本書敘述全面、圖文并茂、內容深入淺
出，對自動駕駛技術愛好者也普遍適用。
ADAS及自動駕駛虛擬測試仿真技術
本書提出了一個基于Matlab-OpenModelica-Unity (MOMU)的多軟件聯合虛擬仿真平臺,平臺可用ADAS和自動駕駛汽車的測試及驗證。本書以通俗易懂的語言、形象的圖示展示了平臺的架構和各個軟件的簡單功能以及使用方法,并基于精心設計的開發實例,闡述了仿真平臺在不同應用場景下的具體結構以及每個部分的建模原理,將基本概念融入到平臺搭建過程中,加深讀者的印象,提升讀者的感性認識和認知水平。
本書適合具有ADAS控制建模、車輛動力學建模和機器學習編程基礎的讀者閱讀,也可作為高等院校本科生、研究生學習ADAS和自動駕駛虛擬測試仿真技術的教程,還可作為汽車測試工程師學習參考的資料。
智能網聯汽車協同控制技術
《智能網聯汽車協同控制技術》討論的是借助車路協同技術的智能網聯汽車系統。借助車路協同技術高效可靠的通信機制，可使交通路網內車輛和基礎設施之間形成高效可靠的信息交互機制，進一步提高智能網聯汽車的智能控制，有效解決交通擁堵和交通安全問題。
《智能網聯汽車協同控制技術》基于車路協同體系探討了智能網聯汽車的路徑決策和速度引導方法，研究了智能網聯汽車動力學模型、編隊控制模型及編隊切換控制技術和主動安全控制技術，*后介紹了研究采用的智能網聯汽車編隊控制硬件在環仿真平臺。
《智能網聯汽車協同控制技術》適合從事車路協同技術應用和智能交通研究的人員閱讀參考，也可以作為智能交通、人工智能等專業師生的參考用書。
自動駕駛汽車決策與控制
《自動駕駛汽車決策與控制/自動駕駛技術系列叢書》書主要介紹無人駕駛汽車的決策與控制平臺技術，讓讀者從基礎開始，由淺入深地了解自動駕駛汽車的全局路徑規劃、自動駕駛汽車的車輛行為決策、車輛動作規劃、自動駕駛車輛控制等知識點，并通過實際案例介紹如何應用自動駕駛汽車決策與規劃。
自動駕駛設計及應用
本冊書主要介紹自動駕駛汽車的系統設計與應用，讓讀者從基礎開始，由淺入深地了解自動駕駛安全設計、車輛總線及通信技術、自動駕駛測試與評價，并詳細介紹三個無人駕駛應用案例，讓讀者深入了解無人駕駛知識體系。
自動駕駛汽車定位技術
本冊書主要介紹無人駕駛汽車定位技術的知識點，讓讀者從基礎開始，由淺入深地了解無人駕駛汽車的高精度地圖、自動駕駛車輛定位技術、自動駕駛體系中基于通信輔助的定位技術等知識，并結合基于Apollo的自動駕駛汽車定位系統實踐，通過實際的案例讓讀者深入了解無人駕駛汽車的定位技術知識體系。
自動駕駛技術概論
本冊書主要介紹汽車構造和無人駕駛汽車的基本概念，讓讀者從基礎開始，由淺入深地了解無人駕駛的歷史由來、國內外自動駕駛產業現狀及技術發展、自動駕駛汽車的技術架構、自動駕駛開發平臺等知識，并詳細介紹百度Apollo無人駕駛平臺，通過實際的案例讓讀者深入了解無人駕駛知識體系。
自動駕駛汽車平臺技術基礎
自動駕駛汽車是指能夠通過車載傳感系統感知道路環境、自動規劃行車路線并控制車輛到達預定目標的一種智能汽車。自動駕駛汽車集自動控制、體系結構、人工智能、視覺計算等眾多技術于一體，是計算機科學、模式識別和智能控制技術高度發展的產物。《自動駕駛汽車平臺技術基礎/自動駕駛技術系列叢書》對自動駕駛汽車研究與開發所涉及的平臺技術進行了系統介紹，主要內容包括：自動駕駛汽車硬件平臺、自動駕駛汽車軟件平臺、自動駕駛汽車開發平臺、自動駕駛汽車軟件計算框架和自動駕駛汽車輔助開發平臺等。
《自動駕駛汽車平臺技術基礎/自動駕駛技術系列叢書》可以作為高等院校車輛工程、交通工程專業在校學生的教材，也可供從事自動駕駛汽車相關行業的工程技術人員使用和參考。
自動駕駛汽車環境感知
近年來，世界主要發達國家均全力支持汽車自動駕駛相關研究。從政府出臺政策扶持，到企業投入巨額資金研發，再到高校及研究機構對相關技術的不斷探索，推動著自動駕駛技術迅速發展和產業規模不斷擴大。與之相對的是自動駕駛技術人才供不應求，企業和研究機構亟須大量專業技術人員。
《自動駕駛汽車環境感知/自動駕駛技術系列叢書》系統介紹了自動駕駛汽車環境感知技術。從自動駕駛環境感知概述開始，介紹了車載傳感器及傳感器標定、計算機視覺與神經網絡、環境感知與識別、自動駕駛道路復雜場景語義理解，以及多傳感器融合，并通過范例實踐驗證，可為具備一定基礎的人員提供自動駕駛環境感知系統的開發指導。
《自動駕駛汽車環境感知/自動駕駛技術系列叢書》可以作為高等院校車輛工程、交通工程和自動駕駛專業學生的教材，也可供從事自動駕駛汽車相關工作的工程技術人員參考和使用。
本叢書由北京航空航天大學、百度智能駕駛事業群組和百度技術學院聯合編寫，系統介紹自動駕駛技術基礎理論，構建完整的知識體系，并依托百度Apollo自動駕駛平臺具體實現，體現我國自動駕駛技術領域的科研成果和技術應用。
目錄：
自動駕駛汽車決策與控制
前言
第1章 概述
1．1 自動駕駛汽車介紹
1．1．1 自動駕駛汽車概念與分級
1．1．2 自動駕駛汽車關鍵技術
1．2 自動駕駛汽車的規劃與控制
1．2．1 概念與意義
1．2．2 路徑規劃
1．2．3 自動駕駛汽車控制
1．3 規劃控制中的機器學習基本思想
1．4 本章小結
參考文獻
第2章 全局路徑規劃
2．1 全局路徑規劃概述
2．2 車用地圖與導航技術
2．2．1 車用高精地圖
2．2．2 高精地圖與汽車導航
2．2．3 路徑規劃算法分類
2．2．4 Dijkstra算法
2．2．5 Floyd算法
2．2．6 A*算法
2．2．7 RRT算法
2．2．8 路徑規劃算法的發展
2．3 本章小結
參考文獻
第3章 汽車行為決策
3．1 汽車行為決策算法概述
3．2 交通環境行為預測
3．2．1 交通參與者行為預測
3．2．2 安全性評估算法
3．3 汽車行為決策理論
3．3．1 無人駕駛行為決策系統
3．3．2 基于規則的行為決策
3．3．3 馬爾可夫決策過程
3．4 本章小結
參考文獻
第4章 汽車運動規劃
4．1 汽車可行駛區域生成
4．2 汽車局部軌跡規劃
4．2．1 局部軌跡生成主要方法
4．2．2 局部軌跡直接構造法
4．2．3 路徑速度分解法
4．2．4 機器學習在局部路徑規劃中的應用
4．3 駕駛舒適度評價體系
4．4 本章小結
參考文獻
第5章 自動駕駛汽車控制
5．1 汽車運動控制理論
5．1．1 經典控制理論
5．1．2 現代控制理論
5．2 汽車模型
5．2．1 汽車動力學
5．2．2 汽車運動學
5．3 汽車運動控制
5．3．1 概述
5．3．2 預瞄跟隨控制
5．3．3 前饋控制
5．3．4 反饋控制
5．3．5 橫向控制
5．3．6 縱向控制
5．3．7 橫縱向協同控制
5．4 本章小結
參考文獻
第6章 基于Apollo平臺的決策與控制實踐
6．1 Apollo平臺安裝簡介
6．1．1 安裝Git LFS
6．1．2 下載Apollo源代碼
6．1．3 安裝Docker CE環境
6．1．4 編譯源代碼
6．1．5 啟動Apollo仿真平臺
6．2 基于本地Apollo環境的Planning模塊調試
6．2．1 進入Apollo環境
6．2．2 基于數據包制作相對地圖
6．2．3 Planning模塊運行調試
6．2．4 Planning模塊可配置參數文件
6．3 Apollo仿真平臺
6．3．1 仿真平臺的真實性
6．3．2 仿真平臺的全面性
6．3．3 仿真系統的結構
6．3．4 動態變速仿真技術
6．3．5 仿真平臺實踐
6．4 Apollo案例分析
6．4．1 阿波龍
6．4．2 阿波牛
6．5 本章小結
參考文獻
ADAS及自動駕駛虛擬測試仿真技術
第1 章 ADAS/AD 測試與驗證技術 1
1.1 ADAS 研究現狀 1
1.1.1 ADAS 概述 1
1.1.2 ADAS 技術研究與應用現狀 2
1.2 自動駕駛研究現狀 4
1.2.1 發展自動駕駛汽車的必要性 4
1.2.2 國外自動駕駛汽車研究現狀 6
1.2.3 國內自動駕駛汽車研究現狀 7
1.3 ADAS 和自動駕駛仿真測試技術 7
第2 章 虛擬測試平臺MOMU 架構 11
2.1 現有虛擬測試平臺 11
2.1.1 基于PreScan 的AEB 縱向碰撞算法仿真平臺 12
2.1.2 基于Eclipse 的車輪自適應巡航控制仿真平臺 13
2.1.3 基于NIPXI 的車道偏離警告仿真平臺 13
2.1.4 現有仿真測試平臺的優缺點分析 14
2.2 Matlab-OpenModelica-Unity (MOMU)虛擬測試平臺 15
2.3 適用于ADAS 的MOMU 平臺數據流 18
2.4 適用于自動駕駛的MOMU 平臺數據流 19
第3 章 基于OpenModelica 的車輛動力學模型 20
3.1 車輛動力學建模方法研究現狀 20
3.2 Modelica 在車輛動力學建模中的應用 21
3.3 多領域統一建模語言Modelica 22
3.3.1 Modelica 建模的基本步驟 22
3.3.2 基于Modelica 語言的建模 24
3.3.3 標準模型庫和仿真工具 27
3.4 電動汽車動力系統的建模機制 29
3.5 電動汽車動力模塊建模 30
3.5.1 車用電動機分類及特點 31
3.5.2 電動機的工作原理及建模 32
3.6 電動汽車傳動模塊建模 35
3.6.1 機械組件庫及機械接口 35
3.6.2 動力傳動建模 35
3.6.3 動力學建模 36
3.6.4 車身建模 38
3.6.5 制動系統建模 39
3.6.6 懸架建模 40
3.6.7 輪胎建模 40
3.6.8 電動汽車整車模型 41
3.7 電動汽車仿真與計算 42
3.7.1 電機模型仿真 42
3.7.2 輪胎模型仿真 43
3.7.3 速度階躍輸入仿真 44
3.7.4 典型工況仿真 46
第4 章 基于Unity 的仿真環境搭建 50
4.1 Unity 軟件介紹及安裝 50
4.1.1 Unity 背景簡介 50
4.1.2 Unity 下載安裝 51
4.2 Unity 入門 52
4.2.1 開始面板 52
4.2.2 關鍵功能 53
4.2.3 游戲物體控制腳本編寫 54
4.3 Roll-a-Ball 游戲創建示例 56
4.3.1 設置游戲 56
4.3.2 物體移動控制 59
4.3.3 視角跟隨設置 62
4.3.4 添加可收集物體 62
4.3.5 新建UI 顯示計數 65
4.3.6 生成游戲 67
第5 章 基于Matlab/Simulink 的軟件控制策略 68
5.1 自動緊急制動系統結構 68
5.1.1 AEB 系統整體方案 69
5.1.2 自動緊急制動系統舒適性指標 70
5.2 電動汽車逆縱向動力學建模 71
5.2.1 整車逆縱向動力學模型 71
5.2.2 電動機驅動控制和制動系統控制切換 72
5.2.3 逆電動機模型 73
5.2.4 逆制動系統模型 73
5.3 行車安全距離 74
5.3.1 行車安全距離的基本要求 74
5.3.2 已有安全距離模型 75
5.3.3 AEB 系統安全距離模型 77
5.4 下位控制器設計 81
5.4.1 系統辨識法求取下位控制對象的數學模型 82
5.4.2 基于H∞控制理論的魯棒下位控制器 83
5.5 上位控制器設計 86
5.5.1 定速巡航上位控制器設計 86
5.5.2 自適應巡航上位控制器設計 87
5.6 控制策略Simulink 模型 90
5.6.1 定速巡航模型 90
5.6.2 自適應巡航模型 90
5.6.3 緊急制動模型 91
第6 章 ADAS 虛擬仿真測試案例 93
6.1 用戶數據報協議概述 93
6.1.1 遠程過程調用 94
6.1.2 阻塞式套接字 95
6.2 OpenModelica 和Simulink 的UDP 通信實現 96
6.2.1 OpenModelica 中的UDP 通信模塊 96
6.2.2 Simulink 中的UDP 通信模塊 98
6.2.3 OpenModelica 和Simulink 之間的通信傳輸試驗 99
6.3 Unity 的UDP 通信實現 100
6.3.1 Unity 內編寫UDP 腳本 100
6.3.2 Unity 與OpenModelica 的傳輸試驗 103
6.3.3 Unity 與Simulink 的傳輸試驗 105
6.4 仿真測試結果 105
6.4.1 聯合仿真 105
6.4.2 定速巡航仿真測試 105
6.4.3 自動緊急制動仿真測試 110
6.4.4 自適應巡航仿真測試 115
第7 章 基于Unity 的機器學習訓練技術 118
7.1 ML-Agents 插件簡介 118
7.2 ML-Agents 插件下載安裝 119
7.3 官方示例運行：3D Balance Ball 125
7.3.1 Unity 訓練環境簡介 126
7.3.2 訓練環境設置 128
7.3.3 使用強化學習訓練 Brain 130
7.3.4 訓練結果功能測試 132
7.4 目標追蹤訓練環境創建示例 132
7.4.1 概述 132
7.4.2 設置 Unity 項目 133
7.4.3 創建環境 133
7.4.4 最終 Editor 設置 141
7.4.5 測試環境 142
第8 章 自動駕駛虛擬仿真案例 144
8.1 訓練與測試框圖 144
8.2 場景介紹 145
8.3 訓練模型的建立 147
8.4 訓練過程 150
8.4.1 Observation 測試 150
8.4.2 訓練統計數據 151
8.4.3 訓練過程參數調試 152
8.5 仿真測試結果驗證 153
參考文獻 156