本书首先结合国内外研究现状，对地面无人系统及其环境感知关键技术的研究发展现状进行了介绍，并且总结了当前环境感知技术中存在的问题，分析了这项技术的发展趋势。然后，针对当前主流地面无人系统的环境感知技术在复杂环境下存在的鲁棒性差、适应能力不强等实际应用难题，基于人工智能技术深入研究了几项地面无人系统复杂环境感知关键技术，主要包括：地面无人系统复杂环境下的目标检测与识别技术、地面无人系统复杂环境重构与场景理解技术、基于感知的无人装备复杂环境下敏感目标跟踪定位技术，取得了创新性成果。最后，结合参研的国家重点研发计划、国家自然基金、军队重点研究课题，与团队研发的地面无人系统平台，深入讨论了多项环境感知技术的应用解决方案和应用前景，为下一步将科研成果更好地服务国防和军队建设，为推进我国地面无人系统的发展提供参考。
本书将地面无人系统环境感知技术的多个方面融合为一个整体，既适合作为我国各高等院校自动化、机器人学等专业的本科生和研究生参考教材，也可以提供给相关领域研究人员作为参考资料。

第1章 绪论
1.1 地面无人系统概述
1.2 地面无人系统环境感知技术概述与研究现状
1.2.1 地面无人系统目标识别和检测技术研究现状
1.2.2 运动目标的跟踪和行为理解技术研究现状
1.2.3 场景理解与环境建模技术研究现状
1.3 地面无人系统环境感知技术存在的问题与挑战
1.4 本书主要内容与章节安排
参考文献
第2章 复杂环境下敏感目标检测技术
2.1 复杂背景下装甲车辆目标检测技术
2.1.1 基于Gabor卷积神经网络与图像的装甲目标检测技术
2.1.2 验证试验与装甲车辆目标检测应用效果分析
2.1.3 基于Gabor卷积神经网络与视频的装甲目标检测技术
2.1.4 验证试验与装甲车辆目标跟踪检测应用效果分析
2.1.5 小结
2.2 复杂背景中交通标志检测技术
2.2.1 基于SG-MsERs区域推荐及SVM分类的交通标志检测算法
2.2.2 验证试验与交通标志检测应用效果分析
2.2.3 小结
2.3 复杂交通大场景多目标检测技术
2.3.1 改进的特征提取网络Gabor VGG Net
2.3.2 对于低分辨率弱小目标检测困难问题的改进
2.3.3 置信度自适应阈值判定
2.3.4 基于递归神经网络的视频多目标检测技术
2.3.5 算法验证试验与多目标检测应用效果分析
2.3.6 小结
参考文献
第3章 复杂环境下可通行区域解析技术
3.1 基于视觉图像的野外道路智能导向技术
3.1.1 超像素类标MRF推理场景分割
3.1.2 智能寻优道路导向线提取
3.1.3 算法验证试验与道路导向信息提取应用效果分析
3.1.4 小结
3.2 基于激光雷达点云数据的可通行区域提取技术
3.2.1 场景理解
3.2.2 单一特征区域检测
3.2.3 数据扇块化与特征提取
3.2.4 基于SVM的二分类原理
3.2.5 可通行区域提取
3.2.6 算法验证试验与可通行区域提取应用效果分析
3.2.7 小结
3.3 基于深度立体视觉的环境分割技术
3.3.1 野外多足机器人的可通行区域选择
3.3.2 密集点云获取方法
3.3.3 语义地图分割方法
3.3.4 算法验证试验与环境分割应用效果分析
3.3.5 小结
参考文献
第4章 总结与工作展望
4.1 本书工作总结
4.2 工作展望