本书全面系统地介绍了智能汽车环境感知技术的各个方面，详细解读了环境感知的定义、作用、要求、类型、功能需求以及未来发展趋势，重点介绍了基于视觉传感器、毫米波雷达和激光雷达的环境感知技术，这些技术都是实现智能汽车安全、高效行驶的关键所在。此外，本书还深入探讨了传感器融合技术的原理和应用，为读者提供了多传感器信息融合的解决方案。书中的内容不仅涵盖了智能汽车上广泛应用的成熟技术，还包括近年来出现的一些高新技术，展现了环境感知技术的最新进展。 本书内容丰富，以实际工程应用为背景，通俗易懂，实用性强，可作高等院校本科车辆工程、智能车辆工程及相关专业的参考教材，同时也适合车辆工程研究生以及智能汽车行业的工程技术人员、科研人员和管理人员阅读参考。

第1章 绪论
1.1 智能汽车环境感知的定义
1.2 智能汽车环境感知的作用
1.3 智能汽车环境感知的要求
1.4 智能汽车环境感知的类型
1.5 智能汽车环境感知的流程
1.6 智能汽车环境感知的功能需求
1.7 智能汽车环境感知的约束条件
1.8 智能汽车环境感知的发展趋势
第2章 基于视觉传感器的环境感知技术
2.1 视觉传感器的功能需求与配置
2.1.1 视觉传感器的功能需求
2.1.2 视觉传感器的配置
2.2 视觉传感器的标定
2.2.1 视觉传感器的标定目的
2.2.2 视觉传感器的标定方法
2.2.3 单目相机的标定
2.2.4 双目相机的标定
2.3 视觉传感器的图像处理技术
2.3.1 图像预处理技术
2.3.2 图像特征提取技术
2.3.3 图像分割技术
2.3.4 目标检测技术
2.3.5 目标识别技术
2.4 数据集
2.4.1 数据集的作用
2.4.2 KITTI数据集
2.4.3 nuScenes数据集
2.4.4 WaymoOpenDataset
2.4.5 ApolloOpenDataset
2.5 目标检测常用算法
2.5.1 卷积神经网络
2.5.2 R-CNN系列算法
2.5.3 YOLO系列算法
2.6 基于视觉传感器的目标检测
2.6.1 车道线检测
2.6.2 车辆检测
2.6.3 行人检测
2.6.4 交通标志检测
2.6.5 交通信号灯检测
第3章 基于毫米波雷达的环境感知技术
3.1 毫米波雷达的功能需求与配置
3.1.1 毫米波雷达的功能需求
3.1.2 毫米波雷达的配置
3.2 毫米波雷达的标定
3.2.1 毫米波雷达的标定目的
3.2.2 毫米波雷达的标定方法
3.3 毫米波雷达的数据处理
3.3.1 数据接收
3.3.2 数据预处理
3.3.3 目标检测与提取
3.3.4 目标跟踪与轨迹生成
3.4 基于毫米波雷达的目标检测
3.4.1 基于传统的毫米波雷达目标检测
3.4.2 基于深度学习的毫米波雷达目标检测
3.4.3 基于卡尔曼滤波的目标跟踪
第4章 基于激光雷达的环境感知技术
4.1 激光雷达的功能需求与配置
4.1.1 激光雷达的功能需求
4.1.2 激光雷达的配置
4.2 激光雷达的标定
4.2.1 激光雷达的标定目的
4.2.2 激光雷达的标定方法
4.2.3 激光雷达标定示例
4.3 激光雷达的点云数据处理
4.3.1 点云数据获取
4.3.2 点云预处理
4.3.3 点云配准
4.3.4 点云特征提取
4.3.5 点云分割
4.3.6 点云聚类
4.3.7 点云三维建模
4.3.8 点云的运动畸变
4.4 点云的目标检测方法
4.4.1 基于规则的点云目标检测方法
4.4.2 基于机器学习的点云目标检测方法
4.4.3 基于深度学习的点云目标检测方法
4.5 常用的点云深度学习模型
4.5.1 PointNet模型
4.5.2 PSANet模型
4.5.3 PointPillars模型
4.6 基于激光雷达的目标检测
4.6.1 车道线检测
4.6.2 车辆检测
4.6.3 行人检测
第5章 多传感器融合技术
5.1 概述
5.1.1 多传感器融合的定义
5.1.2 多传感器融合的过程
5.1.3 多传感器融合的要求
5.1.4 多传感器融合方案
5.2 多传感器同步理论
5.2.1 时间同步
5.2.2 空间同步
5.3 多传感器融合算法
5.3.1 加权平均法
5.3.2 卡尔曼滤波法
5.3.3 多贝叶斯估计法
5.3.4 D-S证据推理法
5.3.5 模糊逻辑推理
5.3.6 人工神经网络法
5.4 BEV感知融合技术
参考文献