智能网联汽车协同感知技术

智能网联汽车技术系列
涵盖了目前智能网联汽车领域各项前沿关键技术
旨在提升道路和车辆的信息化、智能化、网联化水平，加速赋能智能交通和自动驾驶产业发展

智能网联汽车技术架构的6种关键技术：
1）环境感知技术；
2）智能决策技术；
3）协同控制技术；
4）V2X通信技术；
5）云平台与大数据技术；
6）信息安全技术。

本书《智能网联汽车协同感知技术》针对6关键之首做了系统阐述

1，面向智能网联汽车的高实时性车路协同体系，介绍智能网联汽车装载的主要使用感知传感器，阐述基于机器视觉、激光雷达及两者结合的智能网联汽车环境感知技术，以及相应的智能网联汽车车路协同感知技术，最后基于上述感知方案的给出优化的复合定位技术；

2，依托城市道路交通智能控制北京市重点实验室平台和北京市创新团队，着重突出实际案例和综合试验成果，凸显实用性。

本书汇总了作者近年来在智能网联汽车协同感知领域的研究成果。全书分为6章：第1章介绍智能网联汽车装载的各类感知传感器；第2章主要介绍基于机器视觉的智能网联汽车环境感知技术，包含车道线识别、交通标志识别、交通信号灯识别及多目标检测与跟踪算法；第3章介绍基于激光雷达的智能网联汽车环境感知技术，主要包含地面分割、点云聚类、路缘分割、多目标检测与跟踪算法；第4章介绍基于视觉传感器与激光雷达融合的智能网联汽车环境感知技术，主要包括视觉传感器与激光雷达联合标定及多目标检测算法；第5章介绍基于激光雷达的智能网联汽车协同感知技术，主要包括点-体柱特征提取和跨车辆空间特征融合补偿；第6章介绍基于车路协同感知的智能网联汽车复合定位技术，主要包括车辆定位数据融合和复合定位反馈修正。
本书可作为从事智能网联汽车相关行业工程技术人员的参考书籍，也适合作为高校相关专业师生的实践教学用书。

张名芳，工学博士，副教授，硕士生导师，就职于北方工业大学电气与控制工程学院交通信息与控制工程系。入选北京市科协青年托举人才，北方工业大学青年毓优人才。现任世界交通运输大会运输规划学部委员，中国指挥与控制学会自主式交通控制与安全专业委员会委员，《交通工程》期刊青年编委。从事智能网联汽车相关研究十余年，参与城市道路交通智能控制技术北京市重点实验室的国家自然科学基金项目、北京市自然科学基金项目，以及横向课题近二十项。

目录
前言
第1章典型车载环境感知传感器1
1.1机器视觉1
1.1.1单目视觉传感器2
1.1.2双目视觉传感器3
1.1.3红外视觉传感器4
1.2超声波雷达5
1.3毫米波雷达6
1.4激光雷达8
参考文献10
第2章基于机器视觉的智能网联汽车环境感知技术12
2.1车道线识别12
2.1.1基于深度学习的车道线识别14
2.1.2实验结果分析16
2.2交通标志识别22
2.2.1基于改进YOLOv5s的交通标志识别网络结构22
2.2.2基于最优传输分配的标签分配方法23
2.2.3考虑角度的回归损失函数24
2.2.4实验结果分析25
2.3交通信号灯识别28
2.4基于多级匹配的多目标检测与跟踪31
2.4.1特征提取网络32
2.4.2中心点目标检测模型32
2.4.3重识别模型33
2.4.4基于多级匹配的多目标跟踪34
2.4.5实验结果分析34
参考文献36
第3章基于激光雷达的智能网联汽车环境感知技术39
3.1地面分割39
3.1.1数据预处理39
3.1.2基于环状置信传播的地面分割40
3.1.3地面分割实验结果分析44
3.2点云聚类48
3.3考虑点云空间分布的路缘分割51
3.3.1点云空间特征筛选51
3.3.2两侧路缘点云集提取53
3.3.3基于中心点距离均值的路缘点云聚类补偿53
3.3.4路缘分割实验结果分析53
3.4基于机器学习的三维点云多目标检测54
3.4.1基于模板匹配的目标检测54
3.4.2基于SVM和贝叶斯理论集成的目标检测54
3.5基于深度学习的三维点云车辆目标检测68
3.5.1基于金字塔特征融合的车辆目标检测68
3.5.2车辆目标检测实验结果分析73
3.6基于道路模型的三维点云车辆目标跟踪算法77
3.6.1曲线道路建模78
3.6.2坐标转换83
3.6.3车辆运动状态建模85
3.6.4基于无迹卡尔曼滤波的车辆运动状态估计87
3.6.5车辆目标跟踪实验结果分析89
3.6.6消融实验93
参考文献95
第4章基于视觉传感器与激光雷达融合的智能网联汽车环境感知技术99
4.1摄像机与激光雷达的联合标定99
4.2基于改进YOLOx的二维车辆目标图像特征提取101
4.3基于滤波聚类的三维车辆目标点云特征获取104
4.4基于置信度优化的多源数据融合与目标检测106
4.5多目标车辆检测实验结果与分析108
参考文献111
第5章基于激光雷达的智能网联汽车协同感知技术113
5.1车间坐标转换114
5.2面向单车感知的点-体柱特征提取网络115
5.2.1点特征提取115
5.2.2体柱特征提取116
5.2.3点-体柱特征融合116
5.3基于PredRNN的时间特征延迟补偿117
5.4跨车辆空间特征融合补偿119
5.4.1跨车辆特征聚合119
5.4.2多分辨率特征提取120
5.4.3多尺度特征融合121
5.5算法性能测试122
5.5.1环境搭建122
5.5.2数据集122
5.5.3评价指标122
5.5.4检测结果123
参考文献127
第6章基于车路协同感知的智能网联汽车复合定位技术129
6.1定位假设131
6.2基于DS证据理论的数据预处理133
6.3基于多层IUKF的车辆定位数据融合134
6.4基于自适应因子的车辆定位数据反馈融合修正138
6.5复合定位方法性能测试139
6.5.1实车测试平台139
6.5.2评价指标141
6.5.3实验结果与分析141
参考文献147