第一本无人驾驶技术书（第2版）

刘少山，PerceptIn创始人，CEO。美国加州大学欧文分校（UC-Irvine）计算机博士，研究方向包括智能感知计算、系统软件、体系结构与异构计算。在创立PerceptIn之前在百度美国研发中心、LinkedIn、Microsoft、Microsoft Research、INRIA、Intel及Broadcom工作过。在百度美国研发中心时主要专注于百度无人车系统架构与产品化、深度学习，以及异构计算平台的架构与开发。目前主要专注于机器人的核心SLAM与深度学习技术及其在智能硬件上的实现。

唐洁，华南理工大学计算机科学与工程学院副教授。北京理工大学计算机应用博士，美国加州大学欧文分校加州嵌入式系统研究中心博士。曾在Intel China Runtime Technology Lab、美国加州大学河滨分校（UC-Riverside）及美国Clarkso...

(展开全部)

刘少山，PerceptIn创始人，CEO。美国加州大学欧文分校（UC-Irvine）计算机博士，研究方向包括智能感知计算、系统软件、体系结构与异构计算。在创立PerceptIn之前在百度美国研发中心、LinkedIn、Microsoft、Microsoft Research、INRIA、Intel及Broadcom工作过。在百度美国研发中心时主要专注于百度无人车系统架构与产品化、深度学习，以及异构计算平台的架构与开发。目前主要专注于机器人的核心SLAM与深度学习技术及其在智能硬件上的实现。

唐洁，华南理工大学计算机科学与工程学院副教授。北京理工大学计算机应用博士，美国加州大学欧文分校加州嵌入式系统研究中心博士。曾在Intel China Runtime Technology Lab、美国加州大学河滨分校（UC-Riverside）及美国Clarkson大学从事研究员与博士后研究工作。现主要从事面向无人驾驶和机器人的大数据计算与存储平台、面向人工智能的计算体系架构、面向机器视觉的嵌入式系统研究。

吴双，依图科技研究科学家，依图硅谷研究院负责人。前百度研究院硅谷人工智能实验室资深研究科学家，前百度美国研发中心高级架构师。美国南加州大学物理博士，加州大学洛杉矶分校（UCLA）博士后，研究方向包括计算机和生物视觉、互联网广告算法和语音识别，曾在NIPS等国际会议中发表文章。

李力耘，现任职于京东硅谷研发中心自动驾驶团队，担任主任架构师。在加盟京东硅谷研发中心前就职于百度美国硅谷无人驾驶团队。作为百度无人驾驶项目的最早期成员之一，主导并参与搭建了无人驾驶系统的若干核心模块，包括车辆预测、行为决策、动作规划等。李博士拥有三十余项国内外自动驾驶专利。本科毕业于清华大学电子工程系，随后在纽约大学获得计算机博士学位，专攻机器学习及大数据方向。在加入百度前，在LinkedIn公司任高级软件工程师，参与并负责LinkedIn的首页内容推荐系统的算法设计和工程架构。

焦加麟，Pony.ai资深软件工程师，美国密歇根大学电子工程硕士，在无人驾驶、高精地图、人工智能、机器学习、搜索、大数据等领域有多年从业经验。曾任职于Uber美国总部、微软搜索引擎Bing、IBM T.J Watson Research等部门。

鲍君威，美国加州大学伯克利分校博士。在光学精密测量仪器及传感器领域有近二十年工作和研发经验，2016年11月与李义民共同创立Innovusion公司，任CEO，开发应用于自动驾驶及其他行业的激光雷达产品和传感器融合技术。在博士期间和师兄们共同开发了Scatterometry技术并创立Timbre Technologies, Inc.，后被Tokyo Electron（东电电子）并购，并在随后的十几年里带领Tokyo Electron在硅谷的光学测量部门将Scatterometry从原理模型变成在先进半导体生产制程中得到广泛应用的精密测量设备。2015年年底加入百度自动驾驶事业部，负责车载计算系统及传感器团队。

王超，美国南加州大学计算机硕士。毕业后加入百度美国硅谷研发中心，从事大数据平台的基础架构工作。2015年年底加入百度自动驾驶事业部仿真组，2017年加入滴滴美国研发中心自动驾驶团队。作为百度和滴滴自动驾驶仿真模拟器和数据平台的创始成员，始终专注于自动驾驶系统仿真平台的研究与开发。先后设计开发了仿真引擎调度系统、场景评估系统、场景生成器、场景倍增系统，以及分布式仿真系统等产品。工程理论经验覆盖仿真平台全部流程。

裴颂文，现任上海理工大学光电信息与计算机工程学院副教授，研究生导师。中国计算机学会（CCF）高级会员，IEEE Senior Member，CCF系统结构专委会常委。在IEEE Trans. on SMC、Information Sciences、IEEE ESL、CCPE、《中国科学》、《计算机学报》、ISPA、COMPSAC等期刊杂志上发表学术论文50余篇，拥有国家发明专利10余项。研究方向为异构计算、深度学习、无人驾驶汽车安全系统、云计算等。

陈辰，美国斯坦福大学电子工程博士。高精地图初创公司DeepMap创始工程师之一。目前在DeepMap负责多传感器数据融合、大规模分布式优化及三维数据机器学习算法开发工作。

邹亮，美国佐治亚大学地理信息科学硕士。2006年加盟谷歌地图，9年时间里，他所领导的小组设计并实现了高效的卫星和航空图像软件处理系统，每周处理的数据量达到500TB，准确高效地为Google Earth和Google Maps用户输送数据更新。2016年，作为创始工程师加入了DeepMap，负责高精地图的采集、制作、更新和维护整个流程及大中华地区的工程技术。

1 无人车：正在开始的未来 1
1.1 正在走来的无人驾驶 2
1.2 无人驾驶的分级 4
1.3 无人驾驶系统简介 7
1.4 序幕刚启 17
1.5 参考资料 18
· · · · · · (更多)

1 无人车：正在开始的未来 1
1.1 正在走来的无人驾驶 2
1.2 无人驾驶的分级 4
1.3 无人驾驶系统简介 7
1.4 序幕刚启 17
1.5 参考资料 18
2 激光雷达在无人驾驶中的应用 20
2.1 无人驾驶技术简介 20
2.2 激光雷达基础知识 21
2.3 应用领域 23
2.4 激光雷达技术面临的挑战 25
2.5 展望未来 27
2.6 参考资料 27
3 图像级高清激光雷达 29
3.1 无人驾驶应用的各类激光雷达的点云特性 29
3.2 高清激光雷达在构建可靠感知系统时的优势 33
3.3 高清激光雷达对定位和运动探测模块的价值 35
3.4 高清激光雷达使得点云和图像数据的融合更高效 37
3.5 激光雷达未来的发展趋势 38
3.6 参考资料 39
4 GPS及IMU在无人驾驶中的应用 40
4.1 无人驾驶定位技术 40
4.2 GPS简介 41
4.3 IMU简介 43
4.4 GPS和IMU的融合 45
4.5 小结 46
4.6 参考资料 47
5 基于计算机视觉的无人驾驶感知系统 48
5.1 无人驾驶的感知 48
5.2 KITTI数据集 49
5.3 计算机视觉能帮助无人车解决的问题 51
5.4 光流和立体视觉 52
5.5 物体的识别与追踪 54
5.6 视觉里程计算法 56
5.7 小结 57
5.8 参考资料 58
6 卷积神经网络在无人驾驶中的应用 59
6.1 CNN简介 59
6.2 无人驾驶双目3D感知 60
6.3 无人驾驶物体检测 64
6.4 小结 67
6.5 参考资料 68
7 强化学习在无人驾驶中的应用 69
7.1 强化学习简介 69
7.2 强化学习算法 71
7.3 使用强化学习帮助决策 75
7.4 无人驾驶的决策介绍 78
7.5 参考资料 81
8 无人驾驶的行为预测 83
8.1 无人驾驶软件系统模块总体架构 83
8.2 预测模块需要解决的问题 85
8.3 小结 95
8.4 参考资料 95
9 无人驾驶的决策、规划和控制（1） 98
9.1 决策、规划和控制模块概述 98
9.2 路由寻径 101
9.3 行为决策 107
9.4 动作规划 115
9.5 反馈控制 124
9.6 小结 128
9.7 参考资料 128
10 无人驾驶的决策、规划和控制（2） 130
10.1 其他动作规划算法 130
10.2 栅格规划器 132
10.3 自由空间TEB规划器 138
10.4 小结 143
10.5 参考资料 144
11 基于ROS的无人驾驶系统 145
11.1 无人驾驶：多种技术的集成 145
11.2 ROS简介 146
11.3 系统可靠性 150
11.4 系统通信性能提升 152
11.5 系统资源管理与安全性 153
11.6 小结 153
11.7 参考资料 154
12 无人驾驶的硬件平台 155
12.1 无人驾驶：复杂系统 155
12.2 传感器平台 156
12.3 计算平台 173
12.4 控制平台 182
12.5 小结 188
12.6 参考资料 188
13 无人驾驶系统安全 190
13.1 针对无人驾驶的安全威胁 190
13.2 无人驾驶传感器的安全 190
13.3 无人驾驶操作系统的安全 192
13.4 无人驾驶控制系统的安全 192
13.5 车联网通信系统的安全 194
13.6 安全模型校验方法 196
13.7 小结 197
13.8 参考资料 198
14 对抗样本攻击与防御在无人驾驶中的应用 200
14.1 对抗样本攻击算法 202
14.2 对抗样本防御算法 212
14.3 实验平台安装及环境配置 215
14.4 AdvBox攻击与防御实验 222
14.5 防御建议 228
14.6 小结 228
14.7 参考资料 229
15 无人驾驶数据服务通信协议 231
15.1 数据服务通信协议发展历史 231
15.2 DSRC 232
15.3 C-V2X 238
15.4 3GPP中V2X无线接入标准研究 244
15.5 参考资料 246
16 无人驾驶模拟器技术 249
16.1 为什么需要模拟器 249
16.2 模拟器的用途 250
16.3 模拟器系统的需求 251
16.4 模拟器系统的模块组成 251
16.5 模拟器的使用场景及常见模拟器 257
16.6 模拟器的研发阶段 260
16.7 模拟器仿真的一致性问题 261
16.8 小结 263
16.9 参考资料 264
17 基于Spark与ROS的分布式无人驾驶模拟平台 265
17.1 无人驾驶模拟技术 265
17.2 基于ROS的无人驾驶模拟器 267
17.3 基于Spark的分布式模拟平台 269
17.4 小结 272
17.5 参考资料 272
18 无人驾驶中的高精地图 274
18.1 传统电子导航地图 274
18.2 服务于无人驾驶场景的高精地图 275
18.3 高精地图的组成和特点 276
18.4 构建高精地图 279
18.5 高精地图在无人驾驶中的应用 286
18.6 高精地图的现状与结论 288
18.7 参考资料 289
19 高精地图的自动化生产 290
19.1 高精地图生产的挑战 290
19.2 无人车用高精地图 291
19.3 高精地图生产的基本流程 294
19.4 机器学习在高精地图生产中的应用 297
19.5 基于三维点云的深度学习 301
19.6 小结 302
19.7 参考资料 302
20 面向无人驾驶的边缘高精地图服务 308
20.1 边缘计算与高精地图 308
20.2 边缘场景下的高精地图服务 310
20.3 边缘高精地图生产 311
20.4 边缘高精地图内容分发 312
20.5 参考框架 313
20.6 相关工作 314
20.7 小结 316
20.8 参考资料 317
· · · · · · (收起)