舉報(bào)

會(huì)員
自動(dòng)駕駛BEV感知算法指南
最新章節(jié):
封底
本書由智能汽車領(lǐng)域?qū)嵺`型專家聯(lián)合撰寫,帶你一次性學(xué)透BEV,實(shí)現(xiàn)快速落地與創(chuàng)新。在內(nèi)容設(shè)計(jì)上,本書以BEV主流技術(shù)與工程實(shí)踐為主線,系統(tǒng)分析介紹BEV算法的基本原理、關(guān)鍵技術(shù)和源碼級(jí)實(shí)現(xiàn)方法,助你掌握自動(dòng)駕駛感知系統(tǒng)的整體架構(gòu)和設(shè)計(jì)理念。本書共9章。第1章介紹BEV感知算法的核心概念和框架,強(qiáng)調(diào)其獨(dú)特優(yōu)勢(shì)及挑戰(zhàn)。第2章概述關(guān)鍵數(shù)據(jù)集,如KITTI、nuScenes和Waymo,并解釋了評(píng)估算法性能的指標(biāo)。第3章深入介紹特征提取技術(shù),涵蓋圖像和激光雷達(dá)數(shù)據(jù)的提取方法。第4章探討視角轉(zhuǎn)換、注意力機(jī)制及Transformer在BEV感知算法中的應(yīng)用。第5章和第6章分別講解顯式和隱式視角轉(zhuǎn)換下的BEV感知算法,如BEVDet系列和BEVFormer等。第7章和第8章通過(guò)實(shí)例介紹BEV感知算法的實(shí)現(xiàn)過(guò)程。第9章討論大模型在自動(dòng)駕駛領(lǐng)域的應(yīng)用及面臨的挑戰(zhàn)。
目錄(105章)
倒序
- 封面
- 版權(quán)信息
- 內(nèi)容簡(jiǎn)介
- 前言
- 第1章 快速了解BEV感知算法
- 1.1 BEV感知算法解決的問(wèn)題
- 1.2 BEV感知算法的常見范式
- 1.3 BEV感知算法的分類
- 1.3.1 基于單應(yīng)性的方法
- 1.3.2 基于深度估計(jì)的方法
- 1.3.3 基于多層感知器的方法
- 1.3.4 基于Transformer的方法
- 1.4 BEV感知算法的不足
- 1.5 本章小結(jié)
- 第2章 BEV感知算法的數(shù)據(jù)集
- 2.1 KITTI數(shù)據(jù)集
- 2.2 nuScenes數(shù)據(jù)集
- 2.3 nuScenes數(shù)據(jù)集常用的評(píng)測(cè)指標(biāo)及計(jì)算方法
- 2.3.1 檢測(cè)任務(wù)評(píng)測(cè)指標(biāo)計(jì)算公式
- 2.3.2 跟蹤任務(wù)評(píng)測(cè)指標(biāo)計(jì)算公式
- 2.3.3 其他輔助指標(biāo)計(jì)算公式
- 2.4 Waymo數(shù)據(jù)集
- 2.5 不同數(shù)據(jù)集之間的對(duì)比
- 2.6 本章小結(jié)
- 第3章 BEV感知算法的特征提取
- 3.1 圖像模態(tài)
- 3.1.1 相機(jī)的內(nèi)外參數(shù)
- 3.1.2 圖像特征提取和ResNet原理
- 3.2 激光雷達(dá)模態(tài)中點(diǎn)云目標(biāo)檢測(cè)的代表算法
- 3.2.1 PointPillar算法
- 3.2.2 PV-RCNN算法
- 3.3 本章小結(jié)
- 第4章 BEV感知算法的基本模塊
- 4.1 視角轉(zhuǎn)換模塊
- 4.1.1 自動(dòng)駕駛中的坐標(biāo)系
- 4.1.2 坐標(biāo)系轉(zhuǎn)換與視角轉(zhuǎn)換模塊
- 4.1.3 LSS原理
- 4.1.4 LSS代碼實(shí)現(xiàn)與模型運(yùn)行
- 4.2 BEV感知算法中的注意力機(jī)制
- 4.2.1 通道注意力機(jī)制
- 4.2.2 空間注意力機(jī)制
- 4.2.3 混合注意力機(jī)制
- 4.2.4 BEV感知算法中的時(shí)序融合
- 4.3 本章小結(jié)
- 第5章 顯式視角轉(zhuǎn)換的BEV感知算法
- 5.1 基于LSS方法的顯式視角轉(zhuǎn)換的BEV感知算法
- 5.1.1 BEVDet
- 5.1.2 BEVDet4D
- 5.2 BEVDet中的視角轉(zhuǎn)換過(guò)程
- 5.3 BEVDet4D中的時(shí)序?qū)R
- 5.4 本章小結(jié)
- 第6章 隱式視角轉(zhuǎn)換的BEV感知算法
- 6.1 傳統(tǒng)目標(biāo)檢測(cè)方法與DETR類方法
- 6.1.1 傳統(tǒng)目標(biāo)檢測(cè)方法的局限性
- 6.1.2 DETR類方法的優(yōu)點(diǎn)
- 6.2 主要的隱式視角轉(zhuǎn)換的BEV感知算法
- 6.2.1 BEVFormer
- 6.2.2 DETR3D
- 6.2.3 PETR
- 6.3 DETR3D計(jì)算過(guò)程
- 6.3.1 圖像特征提取
- 6.3.2 特征查詢模塊
- 6.3.3 二分圖匹配
- 6.3.4 DETR和DETR3D的異同
- 6.4 隱式轉(zhuǎn)換DETR、DETR3D和PETR的主要差別
- 6.5 本章小結(jié)
- 第7章 BEVFusion實(shí)踐
- 7.1 原理詳解
- 7.1.1 網(wǎng)絡(luò)架構(gòu)
- 7.1.2 圖像支路
- 7.1.3 點(diǎn)云支路
- 7.1.4 融合模塊
- 7.2 代碼詳解
- 7.2.1 nuScenes數(shù)據(jù)集處理
- 7.2.2 模型訓(xùn)練過(guò)程
- 7.3 環(huán)境搭建
- 7.3.1 搭建PyTorch環(huán)境
- 7.3.2 安裝BEVFusion
- 7.3.3 編譯BEVFusion環(huán)境
- 7.3.4 訓(xùn)練和測(cè)試BEVFusion
- 7.4 本章小結(jié)
- 第8章 BEVFormer實(shí)踐
- 8.1 代碼詳解
- 8.1.1 數(shù)據(jù)處理
- 8.1.2 模型訓(xùn)練過(guò)程
- 8.2 環(huán)境搭建
- 8.2.1 創(chuàng)建虛擬環(huán)境
- 8.2.2 安裝BEVFormer
- 8.3 模型部署
- 8.4 本章小結(jié)
- 第9章 大模型在自動(dòng)駕駛領(lǐng)域的應(yīng)用
- 9.1 端到端的自動(dòng)駕駛系統(tǒng)UniAD
- 9.1.1 UniAD的提出背景
- 9.1.2 UniAD架構(gòu)
- 9.2 賦能自動(dòng)駕駛數(shù)據(jù)生產(chǎn)和模型訓(xùn)練
- 9.2.1 輔助標(biāo)注數(shù)據(jù)
- 9.2.2 模型蒸餾給小模型賦能
- 9.2.3 將多個(gè)小模型合并成大模型
- 9.2.4 自動(dòng)駕駛的重建和數(shù)據(jù)生成
- 9.3 視覺大模型的難點(diǎn)
- 9.3.1 視覺大模型發(fā)展相對(duì)落后的原因
- 9.3.2 視覺大模型的技術(shù)挑戰(zhàn)與實(shí)踐難點(diǎn)
- 9.4 本章小結(jié)
- 作者簡(jiǎn)介
- 封底 更新時(shí)間:2025-02-10 16:19:26
推薦閱讀
- 鐵路供電系統(tǒng)防寒過(guò)冬培訓(xùn)教材
- 安裝起重工
- 現(xiàn)代缸內(nèi)直噴式汽油機(jī)開發(fā)(下):新技術(shù)的開發(fā)與應(yīng)用
- 移動(dòng)辦公
- 鐵路有砟道床
- 新能源汽車使用與維護(hù)
- 汽車維修基礎(chǔ)
- 古塔糾傾加固技術(shù)
- 鐵道信號(hào)概論
- 地道橋設(shè)計(jì)與施工
- 動(dòng)車組制動(dòng)系統(tǒng)
- 公路工程
- 汽車維修業(yè)務(wù)接待
- 車務(wù)分冊(cè)
- 汽車底盤和變速器維修
- 汽車電氣控制與檢修
- 駕車那些事 精打細(xì)算
- 汽車美容裝飾實(shí)用手冊(cè):施工流程
- 看圖學(xué)汽車鈑金與噴漆
- 汽車自動(dòng)變速器原理與檢修(第3版)
- 工控系統(tǒng)安裝與調(diào)試
- 城市軌道交通工程通信及綜合監(jiān)控系統(tǒng)施工技術(shù)指南
- 高速鐵路動(dòng)車組
- 機(jī)電工程管理與實(shí)務(wù)
- 汽車維修工具與設(shè)備使用指南
- 桑塔納、帕薩特系列轎車故障診斷與檢修實(shí)例(底盤部分)
- 蘭新高速鐵路聯(lián)調(diào)聯(lián)試實(shí)踐
- 商用車混合動(dòng)力系統(tǒng)關(guān)鍵技術(shù)
- 汽車舒適控制系統(tǒng)及檢修(第2版)
- 一本書讀懂智能低碳汽車