智能汽車傳感器：原理·設(shè)計·應(yīng)用

第1章 智能汽車傳感器概述
1.1 汽車智能化 001
1.1.1 什么是智能化？ 001
1.1.2 汽車智能化的重要載體——ADAS 002
1.2 汽車傳感器基礎(chǔ)知識 005
1.2.1 常見的汽車傳感器有哪些？ 006
1.2.2 傳感器在汽車安全系統(tǒng)上的應(yīng)用 010
1.2.3 傳統(tǒng)燃油汽車常用傳感器解析 011
1.2.4 看圖了解汽車傳感器的安裝位置 016
1.3 自動駕駛相關(guān)傳感器對比 023
1.3.1 不同傳感器市場規(guī)模比較 023
1.3.2 不同傳感器性能比較 023
1.4 智能汽車傳感器發(fā)展現(xiàn)狀與趨勢 025
1.4.1 智能汽車傳感器發(fā)展現(xiàn)狀 025
1.4.2 智能汽車傳感器發(fā)展趨勢 030
第2章  車載攝像頭 035
2.1 車載攝像頭概述 035
2.2 產(chǎn)業(yè)應(yīng)用：特斯拉FSD全視覺智能駕駛 036
2.2.1 什么是FSD ？ 036
2.2.2 FSD 發(fā)展歷史 036
2.2.3 FSD 為什么要采用端到端技術(shù)？ 037
2.2.4 FSD 核心架構(gòu) 038
2.2.5 端到端的核心算法 041
2.3 車載攝像頭ISP 技術(shù) 049
2.3.1 什么是ISP ？ 049
2.3.2 自動駕駛系統(tǒng)中ISP的特殊性 050
2.3.3 ISP 圖像質(zhì)量調(diào)試 053
2.4 車載攝像頭發(fā)展趨勢 057
2.4.1 市場方面 057
2.4.2 產(chǎn)業(yè)鏈方面 071
第3章 激光雷達(dá)
3.1 激光雷達(dá)概述 077
3.1.1 激光雷達(dá)的作用與發(fā)展歷程 077
3.1.2 激光雷達(dá)技術(shù)分類 080
3.1.3 激光雷達(dá)系統(tǒng)的組成與參數(shù) 081
3.2 激光雷達(dá)的不同技術(shù)路線對比 083
3.2.1 單線與多線 083
3.2.2 ToF 與FMCW 084
3.2.3 EEL 與VCSEL 085
3.2.4 905nm 波長與1550nm 波長 087
3.3 激光雷達(dá)應(yīng)用 087
3.3.1 激光雷達(dá)應(yīng)用圖示 087
3.3.2 激光雷達(dá)為自動駕駛困境提供解決方案 089
3.4 激光雷達(dá)標(biāo)定 092
3.4.1 單線激光雷達(dá)標(biāo)定 092
3.4.2 多線激光雷達(dá)標(biāo)定 093
3.4.3 常用的一些標(biāo)定方法 096
3.4.4 外部搜索 099
3.4.5 激光雷達(dá)與攝像頭的時空標(biāo)定 100
3.5 激光雷達(dá)產(chǎn)業(yè)鏈 107
第4章 4D毫米波雷達(dá)
4.1 4D 毫米波雷達(dá)概述 109
4.2 4D 毫米波雷達(dá)的信號處理流程 110
4.3 提高分辨率的方法 113
4.4 外部校準(zhǔn) 113
4.5 基于學(xué)習(xí)的雷達(dá)點(diǎn)云生成 113
4.6 感知應(yīng)用 116
4.7 定位和地圖應(yīng)用 119
4.8 未來發(fā)展趨勢 121
第5章  超聲波傳感器
5.1 超聲波傳感器概述 122
5.1.1 超聲波傳感器基礎(chǔ)知識 122
5.1.2 超聲波系統(tǒng)理論 126
5.1.3 超聲波傳感過程的影響因素 131
5.1.4 超聲波傳感器的發(fā)展趨勢 133
5.2 超聲波傳感器應(yīng)用場景 134
5.2.1 超聲波傳感器在汽車上的應(yīng)用圖示 134
5.2.2 超聲波傳感器在ADAS 中的具體應(yīng)用 136
第6章 智能汽車傳感器標(biāo)定技術(shù)
6.1 機(jī)器視覺：攝像頭標(biāo)定技術(shù) 139
6.1.1 成像幾何模型 139
6.1.2 典型標(biāo)定方法 141
6.1.3 自動駕駛中的攝像頭標(biāo)定 141
6.2 用OpenCV（C ）實(shí)現(xiàn)攝像頭/ 圖像的畸變校正 147
6.3 攝像頭內(nèi)外參標(biāo)定實(shí)例 150
6.4 攝像頭和激光雷達(dá)聯(lián)合標(biāo)定實(shí)例 153
6.4.1 所需軟件與開發(fā)步驟 153
6.4.2 聯(lián)合校準(zhǔn) 154
第7章 智能汽車傳感器融合技術(shù)
7.1 視覺方案與多傳感器融合方案 160
7.1.1 視覺方案與多傳感器融合方案概述 160
7.1.2 傳感器融合（軟件） 162
7.2 多傳感器后融合技術(shù) 163
7.2.1 自動駕駛模塊化的傳感器后融合方法 163
7.2.2 FOP-MOC 模型 165
7.3 多傳感器前融合技術(shù) 166
7.3.1 MV3D 166
7.3.2 AVOD 167
7.3.3 F-PointNet 169
7.4 多傳感器硬件系統(tǒng)的設(shè)計思路 170
7.5 多傳感器系統(tǒng)的同步 170
7.6 多傳感器融合算法 174
7.7 基于卡爾曼濾波/擴(kuò)展卡爾曼濾波的感知融合 177
7.8 傳感器融合后的應(yīng)用示例 178
附錄  智能駕駛功能中英文對照
參考文獻(xiàn)