人工智能技术及无人驾驶

前言
第1章 绪论
1.1 人工智能
1.1.1 定义
1.1.2 人工智能发展史
1.1.3 人工智能发展趋势
1.2 无人驾驶
1.2.1 概述
1.2.2 技术领域
1.3 人工智能赋能无人驾驶行业
1.3.1 概述
1.3.2 智能制造领域
1.3.3 智能驾驶领域
1.4 本章小结
第2章 人工智能技术基础
2.1 知识表示
2.1.1 概述
2.1.2 产生式表示法
2.1.3 框架表示法
2.1.4 状态空间表示法
2.2 机器学习
2.2.1 监督学习
2.2.2 无监督学习
2.2.3 人工神经网络
2.3 逻辑推理
2.3.1 确定性推理
2.3.2 产生式推理
2.3.3 模糊逻辑推理
2.3.4 可拓云推理
2.4 本章小结
第3章 环境感知与信息融合
3.1 车载传感器与传感器标定
3.1.1 基础理论
3.1.2 常用传感器
3.1.3 传感器标定
3.2 信息融合结构层次
3.2.1 传感器融合结构
3.2.2 传感器融合层次
3.2.3 多传感器融合方法
3.3 车辆位置信息融合
3.3.1 GNSS定位原理
3.3.2 INS定位原理
3.3.3 导航信息的卡尔曼滤波融合
3.4 超声波与视觉传感器融合
3.4.1 融合框架与原理
3.4.2 超声波传感器
3.4.3 视觉图像处理
3.4.4 目标识别
3.5 多源图像融合
3.5.1 概述
3.5.2 图像融合典型方法
3.5.3 PCA在图像融合中的应用
3.5.4 小波变换在图像融合中的应用
3.6 本章小结
第4章 群体智能与车队控制
4.1 基因优化型群体智能
4.1.1 概述
4.1.2 算法分析
4.2 觅食导向型群体智能
4.2.1 细菌觅食算法
4.2.2 蚁群算法
4.2.3 蛙跳算法
4.2.4 蜂群算法
4.2.5 人工鱼群算法
4.3 迁徙导向型群体智能
4.3.1 概述
4.3.2 算法分析
4.4 车辆运动学
4.4.1 转向模型
4.4.2 转向动力学分析
4.4.3 预瞄自适应控制
4.5 V2X环境下车辆跟驰与信息交互
4.5.1 车辆跟驰模型
4.5.2 信息传播机制
4.6 V2X环境下的车队控制
4.6.1 建模思路与稳定性泛论
4.6.2 车辆队列协调控制策略
4.6.3 连续系统车队控制策略
4.6.4 离散系统车队控制策略
4.7 本章小结
第5章 自然语言处理与人机交互
5.1 基础理论
5.1.1 隐马尔可夫模型
5.1.2 Viterbi算法
5.1.3 条件随机场
5.2 语料库解析
5.2.1 语料与语料库
5.2.2 自然语言工具包
5.2.3 结巴工具包
5.2.4 常用语料库
5.3 文本数据获取与规范化
5.3.1 数据获取
5.3.2 数据清洗
5.3.3 特征构造
5.3.4 特征降维与选择
5.4 预处理
5.4.1 分词
5.4.2 词干提取
5.4.3 词形还原
5.4.4 停用词
5.5 词性标注
5.5.1 概述
5.5.2 基于规则的方法
5.5.3 基于统计的方法
5.6 命名实体识别
5.6.1 命名实体
5.6.2 识别方法
5.6.3 应用领域
5.6.4 应用实例
5.7 语义理解
5.7.1 概述
5.7.2 词嵌入的生成
5.8 人机交互
5.8.1 语音处理
5.8.2 人机交互界面
5.9 本章小结
第6章 无人驾驶应用
6.1 无人驾驶应用场景
6.1.1 无人驾驶出租车场景
6.1.2 无人驾驶公共交通场景
6.1.3 矿区应用场景
6.1.4 园区物流场景
6.2 典型无人驾驶系统
6.2.1 Apollo
6.2.2 Waymo
6.3 单车智能与车路协同
6.3.1 两大方向
6.3.2 三种技术
6.3.3 道路之选
6.4 无人驾驶应用人工智能的展望
6.5 本章小结
参考文献