自动驾驶：感知原理与实践

封面

版权信息

作者简介

内容简介

前言

第1章 计算机视觉与神经网络

1.1 人工神经网络

1.1.1 感知机

1.1.2 神经网络

1.2 卷积神经网络

1.2.1 卷积

1.2.2 激活函数

1.2.3 池化层

1.2.4 全连接层

1.3 经典卷积神经网络

1.3.1 AlexNet

1.3.2 VGG

1.3.3 GoogLeNet

1.3.4 ResNet

1.3.5 DarkNet

1.3.6 CSPDarkNet

1.4 轻量化卷积神经网络

1.4.1 MobileNet

1.4.2 ShuffleNet

1.4.3 GhostNet

1.5 Vision Transformer在计算机视觉中的应用

1.5.1 ViT

1.5.2 Swin Transformer

1.5.3 MobileViT

1.5.4 TRT-ViT

1.5.5 基于ResNet/MobileViT的交通标识牌识别项目实践

1.6 本章小结

第2章 目标检测在自动驾驶中的应用

2.1 目标检测简介

2.1.1 相关工作简介

2.1.2 两阶段目标检测算法简介

2.1.3 单阶段目标检测算法简介

2.2 自动驾驶中的车辆检测

2.2.1 BDD100K数据集简介

2.2.2 YOLOv5算法的原理

2.2.3 基于YOLOv5的车辆检测项目实践

2.3 自动驾驶中的行人检测

2.3.1 YOLOX算法的原理

2.3.2 基于YOLOX的行人检测项目实践

2.4 自动驾驶中的交通标识牌检测

2.4.1 NanoDet算法的原理

2.4.2 基于NanoDet的交通标识牌检测项目实践

2.5 自动驾驶中的交通信号灯的检测与识别

2.5.1 YOLOv5-Lite算法的原理

2.5.2 基于YOLOv5-Lite的交通信号灯检测项目实践

2.6 3D目标检测

2.6.1 PointPillars

2.6.2 BEVFormer

2.6.3 基于OpenPCDet的3D目标检测项目实践

2.7 本章小结

第3章 语义分割在自动驾驶中的应用

3.1 STDC算法的原理

3.1.1 STDC模块

3.1.2 STDC语义分割网络

3.2 TopFormer算法的原理

3.2.1 Token Pyramid Module

3.2.2 Scale-Aware Semantics Extractor

3.2.3 Semantics Injection Module

3.2.4 Segmentation Head

3.3 基于TopFormer的可行驶区域分割项目实践

3.3.1 Cityscapes数据集简介

3.3.2 TopFormer模型实现

3.4 本章小结

第4章 车道线检测与分割

4.1 UNet算法的原理

4.2 LaneATT算法的原理

4.2.1 Lane的Anchor表征

4.2.2 基于Anchor的特征图池化

4.2.3 局部注意力机制

4.2.4 Proposal预测

4.2.5 后处理

4.3 基于LaneATT的车道线检测实践

4.3.1 CULane数据集介绍

4.3.2 LaneATT实践

4.4 本章小结

第5章 多目标跟踪在自动驾驶中的应用

5.1 多目标跟踪算法SORT的原理

5.2 多目标跟踪算法DeepSORT的原理

5.2.1 级联匹配

5.2.2 ReID特征提取

5.3 多目标跟踪算法ByteTrack的原理

5.4 基于ByteTrack的多目标跟踪项目实践

5.4.1 MOT16数据集

5.4.2 Byte匹配

5.5 本章小结

第6章 深度学习模型的落地和部署

6.1 常见模型部署框架介绍

6.1.1 TensorRT

6.1.2 NCNN

6.1.3 ONNX

6.2 OpenCV图像处理操作

6.2.1 OpenCV基本操作

6.2.2 使用OpenCV进行图像预处理

6.3 GPU编程工具之CUDA

6.3.1 CUDA编程模型