本书为全面、系统讲解汽车自动驾驶相关技术的实验教材，与理论教材对应，在引入实验平台与基础环境的基础上，分别设置车联网、高精地图和车辆定位、视觉目标感知、激光雷达点云处理、决策规划技术、车辆纵横向控制等实验内容，最后进行功能集成与整车测试。 由浅入深的实验课程设计给读者提供了自动驾驶汽车开发的实践机会，这体现了自动驾驶技术要求软硬件结合的开发特点； 在对理论与算法理解的基础上，力图使读者掌握硬件的使用与调试方法，形成开发实际系统的能力。 本书内容涉及面较广，且面向汽车自动驾驶的实际开发过程，既可供相关领域研究人员和技术人员阅读参考，也可供车辆工程及其他相关专业的本科高年级学生课堂学习或自学使用。

本书全面、系统地讲解了汽车自动驾驶相关技术，从汽车自动驾驶技术概述和开发基础开始，系统地论述了汽车自动驾驶涉及的车联网、地图与定位、融合感知、决策规划、车辆控制以及测试与评价技术，融入了当前汽车自动驾驶研究领域与商用领域的前沿技术。 本书内容涉及面较广，且面向汽车自动驾驶的实际开发过程。本书可作为高等院校本科高年级车辆工程及其他相关专业的教材，也可作为教师及相关领域研究人员和技术人员的参考书。

本书参照产业界自动驾驶技术研发的基本流程,充分借鉴了产业界在自动驾驶技术领域中的实际研发经验,以高性能的智能小车和高度仿真的车道沙盘为实验教具和运行环境,深入浅出地讲解自动驾驶技术的原理与实际应用,为初学者打开一扇通往人工智能世界的大门。本书以帮助初学者如何从无到有地打造出具备自动驾驶功能的智能小车为主线,内容分为看车(了解自动驾驶)、造车(设计智能小车)、开车(收集训练数据)、写车(编写自动驾驶模型)、算车(训练和优化自动驾驶模型)、玩车(部署并验证自动驾驶模型)6章。初学者可以通过边学习理论知识边动手实践的方式,系统学习人工智能的算法理论和应用实例。本书没有堆砌艰深晦涩的公式推导,力求将枯燥难解的算法原理及模型进行直观的讲解,希望读者在学习的过程中,了解现实中自动驾驶技术的发展并获得运用人工智能解决自动驾驶难题的乐趣。本书适合作为高等院校智能科学与技术、人工智能相关专业的教材,也适合作为人工智能研究人员、开发人员的参考书。

自动驾驶通过车载多传感器系统获知周围实时环境信息，计算处理后经过合理的决策规划从而控制车辆的运动。本书从基于图像的视觉感知角度出发，对面向自动驾驶的交通标识视觉感知相关技术进行系统分析和介绍，主要内容包括基于深度学习的视觉感知、交通标识的视觉识别、双目视觉与交通标识测距、车道线检测、面向自动驾驶的嵌入式系统、视觉感知在自动驾驶中的应用展望等。 本书可以作为高等院校电子信息、交通工程和自动驾驶等相关专业本科生或研究生的参考书。本书中的实例均经过实践验证，可供从事自动驾驶汽车相关工作的工程技术人员参考和使用。

本书系统地介绍当今自动驾驶领域前沿的技术理论，从自动驾驶的背景知识开始，对软硬件平台、感知、地图、定位、规划决策、控制、仿真和安全等方面展开深入讨论，并介绍自动泊车系统和车联网技术的应用。 全书共15章： 第1章是自动驾驶系统的概述(开发结构、场景分类和数据闭环等)； 第2章简要介绍自动驾驶的基础理论，即计算机视觉和深度学习等； 第3、4章是自动驾驶的软硬件平台分析，包括传感器、计算平台、软件架构和操作系统等； 第5~9章分别介绍自动驾驶的感知、地图、定位、规划和控制模块； 第10章重点介绍自动驾驶的仿真模拟模块； 第11章讨论自动驾驶的安全模型； 第12章讨论自动驾驶的一个特例——自动泊车系统； 第13章介绍车联网技术(车路协同和车辆编队)； 第14、15章分别介绍最近自动驾驶相关的两个技术热点，即3D场景的神经渲染(以NeRF为主)和扩散模型的内容生成。 本书适合有一定基础的读者阅读，如具备在计算机视觉和机器学习(甚至深度学习)方面的理论基础和实践经验。本书提供大量自动驾驶前沿技术的第一手资料，涉及开发自动驾驶的多方面。希望本书能够启发和触动自动驾驶一线的开发人员，在遇到问题和困难时开阔思路并发现解决问题的方法。

本书对车联网、自动驾驶技术及其工作原理进行了阐述，主要内容包括自动驾驶汽车体系结构、计算机视觉感知、激光雷达感知、多传感器融合感知、V2X感知、决策规划、自动泊车及自动驾驶云平台开发技术，涉及当前自动驾驶研究领域的前沿技术与热点。 本书内容涉及面较广，是智能汽车、自动驾驶领域的入门教材，适合初学者和对具体技术领域有兴趣的读者。本书既可作为高等院校本科高年级计算机、汽车、交通类专业的教材，也可作为相关教师及相关领域研究人员和技术人员的参考书。

本书提出了自动驾驶汽车智能测试理论。研究和总结了智能测试的基础概念、科学问题、研究方法和规律定理，提出了智能测试的方法框架，并论证了智能测试的准确性定理和高效性定理，为系统解决自动驾驶汽车的测试问题提供了理论基础。 本书提出了自动驾驶汽车测试场景库生成方法体系。针对低复杂度、中复杂度、高复杂度和自适应场景库生成问题，分别构建凸优化、强化学习、深度强化学习和贝叶斯优化等系列模型，形成了测试场景库生成方法体系，为多种复杂度场景、多项评价指标和多类型自动驾驶汽车的智能测试提供了方法支撑。 本书针对自动驾驶汽车在换道、跟驰和出入匝道等场景下的典型测试问题，通过仿真实验验证了论文所提出理论与方法的有效性，为规模化应用提供了指导。

本书围绕量产自动驾驶的相关内容进行讲解,共分为五篇15章。第1章为背景篇,主要讲解自动驾驶行业的发展历程,量产赛道的形成,以及量产自动驾驶研发体系。产品篇包括第2~5章,主要讲解量产产品方案和典型的量产功能,具体包括传统的ADAS功能、行车功能以及泊车功能。算法篇包括第6~9章,基于数据驱动的自动驾驶算法特征,详细讲解全栈算法内容及演进路线,具体包括感知融合算法(视觉、激光、毫米波雷达、超声波雷达以及多传感器融合),建图定位算法(SLAM、高精度地图、众包建图、在线建图、高精度定位等),预测规划控制算法(目标物轨迹预测、自车轨迹规划、车辆横纵向控制等)。系统篇包括第10~14章,详细讲解自动驾驶系统在工程落地过程中需要明确的技术方案,具体包括系统架构、关联系统方案、关联零部件需求、系统安全、系统集成与评价。第15章为展望篇,从产品、技术、商业模式三个角度对量产自动驾驶的未来发展趋势做展望。本书结构完整清晰,内容详实,理论基础和工程实践兼备,适合所有已从事或将要从事自动驾驶领域相关工作人员阅读和参考。由于书中讲解的技术贴近产业、内容完备,且具备一定的前瞻性,因此非常适合高等院校教师用于教学及参考。此外,具身机器人产业在全球范围内刚刚开始萌芽,其核心技术框架与自动驾驶重叠度很高,本书也可作为机器人相关从业人员的参考书目之一。

本册书主要介绍自动驾驶汽车的系统设计与应用，让读者从基础开始，由浅入深地了解自动驾驶安全设计、车辆总线及通信技术、自动驾驶测试与评价，并详细介绍三个无人驾驶应用案例，让读者深入了解无人驾驶知识体系。

本册书主要介绍无人驾驶汽车定位技术的知识点，让读者从基础开始，由浅入深地了解无人驾驶汽车的高精度地图、自动驾驶车辆定位技术、自动驾驶体系中基于通信辅助的定位技术等知识，并结合基于Apollo的自动驾驶汽车定位系统实践，通过实际的案例让读者深入了解无人驾驶汽车的定位技术知识体系。