智能駕駛目標檢測方法研究與應用（簡體書）

本書圍繞智能駕駛目標檢測核心技術與實際應用，系統探討了複雜場景下的目標檢測面對的誤檢、漏檢、泛化性不足等核心問題，提出了多維度智能駕駛目標檢測解決方案。第1章和第2章主要圍繞國家近年來關於智能駕駛發展的政策，重點介紹智能駕駛目標檢測技術研究背景和意義，以及後續解決方案中可能用到的數據集和評價指標等基礎知識；第3章主要探討遮擋環境下的行人目標檢測方案，提出了改進蟻群算法解決複雜背景下行人誤檢測率高的問題；第4章和第5章主要針對夜視、高速環境下的車輛和車道線檢測算法進行了研究，闡述了面向無人駕駛環境的車輛和車道線檢測數據集的構建思路並對實踐結果進行了討論；第6章著重分析了多模態數據的近場區域目標檢測方法，改善了檢測器在智能車輛近場區域的目標檢測能力；第7章主要構建了車路協同下的三維目標檢測網絡，有效提高了車端與路端不同模態下算法的目標檢測精度。全書以智能駕駛感知技術基礎為支撐，聚焦智能駕駛中遮擋、夜視、多模態以及車路協同等核心場景與問題，系統闡述了從算法設計到實驗驗證的完整路徑，可為智能駕駛複雜環境感知系統的設計與研發提供重要的理論支撐和技術參考。
本書主要面向車企等與智能駕駛相關的研究人員、開發人員，以及高校計算機學院、汽車學院相關專業師生。本書可作為智能駕駛開發的參考工具書，也可以作為智能駕駛目標檢測的教材。

第1章緒論1
1.1智能駕駛相關國家政策及技術發展歷程1
1.2智能駕駛目標檢測技術要點4
1.2.1行人目標檢測算法4
1.2.2複雜環境下車輛目標檢測算法6
1.2.3複雜環境下車道線檢測算法7
1.2.4近場區域目標檢測算法9
1.2.5車路協同三維目標檢測算法16
第2章目標檢測技術基礎18
2.1目標檢測概述18
2.2經典目標檢測算法18
2.2.1經典一階段目標檢測器19
2.2.2經典二階段目標檢測器20
2.3面向自動駕駛的常見目標檢測數據集22
2.3.1國外自動駕駛目標檢測數據集22
2.3.2國內自動駕駛目標檢測數據集27
2.4目標檢測性能評價指標36
2.4.1精度36
2.4.2召回率36
2.4.3平均精度36
2.4.4交並比37
2.4.5準確率38
2.4.6F1Score38
第3章遮擋環境下的行人目標檢測39
3.1基於改進聚合通道特徵候選區域選擇40
3.1.1聚合通道特徵提取40
3.1.2軟級聯Adaboost分類建議區域41
3.2特徵提取網絡42
3.2.1卷積特徵提取43
3.2.2主成分分析法降維44
3.3基於蟻群算法優化支持向量機行人檢測45
3.3.1支持向量機分類45
3.3.2改進蟻群算法支持向量機45
3.4實驗結果與分析47
3.4.1不同檢測方法對比47
3.4.2支持向量機優化結果分析49
3.5技術應用與發展趨勢50
3.5.1技術應用50
3.5.2發展趨勢56
第4章複雜環境下車輛目標檢測58
4.1夜視環境下車輛目標檢測58
4.1.1特徵提取網絡58
4.1.2夜間車輛檢測網絡結構61
4.1.3數據集及實驗參數設置65
4.1.4實驗結果與分析66
4.2高速移動環境下車輛目標檢測72
4.2.1高速移動環境下車輛檢測網絡結構72
4.2.2數據集及實驗參數設置77
4.2.3實驗結果與分析79
4.3行業應用與發展趨勢86
4.3.1行業應用86
4.3.2發展趨勢90
第5章複雜環境下車道線目標檢測92
5.1夜間環境下車道線目標檢測92
5.1.1夜間車道線檢測網絡結構92
5.1.2實驗數據集95
5.1.3實驗結果與分析96
5.2高速移動環境下車道線目標檢測98
5.2.1高速移動環境下車道線檢測網絡結構98
5.2.2數據集及實驗參數設置102
5.2.3實驗結果與分析104
5.3技術應用與發展趨勢109
5.3.1技術應用109
5.3.2行業應用109
5.3.3發展趨勢112
第6章多傳感器融合下的近場區域目標檢測114
6.1基於CenterNet的圖像特徵信息預處理115
6.1.1深層聚合網絡特徵提取115
6.1.2三維邊界框估計118
6.2基於FPointPillars的點雲特徵融合118
6.2.1激光雷達點雲信息預處理118
6.2.2毫米波雷達點雲信息預處理119
6.2.3點雲信息融合120
6.3基於最近相鄰原則的圖像點雲特徵信息融合121
6.3.1圖像點雲信息配准121
6.3.2歸一化網絡121
6.3.3實驗結果與分析122
6.4基於多傳感器特徵信息優化的近場區域目標檢測方法126
6.4.1多元注意力模塊127
6.4.2基於動態連接學習的特徵融合130
6.4.3實驗結果與分析132
6.5技術應用與發展趨勢137
6.5.1技術應用137
6.5.2發展趨勢141
第7章車路協同下的自動駕駛三維目標檢測143
7.1車路協同多傳感器融合方案143
7.2基於Euclidian距離和匈牙利匹配算法的決策級融合檢測145
7.3基於時間補償的車路協同決策級別融合檢測145
7.3.1時間補償模塊146
7.3.2帶有時間補償的車路協同檢測146
7.4實驗結果與分析147
7.4.1實驗平臺147
7.4.2實驗參數設置147
7.4.3基於圖像或激光雷達點雲三維目標檢測148
7.4.4車路協同後融合檢測150
7.5行業應用與發展趨勢155
7.5.1行業應用155
7.5.2未來發展趨勢157
參考文獻159