《PyTorch自动驾驶视觉感知算法实战》全面介绍了自动驾驶系统中深度学习视觉感知的相关知识，包括深度神经网络和深度卷积神经网络的基本理论，深入讲解了自动驾驶中常用的目标检测、语义、实例分割和单目深度估计四种视觉感知任务。 《PyTorch自动驾驶视觉感知算法实战》对自动驾驶工程实践中很重要但经常被忽略的知识进行了全面总结，包括多任务模型的损失平衡、Ubuntu操作系统、Anaconda和Docker等环境配置工具、C++开发环境搭建、神经网络压缩、模型导出和量化、TensorRT推理引擎等和部署相关的技术。 《PyTorch自动驾驶视觉感知算法实战》各个任务都由PyTorch实现，模型部署的代码则提供C++实现，并附带一个中等规模的自动驾驶数据集用于示例。所有代码都公开在Github公开源码仓库上，很多代码可以直接用于生产环境，且提供了商业友好的代码许可证。 《PyTorch自动驾驶视觉感知算法实战》适用于具备基本机器学习知识，有志于从事自动驾驶算法工作的学生，也适用于刚迈入职场，面对各种陌生技术无所适从的初级工程师。同时，本书也可供中高级算法工程师作为案头常备书籍，以便查阅。

《PyTorch自动驾驶视觉感知算法实战》全面介绍了自动驾驶系统中深度学习视觉感知的相关知识，包括深度神经网络和深度卷积神经网络的基本理论，深入讲解了自动驾驶中常用的目标检测、语义、实例分割和单目深度估计四种视觉感知任务。 《PyTorch自动驾驶视觉感知算法实战》对自动驾驶工程实践中很重要但经常被忽略的知识进行了全面总结，包括多任务模型的损失平衡、Ubuntu操作系统、Anaconda和Docker等环境配置工具、C++开发环境搭建、神经网络压缩、模型导出和量化、TensorRT推理引擎等和部署相关的技术。 《PyTorch自动驾驶视觉感知算法实战》各个任务都由PyTorch实现，模型部署的代码则提供C++实现，并附带一个中等规模的自动驾驶数据集用于示例。所有代码都公开在Github公开源码仓库上，很多代码可以直接用于生产环境，且提供了商业友好的代码许可证。 《PyTorch自动驾驶视觉感知算法实战》适用于具备基本机器学习知识，有志于从事自动驾驶算法工作的学生，也适用于刚迈入职场，面对各种陌生技术无所适从的初级工程师。同时，本书也可供中高级算法工程师作为案头常备书籍，以便查阅。

本书由智能汽车领域实践型专家联合撰写，带你一次性学透BEV，实现快速落地与创新。在内容设计上，本书以BEV主流技术与工程实践为主线，系统分析介绍BEV算法的基本原理、关键技术和源码级实现方法，助你掌握自动驾驶感知系统的整体架构和设计理念。 本书共9章。第1章介绍BEV感知算法的核心概念和框架，强调其独特优势及挑战。第2章概述关键数据集，如KITTI、nuScenes和Waymo，并解释了评估算法性能的指标。第3章深入介绍特征提取技术，涵盖图像和激光雷达数据的提取方法。第4章探讨视角转换、注意力机制及Transformer在BEV感知算法中的应用。第5章和第6章分别讲解显式和隐式视角转换下的BEV感知算法，如BEVDet系列和BEVFormer等。第7章和第8章通过实例介绍BEV感知算法的实现过程。第9章讨论大模型在自动驾驶领域的应用及面临的挑战。

本书由智能汽车领域实践型专家联合撰写，带你一次性学透BEV，实现快速落地与创新。在内容设计上，本书以BEV主流技术与工程实践为主线，系统分析介绍BEV算法的基本原理、关键技术和源码级实现方法，助你掌握自动驾驶感知系统的整体架构和设计理念。 本书共9章。第1章介绍BEV感知算法的核心概念和框架，强调其独特优势及挑战。第2章概述关键数据集，如KITTI、nuScenes和Waymo，并解释了评估算法性能的指标。第3章深入介绍特征提取技术，涵盖图像和激光雷达数据的提取方法。第4章探讨视角转换、注意力机制及Transformer在BEV感知算法中的应用。第5章和第6章分别讲解显式和隐式视角转换下的BEV感知算法，如BEVDet系列和BEVFormer等。第7章和第8章通过实例介绍BEV感知算法的实现过程。第9章讨论大模型在自动驾驶领域的应用及面临的挑战。

目前自动驾驶的一个发展趋势就是智能化。随着人工智能的飞速发展以及各种新型传感器的涌现，汽车智能化形成趋势，辅助驾驶功能的渗透率越来越高。这些功能的实现需要借助于摄像头、雷达、激光雷达等新增的传感器数据，其中视频处理需要大量并行计算。然而，传统CPU算力不足，而DSP擅长图像处理，对于深度学习却缺乏足够的性能。尽管GPU擅长训练，但它过于耗电，影响汽车的性能。因此，本书着眼于未来，认为定制化的ASIC必将成为主流。本书以自动驾驶的芯片设计为最终目标，来论述设计一个面向未来的自动驾驶SoC芯片的学术支撑和工程实践。 本书共13章。其中第1章主要介绍自动驾驶目前遇到的挑战和研究方向。第2～6章重点讲述环境感知以及规划控制方面的算法设计；第7～10章重点讲述深度学习模型的优化和深度学习芯片的设计；第11章和第12章重点讲述具有安全功能的自动驾驶软件架构设计；第13章介绍5G车联网。

目前自动驾驶的一个发展趋势就是智能化。随着人工智能的飞速发展以及各种新型传感器的涌现，汽车智能化形成趋势，辅助驾驶功能的渗透率越来越高。这些功能的实现需要借助于摄像头、雷达、激光雷达等新增的传感器数据，其中视频处理需要大量并行计算。然而，传统CPU算力不足，而DSP擅长图像处理，对于深度学习却缺乏足够的性能。尽管GPU擅长训练，但它过于耗电，影响汽车的性能。因此，本书着眼于未来，认为定制化的ASIC必将成为主流。本书以自动驾驶的芯片设计为最终目标，来论述设计一个面向未来的自动驾驶SoC芯片的学术支撑和工程实践。 本书共13章。其中第1章主要介绍自动驾驶目前遇到的挑战和研究方向。第2～6章重点讲述环境感知以及规划控制方面的算法设计；第7～10章重点讲述深度学习模型的优化和深度学习芯片的设计；第11章和第12章重点讲述具有安全功能的自动驾驶软件架构设计；第13章介绍5G车联网。

一本讲述整个世界如何联合起来重塑全新驾驶与出行方式的动人故事。 一本关于无人驾驶汽车开发过程中戏剧性与曲折性故事的精妙之作。 自动驾驶汽车是近年来最值得夸耀的技术突破之一。但事实证明，早期有关自动驾驶汽车将很快上路的承诺还为时过早。亚历克斯·戴维斯在《自动驾驶之争》中讲 述了自动驾驶从起源直到今天的曲折动人的细节。 故事从美国国防部高级研究计划局（DARPA）开始，该机构负责开发一种与无人机类似的陆基无人车，可以在战区作战而不危及人类生命。接着，该机构接连三次举办无人车“大挑战赛”，吸引了许多有远见之士，其中不少人是学生和业余爱好者，他们把自动驾驶这项技术从电影式的幻想变成了接近现实的技术。这些年轻的挑战者很快就与硅谷巨头（谷歌和优步）联系在了一起，打算为全世界提供一种全新的驾驶方式。很快，汽车制造商也加入了这一探索，有些制造商是自己独立研发，有些是...(展开全部)

本书从硬件、软件、行业三个方面系统地介绍自动驾驶那些事儿。在第 1 篇中，通过 5 章详细介绍雷达、相机、定位、芯片、线控底盘等自动驾驶关键硬件的工作原理、应用场景、发展趋势等内容。在第 2 篇中，通过 3 章详细介绍自动驾驶领域具有代表性的算法、系统、功能等内容。在第 3 篇中，通过 1 章对行业中发生的一些具有长远借鉴意义的故事进行分析和总结。 本书作为一本自动驾驶知识科普图书，由浅入深、通俗易懂，既适合汽车行业从业者和有兴趣从事汽车行业的读者阅读，也适合高等院校车辆、机械、计算机等相关专业师生阅读。

本书从硬件、软件、行业三个方面系统地介绍自动驾驶那些事儿。在第 1 篇中，通过 5 章详细介绍雷达、相机、定位、芯片、线控底盘等自动驾驶关键硬件的工作原理、应用场景、发展趋势等内容。在第 2 篇中，通过 3 章详细介绍自动驾驶领域具有代表性的算法、系统、功能等内容。在第 3 篇中，通过 1 章对行业中发生的一些具有长远借鉴意义的故事进行分析和总结。 本书作为一本自动驾驶知识科普图书，由浅入深、通俗易懂，既适合汽车行业从业者和有兴趣从事汽车行业的读者阅读，也适合高等院校车辆、机械、计算机等相关专业师生阅读。

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。 背景篇(第1章)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(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(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(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。 展望篇(第15章)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进行展望。 本书结构完整清晰,内容翔实,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。