课程内容包括智能车辆概述、环境感知技术、深度学习及其在智能车辆上的应用、智能车辆SLAM、智能车辆行为决策、智能车辆运动规划、智能网联技术以及智能车辆测评体系。本课程是国内较早开设的智能车辆研究生课程（“智能车辆理论与技术”--北京理工大学机械工程学科研究生专业核心课），课程理论联系实际，用丰富的案例进行讲解。
Overview
Syllabus
- 第1章 绪论
- 1-0 关于这门课
- 1-1 发展历程
- 1-2 机遇与挑战
- 第1章 习题
- 第2章 环境感知
- 2-1 基于激光雷达的障碍物检测
- 2-2 以斜坡为例的基于ROS框架的可通行区域检测
- 2-3 基于AdaBoost的车辆检测
- 2-4 基于机器学习与激光雷达的负障碍检测
- 第2章 习题
- 第3章 深度学习及其在环境感知中的应用
- 3-1 概述
- 3-2 CNN分类模型及其应用
- 3-3 目标检测模型及其应用
- 3-4 分割模型及其应用
- 第3章 习题
- 第4章 SLAM
- 4-1 概述
- 4-2 视觉SLAM
- 4-3 激光雷达SLAM
- 第4章 习题
- 第5章 行为决策
- 5-1 概述
- 5-2 强化学习
- 5-3 强化学习应用
- 第5章 习题
- 第6章 运动规划
- 6-0 引言
- 6-1 静态环境下的运动规划
- 6-2 动态环境下的运动规划
- 第6章 习题
- 第7章 运动控制
- 7-1 MPC基本理论
- 7-2 车辆运动学模型的建立
- 7-3 预测模型的建立
- 7-4 控制量的优化求解
- 7-5 车辆横摆动力学建模及MPC控制
- 7-6 车辆动力学模型预测控制—仿真代码解释
- 第7章 习题
- 第8章 智能网联技术
- 8-1 概述
- 8-2 基于网联技术的多车编队
- 8-3 基于V2X的遮挡环境下智能车辆避撞行人
- 第8章 习题
- 第9章 智能车辆测试与评价
- 9-1 基于MATLAB的自动代客泊车案例
- 9-2 ROS与VREP联合仿真测试案例
- 9-3 智能车辆测试
- 9-4 智能车辆评价
- 第9章 习题
- 期末考试
Taught by
Guangming Xiong, Jianwei Gong, Shaobin Wu, Chao Lv, Huijun Di, Huiyan Chen, and lincheng
