자율주행 자동차 만들기 2/e
자율주행의 원리부터 연구 사례까지
$39.85
SKU
9791161756653
[Free shipping over $100]
Standard Shipping estimated by Fri 12/6 - Thu 12/12 (주문일로부 10-14 영업일)
Express Shipping estimated by Tue 12/3 - Thu 12/5 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2022/07/29 |
| Pages/Weight/Size | 188*235*18mm |
| ISBN | 9791161756653 |
| Categories | IT 모바일 > 컴퓨터 공학 |
Description
2019년 대한민국학술원 우수학술도서에 선정된 『자율 주행 자동차 만들기』의 개정판 출간!
컴퓨터 및 공학 배경지식을 갖춘 일반 독자를 대상으로 한 자율주행 자동차에 관련된 기술을 전반적으로 소개하는 최초의 책이다. 자율주행 자동차 시스템 개발하면서 얻은 저자의 실전 경험이 담겨 있다. 개정판에서는 자율주행의 최근 발전 양상을 살펴보고 상용 자율주행 프로젝트에서 활용할 수 있는 방법을 더 쉽게 이해할 수 있도록 실질적인 사례 연구를 제시한다.
컴퓨터 및 공학 배경지식을 갖춘 일반 독자를 대상으로 한 자율주행 자동차에 관련된 기술을 전반적으로 소개하는 최초의 책이다. 자율주행 자동차 시스템 개발하면서 얻은 저자의 실전 경험이 담겨 있다. 개정판에서는 자율주행의 최근 발전 양상을 살펴보고 상용 자율주행 프로젝트에서 활용할 수 있는 방법을 더 쉽게 이해할 수 있도록 실질적인 사례 연구를 제시한다.
Contents
1장. 자율주행 개요
1.1 자율주행 기술의 개요
1.2 자율주행 알고리듬
1.2.1 센싱
1.2.2 인지
1.2.3 개체 인지 및 추적
1.2.4 동작
1.3 자율주행 클라이언트 시스템
1.3.1 ROS
1.3.2 하드웨어 플랫폼
1.4 자율주행 클라우드 플랫폼
1.4.1 시뮬레이션
1.4.2 HD 맵 생성
1.4.3 딥러닝 모델 학습
1.5 시작에 불과하다
2장. 자율주행을 위한 로컬라이제이션
2.1 GNSS를 이용한 로컬라이제이션
2.1.1 GNSS 개요
2.1.2 GNSS 오차 분석
2.1.3 위성 기반 오차 보정 시스템
2.1.4 RTK와 DGPS
2.1.5 PPP 알고리듬
2.1.6 GNSS INS 통합
2.2 HD 맵과 라이다를 이용한 로컬라이제이션
2.2.1 라이다 개요
2.2.2 HD 맵 개요
2.2.3 라이다와 HD 맵을 이용한 로컬라이제이션
2.3 비주얼 오도메트리
2.3.1 스테레오 비주얼 오도메트리
2.3.2 모노큘러 비주얼 오도메트리
2.3.3 관성 비주얼 오도메트리
2.4 추측 항법과 휠 오도메트리
2.4.1 휠 인코더
2.4.2 휠 오도메트리 오차
2.4.3 휠 오도메트리 오차의 경감
2.5 센서 융합
2.5.1 어반 챌린지의 CMU 보스
2.5.2 어반 챌린지의 스탠퍼드 주니어
2.5.3 메르세데스 벤츠의 버사
2.6 참고문헌
3장. 자율주행을 위한 인지
3.1 개요
3.2 데이터 세트
3.3 탐지
3.4 분할
3.5 스테레오, 옵티컬 플로우, 씬 플로우
3.5.1 스테레오와 깊이
3.5.2 옵티컬 플로우
3.5.3 씬 플로우
3.6 추적
3.7 결론
3.8 참고문헌
4장. 딥러닝을 통한 자율주행의 인지
4.1 컨볼루션 심층 신경망
4.2 탐지
4.3 의미 분할
4.4 스테레오와 옵티컬 플로우
4.4.1 스테레오
4.4.2 옵티컬 플로우
4.4.3 조밀한 연관에 대한 비지도 학습
4.5 결론
4.6 참고문헌
5장. 예측 및 경로 계획
5.1 계획 및 제어의 개요
5.1.1 아키텍처: 넓은 의미의 계획 및 제어
5.1.2 모듈의 범위: 여러 모듈의 협력을 통한 문제 해결
5.2 트래픽 예측
5.2.1 분류를 이용한 동작 예측
5.2.2 자동차 궤적 생성
5.3 차로 수준 경로 계획
5.3.1 경로 계획을 위한 가중치 방향성 그래프 구성 방법
5.3.2 경로 계획 알고리듬
5.3.3 경로 계획 그래프 비용: 유연한 경로 계획 또는 엄격한 경로 계획
5.4 결론
5.5 참고문헌
6장. 결정, 계획, 제어
6.1 동작 결정
6.1.1 마르코프 결정 과정 접근법
6.1.2 시나리오 기반의 분할 정복 접근법
6.2 모션 계획
6.2.1 자동차 모델, 도로 모델, SL 좌표계
6.2.2 경로 계획 및 속도 계획을 통한 모션 계획
6.2.3 종방향 계획과 횡방향 계획을 통한 모션 계획
6.3 피드백 제어
6.3.1 자전거 모델
6.3.2 PID 제어
6.4 결론
6.5 참고문헌
7장. 강화 학습 기반의 계획 및 제어
7.1 서론
7.2 강화 학습
7.2.1 Q 학습
7.2.2 액터-크리틱 방법
7.3 자율주행을 위한 학습 기반 계획 및 제어
7.3.1 동작 결정을 위한 강화 학습
7.3.2 계획 및 제어를 위한 강화 학습
7.4 결론
7.5 참고문헌
8장. 자율주행을 위한 클라이언트 시스템
8.1 복잡한 자율주행 시스템
8.2 자율주행을 위한 OS
8.2.1 ROS 개요
8.2.2 시스템 신뢰성
8.2.3 성능 개선
8.2.4 자원 관리 및 보안
8.3 컴퓨팅 플랫폼
8.3.1 컴퓨팅 플랫폼 구현
8.3.2 기존 컴퓨팅 솔루션
8.3.3 컴퓨터 아키텍처 설계 분석
8.4 참고문헌
9장. 자율주행을 위한 클라우드 플랫폼
9.1 개요
9.2 인프라스트럭처
9.2.1 분산 컴퓨팅 프레임워크
9.2.2 분산 스토리지
9.2.3 이종 컴퓨팅
9.3 시뮬레이션
9.3.1 BinPipeRDD
9.3.2 스파크와 ROS 연동하기
9.3.3 성능
9.4 모델 트레이닝
9.4.1 스파크를 사용하는 이유
9.4.2 트레이닝 플랫폼 아키텍처
9.4.3 이종 컴퓨팅
9.5 HD 맵 생성
9.5.1 HD 맵
9.5.2 클라우드를 이용한 맵 생성
9.6 결론
9.7 참고문헌
10장. 복잡한 교통 환경에서의 자율주행 라스트마일 배송 차량
10.1 배경과 동기
10.2 복잡한 교통 환경에서의 자율주행 배송 기술
10.3 JDCOM: 자율주행 솔루션
10.3.1 자율주행 아키텍처
10.3.2 로컬라이제이션과 HD 맵
10.3.3 인지
10.3.4 예측, 결정, 계획
10.4 안전과 보안 전략
10.4.1 시뮬레이션 단계 검증
10.4.2 차량 부분 모니터링
10.4.3 원격 모니터링
10.5 생산 전개
10.6 교훈
10.7 참고문헌
11장. 퍼셉트인 자율주행 자동차
11.1 서론
11.2 고가의 자율주행 기술
11.2.1 센싱
11.2.2 로컬라이제이션
11.2.3 인지
11.2.4 의사 결정
11.2.5 HD 맵의 생성과 관리
11.2.6 시스템 통합
11.3 경제성과 신뢰성 확보
11.3.1 센서 융합
11.3.2 모듈러 디자인
11.3.3 고정밀 비주얼 맵
11.4 모빌리티 서비스를 위한 자율 LSEV의 전개
11.5 결론
11.6 참고문헌
1.1 자율주행 기술의 개요
1.2 자율주행 알고리듬
1.2.1 센싱
1.2.2 인지
1.2.3 개체 인지 및 추적
1.2.4 동작
1.3 자율주행 클라이언트 시스템
1.3.1 ROS
1.3.2 하드웨어 플랫폼
1.4 자율주행 클라우드 플랫폼
1.4.1 시뮬레이션
1.4.2 HD 맵 생성
1.4.3 딥러닝 모델 학습
1.5 시작에 불과하다
2장. 자율주행을 위한 로컬라이제이션
2.1 GNSS를 이용한 로컬라이제이션
2.1.1 GNSS 개요
2.1.2 GNSS 오차 분석
2.1.3 위성 기반 오차 보정 시스템
2.1.4 RTK와 DGPS
2.1.5 PPP 알고리듬
2.1.6 GNSS INS 통합
2.2 HD 맵과 라이다를 이용한 로컬라이제이션
2.2.1 라이다 개요
2.2.2 HD 맵 개요
2.2.3 라이다와 HD 맵을 이용한 로컬라이제이션
2.3 비주얼 오도메트리
2.3.1 스테레오 비주얼 오도메트리
2.3.2 모노큘러 비주얼 오도메트리
2.3.3 관성 비주얼 오도메트리
2.4 추측 항법과 휠 오도메트리
2.4.1 휠 인코더
2.4.2 휠 오도메트리 오차
2.4.3 휠 오도메트리 오차의 경감
2.5 센서 융합
2.5.1 어반 챌린지의 CMU 보스
2.5.2 어반 챌린지의 스탠퍼드 주니어
2.5.3 메르세데스 벤츠의 버사
2.6 참고문헌
3장. 자율주행을 위한 인지
3.1 개요
3.2 데이터 세트
3.3 탐지
3.4 분할
3.5 스테레오, 옵티컬 플로우, 씬 플로우
3.5.1 스테레오와 깊이
3.5.2 옵티컬 플로우
3.5.3 씬 플로우
3.6 추적
3.7 결론
3.8 참고문헌
4장. 딥러닝을 통한 자율주행의 인지
4.1 컨볼루션 심층 신경망
4.2 탐지
4.3 의미 분할
4.4 스테레오와 옵티컬 플로우
4.4.1 스테레오
4.4.2 옵티컬 플로우
4.4.3 조밀한 연관에 대한 비지도 학습
4.5 결론
4.6 참고문헌
5장. 예측 및 경로 계획
5.1 계획 및 제어의 개요
5.1.1 아키텍처: 넓은 의미의 계획 및 제어
5.1.2 모듈의 범위: 여러 모듈의 협력을 통한 문제 해결
5.2 트래픽 예측
5.2.1 분류를 이용한 동작 예측
5.2.2 자동차 궤적 생성
5.3 차로 수준 경로 계획
5.3.1 경로 계획을 위한 가중치 방향성 그래프 구성 방법
5.3.2 경로 계획 알고리듬
5.3.3 경로 계획 그래프 비용: 유연한 경로 계획 또는 엄격한 경로 계획
5.4 결론
5.5 참고문헌
6장. 결정, 계획, 제어
6.1 동작 결정
6.1.1 마르코프 결정 과정 접근법
6.1.2 시나리오 기반의 분할 정복 접근법
6.2 모션 계획
6.2.1 자동차 모델, 도로 모델, SL 좌표계
6.2.2 경로 계획 및 속도 계획을 통한 모션 계획
6.2.3 종방향 계획과 횡방향 계획을 통한 모션 계획
6.3 피드백 제어
6.3.1 자전거 모델
6.3.2 PID 제어
6.4 결론
6.5 참고문헌
7장. 강화 학습 기반의 계획 및 제어
7.1 서론
7.2 강화 학습
7.2.1 Q 학습
7.2.2 액터-크리틱 방법
7.3 자율주행을 위한 학습 기반 계획 및 제어
7.3.1 동작 결정을 위한 강화 학습
7.3.2 계획 및 제어를 위한 강화 학습
7.4 결론
7.5 참고문헌
8장. 자율주행을 위한 클라이언트 시스템
8.1 복잡한 자율주행 시스템
8.2 자율주행을 위한 OS
8.2.1 ROS 개요
8.2.2 시스템 신뢰성
8.2.3 성능 개선
8.2.4 자원 관리 및 보안
8.3 컴퓨팅 플랫폼
8.3.1 컴퓨팅 플랫폼 구현
8.3.2 기존 컴퓨팅 솔루션
8.3.3 컴퓨터 아키텍처 설계 분석
8.4 참고문헌
9장. 자율주행을 위한 클라우드 플랫폼
9.1 개요
9.2 인프라스트럭처
9.2.1 분산 컴퓨팅 프레임워크
9.2.2 분산 스토리지
9.2.3 이종 컴퓨팅
9.3 시뮬레이션
9.3.1 BinPipeRDD
9.3.2 스파크와 ROS 연동하기
9.3.3 성능
9.4 모델 트레이닝
9.4.1 스파크를 사용하는 이유
9.4.2 트레이닝 플랫폼 아키텍처
9.4.3 이종 컴퓨팅
9.5 HD 맵 생성
9.5.1 HD 맵
9.5.2 클라우드를 이용한 맵 생성
9.6 결론
9.7 참고문헌
10장. 복잡한 교통 환경에서의 자율주행 라스트마일 배송 차량
10.1 배경과 동기
10.2 복잡한 교통 환경에서의 자율주행 배송 기술
10.3 JDCOM: 자율주행 솔루션
10.3.1 자율주행 아키텍처
10.3.2 로컬라이제이션과 HD 맵
10.3.3 인지
10.3.4 예측, 결정, 계획
10.4 안전과 보안 전략
10.4.1 시뮬레이션 단계 검증
10.4.2 차량 부분 모니터링
10.4.3 원격 모니터링
10.5 생산 전개
10.6 교훈
10.7 참고문헌
11장. 퍼셉트인 자율주행 자동차
11.1 서론
11.2 고가의 자율주행 기술
11.2.1 센싱
11.2.2 로컬라이제이션
11.2.3 인지
11.2.4 의사 결정
11.2.5 HD 맵의 생성과 관리
11.2.6 시스템 통합
11.3 경제성과 신뢰성 확보
11.3.1 센서 융합
11.3.2 모듈러 디자인
11.3.3 고정밀 비주얼 맵
11.4 모빌리티 서비스를 위한 자율 LSEV의 전개
11.5 결론
11.6 참고문헌