本书是基于北京联合大学“旋风智能车”团队多年来在无人驾驶技术领域的积累而编写的面向本科及高职层次的无人驾驶技术理论教材。 全书共9章。第1章介绍无人驾驶技术的概念、发展历史和治理趋势。第2章介绍无人驾驶技术的基本原理，并对智能网联汽车和无人驾驶仿真平台进行介绍。第3章对无人驾驶汽车底盘改造原理与方法进行介绍。第4章对常用的智能传感器与控制器进行介绍。第5章介绍精确定位与导航原理，并对以最新激光雷达SLAM为核心的多传感器融合的精确定位方法进行介绍。第6章介绍环境感知的原理及方法。第7章介绍智能决策方法，包括递阶式决策方法、端到端决策方法及决策评估方法与相关数据集。第8章介绍车辆控制方法，包括以预瞄跟随理论为代表的轨迹跟踪控制方法和以PID控制为代表的纵向控制方法等。第9章介绍现阶段无人驾驶技术的应用场景。 本书配有相应的在线课程、PPT、习题和习题解答，相关教学资源可登录“华信教育资源网”下载。本书可作为本科院校和高职院校无人驾驶理论课程的教材，也适合从事无人驾驶技术研发工作的工程技术人员阅读。

刘元盛，北京联合大学机器人学院电子工程系主任，教授，博士研究生导师，中国人工智能学会智能驾驶专业委员会委员、CCF智能汽车分会执委、北京市自动驾驶车辆道路测试专家委员会委员、北京市高教学会电子线路研究会理事。2012年起，任北京联合大学李德毅院士智能车团队核心成员，“旋风智能车”团队负责人，主要研究智能驾驶技术中的多种传感器数据融合及精确定位技术。近5年发表各类高水平论文30余篇，以第一发明人获得发明专利授权10余项（专利成果转让2项），指导硕士研究生30余名。获得“北京市创新团队”、“北京市拔尖人才培育计划” 等多项资助，主持北京市科委电动汽车重大专项课题以及多项企业横向课题，获得国家和北京市教学成果奖多项，获得吴文俊人工智能科学技术二等奖1项。近五年内，主持了各类型号共100辆无人驾驶车辆的改造和示范运行工作，在国内率先提出低速园区无人驾驶的解决方案以及无人驾驶教学系统方案，并在国内众多高校推广应用。

目 录
第1章 无人驾驶技术的发展 1
1.1 无人驾驶的基本概念 1
1.1.1 无人驾驶的定义 1
1.1.2 无人驾驶的分级 1
1.2 国内外无人驾驶的发展历史 3
1.2.1 国外无人驾驶的发展 3
1.2.2 国内无人驾驶的发展 5
1.3 无人驾驶的治理趋势 8
1.3.1 国际无人驾驶的治理趋势 8
1.3.2 国内无人驾驶的治理趋势 11
第2章 无人驾驶技术的基本原理 14
2.1 无人驾驶技术的基本框架 14
2.2 环境感知方法 14
2.2.1 精确位置感知 15
2.2.2 周边环境信息感知 17
2.3 决策与控制执行方法 17
2.3.1 智能决策方法 17
2.3.2 车辆控制方法 19
2.4 车辆底盘线控方法 19
2.4.1 车辆纵向控制方法 20
2.4.2 车辆横向控制方法 20
2.5 智能网联汽车 21
2.5.1 传统道路交通系统所面临的挑战 21
2.5.2 车联网的概念与定义 22
2.5.3 车联网平台架构 23
2.5.4 车联网通信技术路线 25
2.5.5 车联网国内外发展现状 27
2.5.6 车联网未来发展趋势 32
2.6 无人驾驶仿真平台的分类与应用 34
2.6.1 无人驾驶仿真平台发展 34
2.6.2 无人驾驶仿真平台介绍 35
2.6.3 无人驾驶仿真平台的发展方向 40
第3章 无人驾驶汽车底盘改造原理与方法 41
3.1 无人驾驶汽车底盘改造方案 41
3.1.1 无人驾驶汽车分类 41
3.1.2 低速无人驾驶汽车的特点 42
3.1.3 小型电动车底盘改造方案 42
3.2 车载总线技术 45
3.2.1 车载总线技术概述 45
3.2.2 CAN总线技术 46
3.2.3 CAN-FD总线技术 53
3.2.4 其他车载总线技术 55
3.2.5 车载总线开发流程及常用设备 58
3.3 自动转向系统的改造方法 60
3.3.1 车辆转向系统的类型 60
3.3.2 无人驾驶汽车阿克曼式自动转向系统改造设计 66
3.3.3 低速无人驾驶汽车双模转向系统改造实例分析 68
3.4 自动制动系统的改造方法 70
3.4.1 车辆制动原理及主动制动控制功能 70
3.4.2 线控制动系统的实现方法 71
3.4.3 低速无人驾驶汽车制动改造实例 76
第4章 常用的智能传感器与控制器 80
4.1 概述 80
4.2 车载GNSS设备 81
4.3 车载惯性导航设备 83
4.3.1 光纤惯导 83
4.3.2 微惯导 84
4.3.3 组合式导航设备 84
4.4 视觉传感器 86
4.4.1 视觉传感器的原理 86
4.4.2 常用的视觉传感器设备 89
4.5 激光雷达 91
4.5.1 激光雷达的原理 91
4.5.2 激光雷达的分类 92
4.5.3 机械旋转式激光雷达 93
4.5.4 MEMS激光雷达 101
4.6 毫米波雷达 103
4.6.1 毫米波雷达的原理 103
4.6.2 毫米波雷达的典型设备 104
4.7 超声波雷达 105
4.7.1 超声波雷达的原理 105
4.7.2 超声波雷达的类型 105
4.8 车载智能芯片及控制器 106
4.8.1 国外车载智能芯片 106
4.8.2 国内车载智能芯片 110
4.8.3 国产域控制器实例 111
第5章 精确定位与导航原理 114
5.1 定位方法概述 114
5.2 磁导航与惯性导航定位 115
5.2.1 磁导航定位 115
5.2.2 惯性导航定位 116
5.3 GNSS定位 118
5.3.1 导航定位原理 118
5.3.2 差分导航原理 119
5.3.3 大地主题解算的基本原理 121
5.4 UWB无线定位 126
5.4.1 UWB无线定位概述 126
5.4.2 TOA原理 127
5.4.3 TDOA原理 129
5.4.4 AOA原理 130
5.5 激光雷达SLAM定位 131
5.5.1 激光雷达SLAM概述 131
5.5.2 激光雷达SLAM算法分类 131
5.5.3 激光雷达SLAM流程 135
5.6 视觉SLAM定位 136
5.6.1 视觉SLAM概述 136
5.6.2 常用的视觉SLAM算法 137
5.7 多传感器融合的精确定位方法 141
5.7.1 基于误差状态卡尔曼滤波的IMU+GPS融合定位 141
5.7.2 基于卡尔曼滤波的IMU+轮速计融合定位 144
5.7.3 基于因子图的GNSS+激光雷达+IMU的融合SLAM算法 145
5.7.4 激光雷达+IMU+GNSS+相机融合定位方法 147
5.7.5 基于实时局部建图的激光雷达长周期定位方法 148
第6章 环境感知的原理及方法 150
6.1 环境感知要求与方法 150
6.2 基于视觉的环境感知 152
6.2.1 基于规则的视觉感知 152
6.2.2 基于深度学习的视觉感知 158
6.3 基于激光雷达的环境感知 166
6.3.1 萌芽期 166
6.3.2 起步期 167
6.3.3 发展期 167
6.3.4 落地期 170
6.4 激光雷达与视觉结合的障碍物检测方法 171
6.4.1 基于视觉图像的行人检测方法研究 172
6.4.2 基于相机与激光雷达数据融合的行人检测方法研究 175
第7章 智能决策方法 183
7.1 决策方法概述 183
7.2 递阶式决策方法 183
7.2.1 行为决策 184
7.2.2 运动规划 189
7.3 端到端决策方法 194
7.3.1 模仿学习 195
7.3.2 基于强化学习的决策方法 203
7.4 决策评估方法与相关数据集 213
7.4.1 决策评估方法 213
7.4.2 数据集 214
第8章 车辆控制方法 218
8.1 轨迹跟踪控制 218
8.1.1 预瞄跟随理论 218
8.1.2 目标转角计算 221
8.1.3 PID控制 222
8.1.4 误差与转角一致性分析 222
8.2 纵向控制 223
第9章 无人驾驶技术的应用场景 226
9.1 无人驾驶出租车 226
9.1.1 简介 226
9.1.2 百度无人驾驶出行服务平台：萝卜快跑 227
9.2 无人物流配送 227
9.2.1 自动导向车（AGV） 228
9.2.2 园区无人配送与零售 229
9.3 矿山无人机械 230
9.3.1 露天煤矿无人化运输车 230
9.3.2 地下金属矿无人化巡检车 231
9.4 农牧业智能化中的无人驾驶 232
9.4.1 无人化农业 232
9.4.2 无人化畜牧业 233
9.5 港口的无人化应用 234
9.6 工程机械的无人化应用 234