دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Shaoshan Liu, Liyun Li, Jie Tang, Shuang Wu, Jean-Luc Gaudiot سری: Synthesis Lectures on Computer Science ISBN (شابک) : 1681730073, 9781681730073 ناشر: Morgan & Claypool سال نشر: 2017 تعداد صفحات: 186 [198] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 Mb
در صورت تبدیل فایل کتاب Creating Autonomous Vehicle Systems به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ایجاد سیستم های اتومبیل خودران نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب اولین مرور فنی از وسایل نقلیه خودران است که برای عموم مخاطبان محاسباتی و مهندسی نوشته شده است. نویسندگان تجربیات عملی خود را از ایجاد سیستم های خودروی خودمختار به اشتراک می گذارند. این سیستمها پیچیده هستند و از سه زیرسیستم اصلی تشکیل شدهاند: (1) الگوریتمهای محلیسازی، ادراک و برنامهریزی و کنترل. (2) سیستم های مشتری، مانند سیستم عامل روباتیک و پلت فرم سخت افزار. و (3) پلت فرم ابری که شامل ذخیره سازی داده ها، شبیه سازی، نقشه برداری با کیفیت بالا (HD) و آموزش مدل یادگیری عمیق است. زیرسیستم الگوریتم، اطلاعات معنیداری را از دادههای خام حسگر استخراج میکند تا محیط خود را درک کند و درباره اقداماتش تصمیمگیری کند. زیرسیستم مشتری این الگوریتم ها را برای برآوردن الزامات زمان واقعی و قابلیت اطمینان یکپارچه می کند. پلتفرم ابری قابلیتهای محاسباتی و ذخیرهسازی آفلاین را برای وسایل نقلیه خودران فراهم میکند. با استفاده از پلتفرم ابری، میتوانیم الگوریتمهای جدید را آزمایش کنیم و نقشه HD را بهروزرسانی کنیم، مدلهای تشخیص، ردیابی و تصمیمگیری بهتر را آموزش دهیم.
این کتاب شامل نه فصل است. فصل 1 مروری بر سیستم های خودروی خودران ارائه می دهد. فصل 2 بر فناوری های بومی سازی تمرکز دارد. فصل 3 تکنیک های سنتی مورد استفاده برای ادراک را مورد بحث قرار می دهد. فصل 4 تکنیک های مبتنی بر یادگیری عمیق برای ادراک را مورد بحث قرار می دهد. فصل 5 به معرفی زیر سیستم برنامه ریزی و کنترل، به ویژه فناوری های پیش بینی و مسیریابی می پردازد. فصل 6 بر برنامه ریزی حرکت و کنترل بازخورد زیرسیستم برنامه ریزی و کنترل تمرکز دارد. فصل 7 برنامه ریزی و کنترل مبتنی بر یادگیری تقویتی را معرفی می کند. فصل 8 به جزئیات طراحی سیستم های مشتری می پردازد. و فصل 9 جزئیات پلت فرم های ابری را برای رانندگی خودکار ارائه می دهد.
این کتاب باید برای دانش آموزان، محققان و پزشکان به طور یکسان مفید باشد. چه دانشجوی لیسانس یا فارغ التحصیل باشید که به رانندگی خودران علاقه مند هستید، در اینجا یک نمای کلی از کل مجموعه فناوری خودروهای خودران را خواهید دید. اگر شما یک متخصص رانندگی مستقل هستید، بسیاری از تکنیک های کاربردی معرفی شده در این کتاب برای شما جالب خواهد بود. محققان همچنین منابع زیادی برای کاوش موثر و عمیقتر در مورد فناوریهای مختلف پیدا خواهند کرد.
This book is the first technical overview of autonomous vehicles written for a general computing and engineering audience. The authors share their practical experiences of creating autonomous vehicle systems. These systems are complex, consisting of three major subsystems: (1) algorithms for localization, perception, and planning and control; (2) client systems, such as the robotics operating system and hardware platform; and (3) the cloud platform, which includes data storage, simulation, high-definition (HD) mapping, and deep learning model training. The algorithm subsystem extracts meaningful information from sensor raw data to understand its environment and make decisions about its actions. The client subsystem integrates these algorithms to meet real-time and reliability requirements. The cloud platform provides offline computing and storage capabilities for autonomous vehicles. Using the cloud platform, we are able to test new algorithms and update the HD mapplus, train better recognition, tracking, and decision models.
This book consists of nine chapters. Chapter 1 provides an overview of autonomous vehicle systems; Chapter 2 focuses on localization technologies; Chapter 3 discusses traditional techniques used for perception; Chapter 4 discusses deep learning based techniques for perception; Chapter 5 introduces the planning and control sub-system, especially prediction and routing technologies; Chapter 6 focuses on motion planning and feedback control of the planning and control subsystem; Chapter 7 introduces reinforcement learning-based planning and control; Chapter 8 delves into the details of client systems design; and Chapter 9 provides the details of cloud platforms for autonomous driving.
This book should be useful to students, researchers, and practitioners alike. Whether you are an undergraduate or a graduate student interested in autonomous driving, you will find herein a comprehensive overview of the whole autonomous vehicle technology stack. If you are an autonomous driving practitioner, the many practical techniques introduced in this book will be of interest to you. Researchers will also find plenty of references for an effective, deeper exploration of the various technologies.