自动驾驶感知实践：从3D到BEV
高毅鹏 刘力铭
489人在读
17.3万字总字数
¥71定价
高毅鹏 刘力铭
本书由真正从事自动驾驶感知实践的资深专家撰写，由真实落地经验总结，系统讲解从3D目标检测到BEV融合感知的完整技术体系，内容涵盖基础理论、核心算法与工程实践，为读者进行感知系统开发提供全链路指导。 全书共7章。第1章全面介绍摄像头、激光雷达、毫米波雷达与超声波雷达的硬件组成、工作原理及应用场景，奠定传感器技术基础。第2章讲解针孔相机模型、畸变模型、鱼眼相机与双目相机模型，为图像处理与目标检测提供理论支撑。第3章深入解析3D目标检测算法，包括单目测距、单目3D检测及基于点云的方法，如SMOKE、MonoFlex、MonoDETR、PointPillars和CenterPoint，展现其在自动驾驶中的关键作用。第4章聚焦时间同步技术与摄像头、多传感器联合标定方法，确保多源数据的时空一致性，为数据融合提供保障。第5章介绍卡尔曼滤波、匈牙利算法及其改进方法，结合后融合策略与Apollo平台的融合方案，系统讲解后融合感知的实际应用。第6章围绕BEV融合感知技术，涵盖LSS、BEVDet、BEVDet4D、DETR3D、Sparse4D v1和BEVFormer等前沿算法，展示基于几何与网络变换的最新进展。第7章关注BEV感知的工程化落地，结合开源数据集、TensorRT加速与BEVDet4D实战，提供从算法到部署的完整实现路径。
我是从事智能驾驶数据闭环专业的工程师，更多的工作是工具链工程化建设，尤其是在构建数据前处理 pipeline 产线的时候需要和算法紧密沟通，在以前我和算法沟通存在着巨大的鸿沟，对于智驾模型算法的整体了解和一些专业数据都不懂，看完整本书，虽然无法达到算法理解的程度，但是我可以站在平台建设工程师的角度和算法很多的沟通，比如说我可以和算法沟通是多传感器前融合还是后融合，不同方式对于 pipeline 的构建有没有区别等。 智驾模型训练需要哪些传感器的数据，以及为什么需要这么多传感器的数据，它们都起到了什么样的作用，最终数据是如何处理给到模型训练的。 这中间对于非算法人员来说是一个黑盒，但是作为数据闭环工程师理解这些又是非常重要的，这不仅仅对于构建产线 pipeline， 更对于完整的数据闭环理解中的重要环节有着极大的学习价值。
虽然专业部分的内容是一点看不懂，但对于喜欢汽车，特别是电动汽车的爱好者来说，挺好的，能够看明白，智能化的系统工作原理，特别对于雷达这部分的讲解。