近年来，世界主要发达国家均全力支持汽车自动驾驶相关研究。从政府出台政策扶持，到企业投入巨额资金研发，再到高校及研究机构对相关技术的不断探索，推动着自动驾驶技术迅速发展和产业规模不断扩大。与之相对的是自动驾驶技术人才供不应求，企业和研究机构亟须大量专业技术人员。本书系统介绍了自动驾驶汽车环境感知技术。从自动驾驶环境感知概述开始，介绍了车载传感器及传感器标定、计算机视觉与神经网络、环境感知与识别、自动驾驶道路复杂场景语义理解，以及多传感器融合，并通过范例实践验证，可为具备一定基础的人员提供自动驾驶环境感知系统的开发指导。 本书可以作为高等院校车辆工程、交通工程和自动驾驶专业学生的教材，也可供从事自动驾驶汽车相关工作的工程技术人员参考和使用。

甄先通，北京航空航天大学电子信息工程学院“卓越百人”副教授。2013年毕业于英国谢菲尔德大学电子电气工程系，获得博士学位。2014至2017年分别在加拿大西安大略大学和美国德州大学-阿灵顿从事博士后研究工作，主要研究方向人工智能，包括计算机视觉、机器学习和医学图像分析。迄今为止发表论文50余篇，包括领域**国际期刊如IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI)，IEEE Transactions on Neural Networks and Learning Systems (T-NNLS)，Medical Image Analysis (MedIA)，以及**会议如IEEE Conference on Co mputer Vision and Pattern Recognition (CVPR) 和Medical Image Computing and Computer Assisted Intervention (MICCAI)。

前言 本书适用于高等院校车辆工程、交通工程和自动驾驶专业的学生，同时也可供从事自动驾驶汽车相关工作的工程技术人员参考和使用。全书共分为7章。第1章对自动驾驶环境感知做了简要介绍，在后续章节中，详细讲述了自动驾驶汽车环境感知的系统组成。具体地，第2章介绍了车载传感器，它是自动驾驶技术的硬件基础，是汽车感知周围环境与外界交互的硬件媒介。第3章分别介绍了摄像头、激光雷达以及多传感器组合等常见车载传感器的标定原理和标定方法； 并以百度阿波罗平台为例，给出较为详细的标定实例。第4章介绍自动驾驶技术中常用的计算机视觉和机器学习算法，特别详细讲述了深度学习技术中的卷积神经网络。第5章讲述本书的重点内容，即环境感知与识别，较为系统地介绍自动驾驶环境感知的关键检测技术，包括障碍物检测、车道线检测、交通信号灯检测与识别，同时本章还介绍了针对动态环境的场景流，其中主要介绍深度估计。另外，本章还简单介绍了基于V2X的道路环境感知技术，最后给出了红绿灯检测实验。第6章探讨自动驾驶道路复杂场景语义理解，首先引入百度ApolloScape复杂场景数据集； 然后分别介绍可行驶区域检测、复杂场景理解、动态场景理解、基于点云的三维分类和语义分割等典型任务； 最后提供基于点云的三维分割典型算法实现。第7章简单介绍多传感器融合问题，主要包括传感器融合结构与算法，以及多传感器前融合和后融合技术。 自动驾驶汽车技术是一项庞大且复杂的系统工程，可以毫不夸张地说，它是人工智能在自动驾驶中的集中体现。作为自动驾驶的重要环节，环境感知涉及软、硬件两方面的技术，两者必须融为一体，用到了当...