자율 주행 자동차 만들기

1장. 자율 주행 개요
__1.1 자율 주행 기술의 개요
__1.2 자율 주행 알고리즘
____1.2.1 센싱
____1.2.2 인지
____1.2.3 개체 인지 및 추적
____1.2.4 동작
________동작 예측
________경로 계획
________장애물 회피
__1.3 자율 주행 클라이언트 시스템
____1.3.1 ROS
________신뢰성
________성능
________보안
____1.3.2 하드웨어 플랫폼
__1.4 자율 주행 클라우드 플랫폼
____1.4.1 시뮬레이션
____1.4.2 HD 맵 생성
____1.4.3 딥러닝 모델 학습
__1.5 시작에 불과하다


2장. 자율 주행을 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 알고리즘
____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 자율 주행의 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
__4.5 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
________자동차 동작 예측을 위한 특징 설계
________자동차 동작 예측을 위한 모델 선택
____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 알고리즘
________데이크스트라 알고리즘을 적용한 자율 주행 자동차 경로 계획 알고리즘
________A* 알고리즘을 적용한 자율 주행 자동차 경로 계획 알고리즘
____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
________합성 결정
________독자 결정
________시나리오 구성 및 시스템 설계
__6.2 모션 계획
____6.2.1 자동차 모델, 도로 모델, SL 좌표계
____6.2.2 경로 계획 및 속도 계획을 통한 모션 계획
________동적 프로그래밍을 통한 최소 비용 경로 탐색
________ST 그래프를 통한 속도 계획
____6.2.3 종방향 계획과 횡방향 계획을 통한 모션 계획
________횡방향 계획
________종방향 계획
________추종
________양보 및/또는 추월에 의한 차로 변경
________정지
__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 자율 주행을 위한 학습 기반 계획 및 제어
____7.3.1 동작 결정을 위한 강화 학습
____7.3.2 계획 및 제어를 위한 강화 학습
________특수한 경우
________미해결 문제와 어려운 문제에 대한 몇 가지 견해
__7.4 결론
__7.5 참고문헌


8장. 자율 주행을 위한 클라이언트 시스템
__8.1 복잡한 자율 주행 시스템
__8.2 자율 주행을 위한 OS
____8.2.1 ROS 개요
________ROS의 기초
____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
________GPU 기반 컴퓨팅 솔루션
________DSP 기반 솔루션
________FPGA 기반 솔루션
________ASIC 기반 솔루션
____8.3.3 컴퓨터 아키텍처 설계 분석
________부하의 종류에 최적화된 컴퓨팅 장치
________모바일 프로세서 기반의 자율 주행
________컴퓨팅 플랫폼 설계
__8.4 참고문헌


9장. 자율 주행을 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