홈앤서비스 SK BROADBAND

지은이 소개
옮긴이 소개
옮긴이의 말
요약
들어가며

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

찾아보기

저자 : 리우 샤오샨
퍼셉트인(PerceptIn)의 의장이자 공동 창업자다. UC 어바인에서 학부 및 대학원을 마치고 2010년 컴퓨터 공학 박사 학위를 취득했다. 주 연구 분야는 컴퓨터 아키텍처, 빅데이터 플랫폼, 딥 러닝 인프라스트럭처, 로보틱스다. 리우 박사는 8년 이상의 업계 경력을 갖고 있으며, 퍼셉트인을 설립하기 전 바이두(Baidu) USA에 근무하면서 자율 주행 시스템 팀을 이끌었다. 바이두 USA에 근무하기 전에는 링크드인에서 빅데이터 플랫폼 업무를 수행했고, 마이크로소프트에서는 OS 커널 업무를 수행했으며, MSR(마이크로소프트 리서치)에서 재설정 컴퓨팅(Reconfigurable Computing)을, 프랑스의 INRIA에서 GPU 컴퓨팅을, 인텔 연구소/리서치에서는 런타임 시스템을, 브로드컴(Broadcom)에서는 하드웨어를 연구했다.
저자 : 리 리윤
현재 캘리포니아 서니베일에 있는 바이두 실리콘밸리 연구 센터에서 소프트웨어 아키텍트로 근무하고 있다. 바이두 자율 주행 팀의 초기 멤버로서, 바이두 자율 주행차를 위한 스마트 행위 결정, 모션 계획, 차량 제어를 비롯한 다양한 자율주행 기술을 개발하고 선도하고 있다. 바이두에 합류하기 전에는 현재 마이크로소프트에 인수된 링크드인(LinkedIn)의 선임 소프트웨어 엔지니어로 근무했다. 뉴욕대에서 컴퓨터 과학 박사 학위를 취득했으며, 주요 연구 분야는 응용 머신 러닝이다.
저자 : 탕 지에
현재 중국 광저우에 있는 SCUT(South China University of Technology)의 컴퓨터 과학 및 공학부 조교수로 근무하고 있다. SCUT에 부임하기 전에 UC 리버사이드와 클락슨 대학교에서 2013년 12월부터 2015년 8월까지 박사후 연구원으로 근무했다.2006년 국방과학기술대학에서 컴퓨터 과학 학사를 취득하고, 2012년 베이징 이공대학에서 컴퓨터 과학 박사 학위를 취득했다. 2009년에서 2011년까지 UC 어바인의 PASCAL 랩에서 방문 연구원으로 근무했다.
저자 : 우 슈앙
이투(Yitu) 사에서 과학자로 근무하고 있다. 그 전에는 미국 캘리포니아 서니베일에 있는 바이두 AI 랩에서 선임 연구원으로, 바이두 USDC에서 선임 아키텍트로 근무했다. USC에서 물리학 박사 학위를 취득했고, UCLA에서 박사후 연구원으로 근무한 바 있다. 컴퓨터 및 생체 비전, 전산 광고와 음성 인식 분야의 응용 머신 러닝에 대해 연구했으며, NIPS와 ICML을 비롯한 여러 학회에 꾸준히 논문을 발표하고 있다.
저자 : 장 뤽 고디오
1976년 프랑스 파리에 있는 ESIEE에서 공학사를 취득하고, UCLA에서 1977년과 1982년에 석사와 박사 학위를 취득했다. 현재 UC 어바인의 전기공학 및 컴퓨터 과학과 교수로 근무하고 있다. 2002년 UCI에 부임하기 전에 USC에서 1982년까지 전기공학부 교수로 근무한 바 있다. 주요 연구 분야는 멀티스레드 아키텍처, 장애 대응(fault-tolerant) 멀티프로세서, 재설정 아키텍처 등이며, 지금까지 250편 이상의 저널 및 학회 논문을 발표한 바 있다. NSF, DoE, DARPA뿐만 아니라 다수의 산업체 지원으로 연구를 수행하고 있다. IEEE 컴퓨터 소사이어티에서 다양한 직책을 받아왔으며 2017년에는 회장으로 선출됐다.
역자 : 남기혁
고려대 컴퓨터학과에서 학부와 석사 과정을 마친 후 한국전자통신연구원에서 선임 연구원으로 재직하고 있으며, 현재 ㈜프리스티에서 네트워크 제어 및 검증 소프트웨어 개발 업무를 맡고 있다. 에이콘출판사에서 출간한 『GWT 구글 웹 툴킷』(2008), 『해킹 초보를 위한 USB 공격과 방어』(2011), 『자바 7의 새로운 기능』(2013), 『iOS 해킹과 보안 가이드』(2014), 『Neutron 오픈스택 네트워킹』(2015), 『실전 IoT 네트워크 프로그래밍』(2015), 『애플 워치 WatchKit 프로그래밍』(2015), 『현대 네트워크 기초 이론』(2016), 『도커 컨테이너』(2017), 『스마트 IoT 프로젝트』(2017), 『파이썬으로 배우는 인공지능』(2017), 『메이커를 위한 실전 모터 가이드』(2018), 『트러블 슈팅 도커』(2018), 『Go 마스터하기』(2018) 등을 번역했다.
역자 : 김은도
한양대학교에서 응용물리학과를 졸업한 뒤, 과학기술연합대학원대학교(UST)를 통해 한국전자통신연구원(ETRI) 표준연구본부에 근무하며 정보통신네트워크공학을 전공으로 박사 학위를 취득했다. 현재는 KT 융합기술원 인프라연구소에 선임연구원으로 재직 중이며, 주 연구 분야는 SDN과 NFV이다. ICT-DIY 활동에 관심이 많아, 대학원생 시절 ICT-DIY 커뮤니티의 리더를 역임하기도 했다.
역자 : 서영빈
서울시립대학교에서 기계정보공학을 전공한 후, 현재 과학기술연합대학원대학교에서 무기체계공학을 전공으로 박사 과정을 밟고 있다. 복합항법을 중점으로 연구하면서 위성항법으로도 연구를 했고, 순수항법으로도 연구를 하면서 다양한 분야의 연구를 하고 있다. 지금은 베이지안 필터 이론을 하나 만들어서 지형대조항법과 엮어볼 궁리를 하는 중이다.일 이외에는 게임이나 야구, 연주로 시간을 보내고 있지만 아직은 연구가 제일 재미있는 것 같다.