现在科学技术飞速发展，无人驾驶成为了新的热点，这本书在技术方面对人们进行了无人驾驶相关技术的简单介绍，也是对对技术学习感兴趣的人的一种引导。
无人驾驶能有效解决当今社会由于交通问题带来的一系列问题。
自动驾驶的等级分类逐渐智能化。
无人驾驶系统主要由三部分组成，算法端，Client端和云端。无人技术算法由传感、感知、决策构成；Client端包括机器人操作系统及硬件平台；云端包括数据存储、模拟、高精度地图绘制及深度学习模型训练。
其中提到了卷积神经网络（CNN），是一类在物体识别中被广泛应用的深度神经网络。深度神经网络是机器学习中的一种技术。
行为预测、路径规划及避障机制三者结合起来实时地完成无人驾驶动作的规划。
无人车是移动系统，因此需要云平台的支持。云平台主要从分布式计算及分布式存储两方面对无人驾驶系统提供支持。无人驾驶系统中很多的应用，包括用于验证新算法的仿真应用、高精度地图产生和深度学习模型训练都需要云平台的支持。我们使用Spark构建了分布式计算平台,使用OpenCL构建了异构计算平台,使用Alluxio作为内存存储平台。通过这三个平台的整合，可以为无人驾驶提供高可靠、低延迟及高吞吐的云端支持。
在云平台中，Spark管理着分布式的多个计算节点，在每一一个 计算节点中，都可以部署一个场景下的ROS回访模拟。在无人驾驶物体识别测试中，单服务器需耗时3小时完成算法测试，如果使用8机Spark机群，则时间可以缩短至25分钟。
高精度地图的产生过程非常复杂，涉及原始数据处理、点云生成、点云对齐、2D反射地图生成、高精地图标注、地图生成等阶段。使用Spark可以将所有这些阶段整合成一个Spark作业。由于Spark天然的内存计算的特性，在作业运行过程中产生的中间数据都存储在内存中。当整个地图生产作业提交之后，不同阶段之间产生的大量数据不需要使用磁盘存储,数据访问速度加快，从而极大提高精度了高地图产生的性能。