全书首先从智能驾驶技术发展背景出发，阐述环境感知系统在智能驾驶车辆中的作用及其基本组成；随后介绍摄像头、激光雷达、毫米波雷达、超声波传感器及组合定位等典型车载传感器的工作原理、传感器模型和应用特点。在此基础上，本书以目标检测任务为主线，系统介绍目标检测与分割的任务定义、评价指标、典型数据集，以及卷积神经网络、Transformer、Mamba等基础网络架构，并进一步讨论2D目标检测、3D目标检测、多模态融合目标检测、语义分割、实例分割和占用栅格等典型感知任务。本书分析了恶劣天气(雨、雾、雪、强光等)对传感器性能的影响，并探讨了目标检测模型在恶劣天气环境下面临的数据分布偏移与鲁棒性挑战，介绍了低质量图像目标检测模型、图像修复与目标检测级联式模型，以及图像修复与目标检测联合式模型等典型技术路线。此外，本书还讨论了目标检测模型在车载部署中面临的实时性与精度平衡问题，并介绍了感知不确定性量化及风险传播方法。