自動駕駛停車位檢測技術
桑海峰,李榮達,常睿,單凱強,李佳
買這商品的人也買了...
-
$403無人駕駛:人工智能如何顛覆汽車
-
$305自動駕駛系統設計及應用
-
$305自動駕駛技術概論
-
$305自動駕駛汽車定位技術
-
$680$578 -
$427第一本無人駕駛技術書(第2版)
-
$403共享汽車調度優化方法及平臺研究
-
$359$341 -
$356無人駕駛:重新思考未來交通
-
$446無人駕駛:未來出行革命破局之道
-
$500Python OpenCV 從入門到實踐 (Python3全彩版)
-
$454OpenCV 4.5 電腦視覺開發實戰 (基於 VC++)
-
$480$480 -
$654$621 -
$505自主移動機器人與多機器人系統:運動規劃、通信和集群
-
$250自動駕駛
-
$449智能網聯汽車自動駕駛仿真技術
-
$690$587 -
$890$757 -
$699$594 -
$398無人駕駛車輛智能行為決策建模
-
$221移動機器人編程與裝調
-
$1,015節能汽車 : 協同式自動駕駛
-
$454面向自動駕駛的交通標識視覺感知
-
$820$648
相關主題
商品描述
智能駕駛汽車是一個集環境感知、規劃決策、多等級輔助駕駛等功能於一體的綜合系統,。基於視覺的停車位檢測是智能駕駛環境感知中一項重要任務。本書首先總體概況智能駕駛環境感知的作用,然後重點描述基於視覺的環境感知技術,包括圖像視頻採集傳感器(攝像頭、鏡頭、標定等)介紹、用於停車位檢測的基本知識(圖像變換,單目,雙目測距,圖像拼接等)描述,最後重點描述基於傳統線檢測和深度學習技術的停車位檢測方法,同時給出相應的代碼。本書適用於高等院校車輛工程、交通工程專業的學生,同時也可供智能駕駛環境感知研究的相關人員參考和實用。
作者簡介
桑海峰,男,1978年生,博士,教授,博士生導師。
現為瀋陽工業大學信息科學與工程學院測控系主任,遼寧省“百千萬人才工程”千人層次人選。
現主要從事智能視頻分析、機器視覺檢測與圖像識別、無人駕駛之環境感知技術、深度學習技術研究。
近年來,主持和參與國家及省部級科研項目10項目,發表學術論文50篇,被SCI、EI檢索34篇,授權發明專利3項,出版教材1部。
目錄大綱
目錄
第1章自動駕駛環境感知概述
1.1自動駕駛環境感知的背景
1.2停車位感知的背景及方法
參考文獻
第2章圖像採集傳感器
2.1鏡頭
2.1.1鏡頭的結構
2.1.2鏡頭的焦距和視場
2.1.3鏡頭的景深和光圈
2.1.4鏡頭的像差
2.1.5鏡頭的類型
2.2攝像機
2.2.1CCD傳感器
2.2.2CMOS傳感器
2.2.3彩色攝像機
2.3攝像機與電腦接口
2.3.1通用串行總線USB
2.3.2千兆以太網
2.4車載攝像機
2.4.1工作原理
2.4.2應用特點
2.4.3攝像頭實現的功能
2.5本章小結
參考文獻
第3章傳感器標定
3.1攝像機標定定義與分類
3.1.1攝像機標定定義
3.1.2基於是否需要標定物分類
3.1.3基於不同標定物分類
3.1.4基於模型的標定分類
3.1.5基於求解參數結果的標定分類
3.1.6基於求解方法的標定分類
3.2張正友攝像機標定法
3.2.1單應矩陣的計算
3.2.2攝像機內外參數求解
3.2.3雙目攝像機的相對外部參數求解
3.3雙目攝像機的標定實驗
3.3.1單目攝像機的標定
3.3.2雙目攝像機的立體標定
3.4畸變與校正
3.4.1徑向畸變
3.4.2切向畸變
3.5本章小結
參考文獻
第4章三維視覺及測距系統
4.1攝像機成像模型
4.2視覺測量坐標系
4.2.14個基本坐標系
4.2.24個坐標系之間的變換關系
4.3單目測距原理
4.4平行型雙目攝像機測距原理
4.5立體匹配
4.5.1立體校正
4.5.2邊界延拓
4.5.3匹配策略
4.5.4匹配基元
4.5.5約束準則
4.5.6相似性度量準則
4.5.7立體匹配視差測距
4.6本章小結
參考文獻
第5章圖像變換與拼接
5.1圖像變換
5.1.1仿射變換
5.1.2透視變換
5.1.3示例程序: 鳥瞰圖生成
5.2圖像特徵點匹配算法
5.2.1SIFT算法詳解
5.2.2SURF算法詳解
5.2.3RANSAC算法詳解
5.3圖像拼接
5.4圖像拼接質量評價
5.4.1PSNR峰值信噪比評價法
5.4.2SSIM評價法
5.5本章小結
參考文獻
第6章基於機器視覺的停車位檢測
6.1OpenCV以及Visual Studio
6.1.1OpenCV概述
6.1.2起源及發展
6.1.3Visual Studio
6.2檢測停車位前圖像預處理
6.2.1線性濾波與非線性濾波
6.2.2圖像亮度及對比度
6.2.3形態學運算
6.2.4圖像金字塔與圖像尺寸縮放
6.2.5閾值化
6.3停車位及車位線的特徵提取
6.3.1邊緣檢測
6.3.2直線檢測
6.3.3圖像輪廓與分割
6.4停車位及車位線判定
6.4.1完整停車位檢測
6.4.2不完整停車位檢測
6.4.3缺損停車位檢測
6.4.4示例程序: 停車位檢測
6.5實驗流程
6.6本章小結
參考文獻
第7章基於深度學習的停車位檢測
7.1深度學習的基本原理
7.1.1人工神經網絡
7.1.2反向傳播算法
7.1.3捲積神經網絡
7.2經典的捲積神經網絡
7.2.1LeNet
7.2.2AlexNet
7.2.3VGGNet
7.2.4ResNet
7.2.5YOLO v3
7.3車位檢測的方法
7.3.1基於標記點的檢測方法
7.3.2基於邊界框的檢測方式
7.4本章小結
參考文獻