计算机视觉算法与智能车应用-网络科技-文化科教-太极之巅书单号

书刊介绍

计算机视觉算法与智能车应用本书特色

本书介绍计算机视觉在智能车中的应用，分三个部分共13章。**部分（第1、2章），供初学者学习，介绍计算机视觉的定义、研究内容、发展历程、在智能车中的主要应用，以及智能车视觉常用的图像预处理方法。第二部分（第3～5章），是智能车视觉技术的基础内容，介绍智能车视觉认知硬件平台和软件开发环境的搭建与配置，以及在实际应用中经常使用的摄像机标定方法和视觉测距技术。第三部分（第6～13章），介绍计算机视觉在智能车中的具体应用和问题解决，包括车道线的识别与跟踪、停止线检测与测距、斑马线、导向箭头、交通信号灯、交通标志牌等识别方法和视觉定位技术，使读者进一步了解智能车视觉的具体应用，以及解决问题的难点和思路。本书适合从事计算机视觉、图像处理、智能车研究的人员学习，尤其适合从事无人驾驶智能车图像处理研究和开发的人员学习，也可作为相关专业研究生的教学用书。

计算机视觉算法与智能车应用内容简介

目前实际应用中只通过计算机视觉解决其他传感器难以解决的科学和工程问题，如车道线检测、停止线检测、红绿灯识别等。随着智能车产业化进程的临近，由于智能车研发中视觉传感器所需要的设备成本较低，因此，用计算机视觉来解决智能驾驶中遇到的问题成为目前和未来的发展趋势。

计算机视觉算法与智能车应用目录

第1章计算机视觉简介11.1计算机视觉的发展历程11.2计算机视觉研究现状21.3计算机视觉在智能车的应用3第2章视觉预处理技术72.1灰度化处理72.2颜色空间变换82.2.1rgb颜色空间82.2.2hsv颜色空间92.2.3rgb与hsv相互转换102.3阈值处理122.3.1全局阈值处理方法132.3.2局部阈值处理方法142.3.3自适应阈值处理方法142.4霍夫变换152.5平滑滤波162.5.1邻域平滑滤波162.5.2中值滤波182.6边缘检测192.6.1canny算子边缘检测202.6.2sobel算子边缘检测21第3章智能车视觉平台搭建243.1硬件平台的设计与搭建243.1.1硬件平台的设计243.1.2硬件平台的搭建273.2开发环境的搭建293.2.1开发工具介绍293.2.2opencv下载与安装293.2.3环境配置30第4章标定394.1摄像机标定方法394.1.1摄像机成像模型394.1.2摄像机内外参数404.1.3机器视觉标定板说明414.1.4单目摄像机标定434.2逆透视标定方法454.2.1逆透视变换原理454.2.2传统的逆透视标定方法464.2.3一种用于智能车的逆透视标定方法474.2.4逆透视图像的特点及应用51第5章单目视觉测距535.1基于映射关系表的单目视觉测距535.1.1方法的实现535.1.2实验结果555.1.3等距标记的优缺点565.2基于几何关系的距离计算方法565.2.1方法的实现565.2.2实验与结果分析625.3基于逆透视变换的平面测距方法65第6章车道线检测与跟踪676.1车道线检测方法676.1.1车道线特性及类型676.1.2国内外近年研究成果686.1.3车道线检测的难点696.1.4自适应二值化算法696.2基于透视图像的检测方法736.2.1透视模型736.2.2一种基于透视图像的车道线检测方法766.3基于ipm的检测方法796.3.1逆透视模型796.3.2一种基于ipm的车道线检测方法806.4车道虚拟中心线的计算方法866.5车道线跟踪技术896.5.1基于卡尔曼滤波的车道线跟踪906.5.2基于粒子滤波的车道线跟踪90第7章斑马线识别927.1斑马线的特征及其作用927.2斑马线识别方法947.3基于时空关联的斑马线识别方法99第8章停止线识别与测距1038.1停止线的特征及其作用1038.1.1停止线的特征1038.1.2停止线的作用1048.2停止线识别方法1058.3基于时空关联的停止线识别方法1088.4停止线测距112第9章导向箭头识别1149.1导向箭头的特征和类型1149.2导向箭头的识别方法1159.3基于时空关联的导向箭头识别方法116第10章交通信号灯识别12210.1交通信号灯识别简述12210.1.1交通信号灯识别的意义12210.1.2交通信号灯识别的方法12310.2交通信号灯检测方法12410.2.1颜色空间选取12510.2.2图像分割12610.3交通信号灯识别方法12910.3.1区域选择12910.3.2特征提取13010.3.3分类器训练132第11章交通标志牌识别13311.1交通标志牌识别简述13311.2交通标志牌类型13511.3交通标志牌识别现状13911.4交通标志牌识别的难点14011.4.1天气环境的影响14011.4.2空间变化的影响14111.5交通标志牌识别的方法14311.5.1基于模板匹配的方法14311.5.2基于机器学习的方法146第12章无人自主车视觉定位15012.1视觉定位的意义和应用15012.2视觉定位方法15212.2.1基于路标库和图像匹配的全局定位15212.2.2同时定位与地图构建的slam15512.2.3基于局部运动估计的视觉里程计15612.3定位算法性能分析159第13章基于视觉的路口定位16113.1路口定位的实现流程16113.2基于路口场景识别的粗定位16213.2.1建立路口场景特征库16213.2.2基于surf的快速路口场景识别16413.3基于ipm的高精度实时定位16613.3.1逆透视变换（ipm）16613.3.2停止线检测与测距16913.3.3车道线检测17213.3.4位置坐标计算175参考文献178

计算机视觉算法与智能车应用作者简介

刘宏哲，博士，副教授，北京联合大学信息学院软件工程系主任，北京市信息服务工程重点实验室副主任兼办公室主任，硕士研究生导师，软件工程学位分委会副主任，中国计算机用户学会网络应用分会副秘书长。主要研究方向为图像处理、社群媒体语义计算、数字博物馆，具有较强的科研能力和较扎实的理论基础，是北京联合大学李德毅院士智能车团队骨干成员。近几年主持或作为骨干参加多项***和省部级课题，国家自然科学基金项目2项、国家科技支撑课题1项，北京市文化科技创新工程项目1项，北京市创新团队2项，北京市教委面上项目2项，北京市中青年骨干教师1项。近年来以**作者发表高水平研究论文30余篇，其中知名SCI期刊论文4篇、EI检索论文20余篇，CSCD核心期刊7篇，申请专利和软件著作权16项，专著1部，科研成果显著。