計算機視覺算法與智能車應(yīng)用

定　價：￥56.00

作　者：	劉宏哲
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	計算機/網(wǎng)絡(luò) 計算機理論

購買這本書可以去

ISBN：	9787121279775	出版時間：	2016-01-01	包裝：	平塑
開本：		頁數(shù)：	188	字數(shù)：

內(nèi)容簡介

　　本書介紹計算機視覺在智能車中的應(yīng)用，分三個部分共13章。第一部分（第1、2章），供初學者學習，介紹計算機視覺的定義、研究內(nèi)容、發(fā)展歷程、在智能車中的主要應(yīng)用，以及智能車視覺常用的圖像預(yù)處理方法。第二部分（第3～5章），是智能車視覺技術(shù)的基礎(chǔ)內(nèi)容，介紹智能車視覺認知硬件平臺和軟件開發(fā)環(huán)境的搭建與配置，以及在實際應(yīng)用中經(jīng)常使用的攝像機標定方法和視覺測距技術(shù)。第三部分（第6～13章），介紹計算機視覺在智能車中的具體應(yīng)用和問題解決，包括車道線的識別與跟蹤、停止線檢測與測距、斑馬線、導向箭頭、交通信號燈、交通標志牌等識別方法和視覺定位技術(shù)，使讀者進一步了解智能車視覺的具體應(yīng)用，以及解決問題的難點和思路。本書適合從事計算機視覺、圖像處理、智能車研究的人員學習，尤其適合從事無人駕駛智能車圖像處理研究和開發(fā)的人員學習，也可作為相關(guān)專業(yè)研究生的教學用書。

作者簡介

　　劉宏哲，博士，副教授，北京聯(lián)合大學信息學院軟件工程系主任，北京市信息服務(wù)工程重點實驗室副主任兼辦公室主任，碩士研究生導師，軟件工程學位分委會副主任，中國計算機用戶學會網(wǎng)絡(luò)應(yīng)用分會副秘書長。主要研究方向為圖像處理、社群媒體語義計算、數(shù)字博物館，具有較強的科研能力和較扎實的理論基礎(chǔ)，是北京聯(lián)合大學李德毅院士智能車團隊骨干成員。近幾年主持或作為骨干參加多項國家級和省部級課題，國家自然科學基金項目2項、國家科技支撐課題1項，北京市文化科技創(chuàng)新工程項目1項，北京市創(chuàng)新團隊2項，北京市教委面上項目2項，北京市中青年骨干教師1項。近年來以第一作者發(fā)表高水平研究論文30余篇，其中知名SCI期刊論文4篇、EI檢索論文20余篇，CSCD核心期刊7篇，申請專利和軟件著作權(quán)16項，專著1部，科研成果顯著。

圖書目錄

目錄第1章計算機視覺簡介 11.1 計算機視覺的發(fā)展歷程 11.2 計算機視覺研究現(xiàn)狀 21.3 計算機視覺在智能車的應(yīng)用 3第2章視覺預(yù)處理技術(shù) 72.1 灰度化處理 72.2 顏色空間變換 82.2.1 RGB顏色空間 82.2.2 HSV顏色空間 92.2.3 RGB與HSV相互轉(zhuǎn)換 102.3 閾值處理 122.3.1 全局閾值處理方法 132.3.2 局部閾值處理方法 142.3.3 自適應(yīng)閾值處理方法 142.4 霍夫變換 152.5 平滑濾波 162.5.1 鄰域平滑濾波 162.5.2 中值濾波 182.6 邊緣檢測 192.6.1 Canny算子邊緣檢測 202.6.2 Sobel算子邊緣檢測 21第3章智能車視覺平臺搭建 243.1 硬件平臺的設(shè)計與搭建 243.1.1 硬件平臺的設(shè)計 243.1.2 硬件平臺的搭建 273.2 開發(fā)環(huán)境的搭建 293.2.1 開發(fā)工具介紹 293.2.2 OpenCV下載與安裝 293.2.3 環(huán)境配置 30第4章標定 394.1 攝像機標定方法 394.1.1 攝像機成像模型 394.1.2 攝像機內(nèi)外參數(shù) 404.1.3 機器視覺標定板說明 414.1.4 單目攝像機標定 434.2 逆透視標定方法 454.2.1 逆透視變換原理 454.2.2 傳統(tǒng)的逆透視標定方法 464.2.3 一種用于智能車的逆透視標定方法 474.2.4 逆透視圖像的特點及應(yīng)用 51第5章單目視覺測距 535.1 基于映射關(guān)系表的單目視覺測距 535.1.1 方法的實現(xiàn) 535.1.2 實驗結(jié)果 555.1.3 等距標記的優(yōu)缺點 565.2 基于幾何關(guān)系的距離計算方法 565.2.1 方法的實現(xiàn) 565.2.2 實驗與結(jié)果分析 625.3 基于逆透視變換的平面測距方法 65第6章車道線檢測與跟蹤 676.1 車道線檢測方法 676.1.1 車道線特性及類型 676.1.2 國內(nèi)外近年研究成果 686.1.3 車道線檢測的難點 696.1.4 自適應(yīng)二值化算法 696.2 基于透視圖像的檢測方法 736.2.1 透視模型 736.2.2 一種基于透視圖像的車道線檢測方法 766.3 基于IPM的檢測方法 796.3.1 逆透視模型 796.3.2 一種基于IPM的車道線檢測方法 806.4 車道虛擬中心線的計算方法 866.5 車道線跟蹤技術(shù) 896.5.1 基于卡爾曼濾波的車道線跟蹤 906.5.2 基于粒子濾波的車道線跟蹤 90第7章斑馬線識別 927.1 斑馬線的特征及其作用 927.2 斑馬線識別方法 947.3 基于時空關(guān)聯(lián)的斑馬線識別方法 99第8章停止線識別與測距 1038.1 停止線的特征及其作用 1038.1.1 停止線的特征 1038.1.2 停止線的作用 1048.2 停止線識別方法 1058.3 基于時空關(guān)聯(lián)的停止線識別方法 1088.4 停止線測距 112第9章導向箭頭識別 1149.1 導向箭頭的特征和類型 1149.2 導向箭頭的識別方法 1159.3 基于時空關(guān)聯(lián)的導向箭頭識別方法 116第10章交通信號燈識別 12210.1 交通信號燈識別簡述 12210.1.1 交通信號燈識別的意義 12210.1.2 交通信號燈識別的方法 12310.2 交通信號燈檢測方法 12410.2.1 顏色空間選取 12510.2.2 圖像分割 12610.3 交通信號燈識別方法 12910.3.1 區(qū)域選擇 12910.3.2 特征提取 13010.3.3 分類器訓練 132第11章交通標志牌識別 13311.1 交通標志牌識別簡述 13311.2 交通標志牌類型 13511.3 交通標志牌識別現(xiàn)狀 13911.4 交通標志牌識別的難點 14011.4.1 天氣環(huán)境的影響 14011.4.2 空間變化的影響 14111.5 交通標志牌識別的方法 14311.5.1 基于模板匹配的方法 14311.5.2 基于機器學習的方法 146第12章無人自主車視覺定位 15012.1 視覺定位的意義和應(yīng)用 15012.2 視覺定位方法 15212.2.1 基于路標庫和圖像匹配的全局定位 15212.2.2 同時定位與地圖構(gòu)建的SLAM 15512.2.3 基于局部運動估計的視覺里程計 15612.3 定位算法性能分析 159第13章基于視覺的路口定位 16113.1 路口定位的實現(xiàn)流程 16113.2 基于路口場景識別的粗定位 16213.2.1 建立路口場景特征庫 16213.2.2 基于SURF的快速路口場景識別 16413.3 基于IPM的高精度實時定位 16613.3.1 逆透視變換（IPM） 16613.3.2 停止線檢測與測距 16913.3.3 車道線檢測 17213.3.4 位置坐標計算 175參考文獻 178