面向自動(dòng)駕駛的交通標(biāo)識(shí)視覺(jué)感知

第1章自動(dòng)駕駛與計(jì)算機(jī)視覺(jué)
1.1自動(dòng)駕駛發(fā)展歷史 
1.2自動(dòng)駕駛的定義與功能分析 
1.3自動(dòng)駕駛硬件平臺(tái) 
1.4自動(dòng)駕駛軟件平臺(tái) 
1.5計(jì)算機(jī)視覺(jué)與感知 
1.6視覺(jué)感知在自動(dòng)駕駛中的應(yīng)用 
參考文獻(xiàn) 
第2章人工智能及其在自動(dòng)駕駛中的應(yīng)用
2.1人工智能基礎(chǔ) 
2.1.1人工智能的發(fā)展歷程 
2.1.2人工智能的研究途徑 
2.1.3人工智能的趨勢(shì)與展望 
2.2機(jī)器學(xué)習(xí)與深度學(xué)習(xí) 
2.2.1機(jī)器學(xué)習(xí)的含義與分類(lèi) 
2.2.2深度學(xué)習(xí)的發(fā)展歷程 
2.2.3深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué) 
2.2.4深度學(xué)習(xí)與自然語(yǔ)言處理 
2.3強(qiáng)化學(xué)習(xí) 
2.3.1強(qiáng)化學(xué)習(xí)的基本要素 
2.3.2強(qiáng)化學(xué)習(xí)的常用方法 
2.3.3強(qiáng)化學(xué)習(xí)的發(fā)展方向 
2.4深度學(xué)習(xí)在自動(dòng)駕駛中的應(yīng)用 
2.4.1交通標(biāo)識(shí)識(shí)別 
2.4.2目標(biāo)感知 
2.4.3車(chē)道線檢測(cè) 
2.4.4自動(dòng)泊車(chē) 
2.4.5司乘人員狀態(tài)監(jiān)控 
2.5強(qiáng)化學(xué)習(xí)在自動(dòng)駕駛中的應(yīng)用 
參考文獻(xiàn) 
第3章基于深度學(xué)習(xí)的視覺(jué)感知
3.1深度學(xué)習(xí)基礎(chǔ) 
3.2計(jì)算機(jī)視覺(jué)技術(shù) 
3.3圖像分類(lèi)典型算法 
3.4目標(biāo)檢測(cè)典型算法 
3.4.1兩階段目標(biāo)檢測(cè)方法 
3.4.2單階段目標(biāo)檢測(cè)方法 
3.5目標(biāo)跟蹤典型算法 
3.6圖像分割典型算法 
3.6.1語(yǔ)義分割算法 
3.6.2實(shí)例分割算法 
參考文獻(xiàn) 
第4章交通標(biāo)識(shí)的視覺(jué)識(shí)別
4.1交通標(biāo)識(shí)和信號(hào)燈檢測(cè) 
4.1.1交通標(biāo)識(shí)檢測(cè) 
4.1.2交通信號(hào)燈檢測(cè) 
4.2卷積神經(jīng)網(wǎng)絡(luò)與目標(biāo)檢測(cè) 
4.2.1卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分析 
4.2.2目標(biāo)檢測(cè)算法評(píng)估指標(biāo) 
4.2.3YOLOv3目標(biāo)檢測(cè)模型分析 
4.3數(shù)據(jù)集準(zhǔn)備 
4.3.1開(kāi)源數(shù)據(jù)集的現(xiàn)狀及使用方法 
4.3.2自制數(shù)據(jù)集的工作流程 
4.4深度學(xué)習(xí)框架及模型使用 
4.4.1主流深度學(xué)習(xí)框架 
4.4.2開(kāi)源模型使用方法 
4.5交通標(biāo)識(shí)與信號(hào)燈檢測(cè)模型 
4.5.1TYOLO模型設(shè)計(jì)要點(diǎn) 
4.5.2輕量化網(wǎng)絡(luò)設(shè)計(jì) 
4.5.3TMYOLO網(wǎng)絡(luò) 
4.5.4檢測(cè)模型試驗(yàn) 
參考文獻(xiàn) 
第5章雙目視覺(jué)與交通標(biāo)識(shí)測(cè)距
5.1雙目視覺(jué) 
5.1.1雙目視覺(jué)定義 
5.1.2雙目視覺(jué)面臨的問(wèn)題 
5.2雙目視覺(jué)的應(yīng)用 
5.3雙目測(cè)距原理與優(yōu)化 
5.3.1雙目視覺(jué)測(cè)距原理 
5.3.2雙目視覺(jué)測(cè)距優(yōu)化 
5.4交通標(biāo)識(shí)測(cè)距 
5.4.1相機(jī)標(biāo)定及校正映射表計(jì)算 
5.4.2圖像預(yù)處理 
5.4.3金字塔模板匹配 
5.4.4坐標(biāo)校正及測(cè)距 
5.4.5測(cè)距流程 
5.5試驗(yàn)與結(jié)果分析 
5.5.1雙目視覺(jué)傳感器 
5.5.2視覺(jué)傳感器參數(shù)計(jì)算 
5.5.3車(chē)載環(huán)境試驗(yàn)與分析 
參考文獻(xiàn) 
第6章車(chē)道線檢測(cè)
6.1車(chē)道線檢測(cè) 
6.2車(chē)道線檢測(cè)研究進(jìn)展 
6.2.1傳統(tǒng)視覺(jué)檢測(cè)方法 
6.2.2深度學(xué)習(xí)檢測(cè)方法 
6.3基于傳統(tǒng)視覺(jué)的車(chē)道線檢測(cè) 
6.3.1透視變換 
6.3.2動(dòng)態(tài)閾值提取車(chē)道線 
6.3.3車(chē)道線方程擬合 
6.3.4平滑輸出方法 
6.4基于深度學(xué)習(xí)的車(chē)道線檢測(cè) 
6.4.1語(yǔ)義分割網(wǎng)絡(luò)與車(chē)道線檢測(cè) 
6.4.2基于DABNet的改進(jìn)模型 
參考文獻(xiàn) 
第7章面向自動(dòng)駕駛的嵌入式系統(tǒng)
7.1嵌入式系統(tǒng)構(gòu)成 
7.2車(chē)載攝像頭 
7.2.1車(chē)載攝像頭組成 
7.2.2車(chē)載攝像頭性能參數(shù) 
7.3嵌入式硬件計(jì)算平臺(tái) 
7.3.1各類(lèi)計(jì)算平臺(tái)的性能和功耗 
7.3.2不同計(jì)算平臺(tái)優(yōu)、缺點(diǎn)分析 
7.3.3產(chǎn)業(yè)格局及代表產(chǎn)品 
7.4嵌入式系統(tǒng)軟件環(huán)境 
7.4.1計(jì)算平臺(tái)中的開(kāi)發(fā)環(huán)境 
7.4.2Jetson TX2中配置深度學(xué)習(xí)框架 
7.4.3基于TensorRT的模型量化壓縮 
7.5交通標(biāo)識(shí)視覺(jué)感知系統(tǒng)框架 
7.6交通標(biāo)識(shí)視覺(jué)感知系統(tǒng)實(shí)現(xiàn) 
7.6.1圖像采集與目標(biāo)檢測(cè) 
7.6.2基于MobileNetv2的目標(biāo)識(shí)別模塊 
7.6.3雙目相機(jī)測(cè)距模塊 
參考文獻(xiàn) 
第8章視覺(jué)感知在自動(dòng)駕駛中的應(yīng)用展望
8.1視覺(jué)感知與交通標(biāo)識(shí) 
8.2視覺(jué)感知與內(nèi)容理解 
8.3視覺(jué)感知與數(shù)字孿生 
8.4視覺(jué)感知與信息獲取 
8.5視覺(jué)感知與計(jì)算平臺(tái) 
8.6環(huán)境感知與信息融合 
參考文獻(xiàn)