计算机视觉算法与智能车应用

定　价：¥56.00

作　者：	刘宏哲
出版社：	电子工业出版社
丛编项：
标　签：	计算机/网络计算机理论

购买这本书可以去

ISBN：	9787121279775	出版时间：	2016-01-01	包装：	平塑
开本：		页数：	188	字数：

内容简介

　　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。第一部分（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。

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国家级和省部级课题，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。近年来以第一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。

图书目录

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 82.2.1 RGB颜色空间 82.2.2 HSV颜色空间 92.2.3 RGB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 192.6.1 Canny算子边缘检测 202.6.2 Sobel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 293.2.2 OpenCV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SLAM 15512.2.3 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