车载计算机视觉技术

定　价：¥129.00

作　者：	[西班牙]安东尼奥·M.洛佩斯 [日]井宫淳史 [捷克]托马斯·帕迪拉等
出版社：	机械工业出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787111700258	出版时间：	2022-03-01	包装：	精装
开本：	16开	页数：	130	字数：

内容简介

　　对不同类型车辆使用计算机视觉技术的研究侧重点，是将计算机视觉与汽车、无人机和水下航行器等研究领域结合起来。这也为研究计算机视觉应用领域当前发展的研究人员提供了参考，包括先进的驾驶员辅助系统（行人检测、车道偏离警告、交通标志识别）、自动驾驶和机器人导航（带视觉同步定位和绘图）或无人机（避障、景观分类和测绘、火灾风险评估）等。本书分析了计算机视觉在不同车辆导航中的总体作用，以及解决车载应用的技术，主要特点是以高度信息化和易懂的方式介绍计算机视觉和车辆技术领域的新进展。本书从导航和可寻址应用的角度全面综述了车辆中先进的计算机视觉技术，详细描述了车辆视觉技术领域近期面临的挑战和商机，可作为计算机视觉研究人员，以及从事车辆技术工作的工程师和计算机视觉专业学生的参考用书。

作者简介

　　【作者简介】安东尼奥·M.洛佩斯，西班牙巴塞罗那自治大学计算机视觉中心教授。【译者简介】余贵珍，北京航空航天大学交通科学与工程学院教授，博士生导师，国家万人计划科技创新领军人才。主要研究领域为车辆智能感知与控制，主持国家十三五重点研发项目、863计划、国家自然基金和国际合作科研项目共计20多项，共发表论文80多篇（其中SCI检索40篇），授权发明专利50多项，获二等奖1项、省部级一等奖3项。

图书目录

前言
第1章车辆中的计算机视觉1
1.1简介1
1.1.1应用2
1.1.2交通安全和舒适性2
1.1.3计算机视觉的优势3
1.1.4通用和特定任务3
1.1.5多模块解决方案4
1.1.6准确性、精确性和鲁棒性4
1.1.7比较绩效评估4
1.1.8成功案例5
1.2符号和基本定义5
1.2.1图像和视频5
1.2.2摄像机7
1.2.3优化8
1.3视觉任务10
1.3.1距离10
1.3.2运动13
1.3.3物体检测与跟踪15
1.3.4语义分割16
1.4本章小结18
致谢19
第2章自动驾驶20
2.1简介20
2.1.1梦想20
2.1.2应用21
2.1.3自动驾驶等级22
2.1.4重要研究项目22
2.1.5户外视觉挑战25
2.2城市自动驾驶25
2.2.1定位28
2.2.2基于立体视觉的三维感知30
2.2.3目标识别35
2.3挑战40
2.3.1增加鲁棒性41
2.3.2语义分割41
2.3.3意图识别43
2.4本章小结43
致谢45
第3章微型飞行器的计算机视觉46
3.1简介46
3.2系统和传感器47
3.3自我运动估计48
3.3.1利用惯性和视觉测量进行状态估计49
3.3.2单目视觉MAV位姿51
3.3.3立体视觉MAV位姿52
3.3.4光流测量MAV位姿54
3.43D建图56
3.5自主导航58
3.6场景理解60
3.7本章小结60
第4章水下机器人的海底探险62
4.1简介62
4.2水下成像的挑战63
4.3在线计算机视觉技术65
4.3.1去雾65
4.3.2视觉里程计70
4.3.3SLAM71
4.3.4激光扫描75
4.4声成像技术75
4.4.1图像形成76
4.4.2声学处理的在线技术78
4.5本章小结81
致谢81
第5章基于视觉的高级驾驶员辅助系统82
5.1简介82
5.2前向辅助83
5.2.1自适应巡航控制（ACC）和前向避碰（FCA）83
5.2.2交通标志识别（TSR）84
5.2.3交通拥堵辅助（TJA）85
5.2.4弱势道路使用者保护86
5.2.5智能前照灯控制89
5.2.6增强夜视（动态光斑）89
5.2.7智能主动悬架91
5.3横向辅助92
5.3.1车道偏离警告（LDW）和车道保持系统（LKS）92
5.3.2变道辅助（LCA）94
5.3.3泊车辅助94
5.4驾驶员监控和睡意检测95
5.5本章小结97
5.5.1鲁棒性97
5.5.2成本98
致谢98
第6章鸟瞰应用挑战99
6.1简介99
6.1.1微型飞行器99
6.1.2微型旋翼机99
6.2GPS导航失效100
6.2.1带距离传感器的自主导航101
6.2.2带视觉传感器的自主导航101
6.2.3SFLY：微型飞行器群102
6.2.4SVO：一种用于MAV的视觉里程算法102
6.3应用和挑战103
6.3.1应用103
6.3.2安全性和鲁棒性104
6.4本章小结107
第7章水下视觉的应用挑战108
7.1简介108
7.2水下测绘与检测的离线计算机视觉技术109
7.2.12D马赛克109
7.2.22.5D映射116
7.2.33D映射117
7.2.4用于海底分类的机器学习123
7.3声学测绘技术126
7.4本章小结128
结束语129
参考文献130