电子工业出版社-网上书店

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。

目    录
第1章  计算机视觉简介	1
1.1  计算机视觉的发展历程	1
1.2  计算机视觉研究现状	2
1.3  计算机视觉在智能车的应用	3
第2章  视觉预处理技术	7
2.1  灰度化处理	7
2.2  颜色空间变换	8
2.2.1  RGB颜色空间	8
2.2.2  HSV颜色空间	9
2.2.3  RGB与HSV相互转换	10
2.3  阈值处理	12
2.3.1  全局阈值处理方法	13
2.3.2  局部阈值处理方法	14
2.3.3  自适应阈值处理方法	14
2.4  霍夫变换	15
2.5  平滑滤波	16
2.5.1  邻域平滑滤波	16
2.5.2  中值滤波	18
2.6  边缘检测	19
2.6.1  Canny算子边缘检测	20
2.6.2  Sobel算子边缘检测	21
第3章  智能车视觉平台搭建	24
3.1  硬件平台的设计与搭建	24
3.1.1  硬件平台的设计	24
3.1.2  硬件平台的搭建	27
3.2  开发环境的搭建	29
3.2.1  开发工具介绍	29
3.2.2  OpenCV下载与安装	29
3.2.3  环境配置	30
第4章  标定	39
4.1  摄像机标定方法	39
4.1.1  摄像机成像模型	39
4.1.2  摄像机内外参数	40
4.1.3  机器视觉标定板说明	41
4.1.4  单目摄像机标定	43
4.2  逆透视标定方法	45
4.2.1  逆透视变换原理	45
4.2.2  传统的逆透视标定方法	46
4.2.3  一种用于智能车的逆透视标定方法	47
4.2.4  逆透视图像的特点及应用	51
第5章  单目视觉测距	53
5.1  基于映射关系表的单目视觉测距	53
5.1.1  方法的实现	53
5.1.2  实验结果	55
5.1.3  等距标记的优缺点	56
5.2  基于几何关系的距离计算方法	56
5.2.1  方法的实现	56
5.2.2  实验与结果分析	62
5.3  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	67
6.1  车道线检测方法	67
6.1.1  车道线特性及类型	67
6.1.2  国内外近年研究成果	68
6.1.3  车道线检测的难点	69
6.1.4  自适应二值化算法	69
6.2  基于透视图像的检测方法	73
6.2.1  透视模型	73
6.2.2  一种基于透视图像的车道线检测方法	76
6.3  基于IPM的检测方法	79
6.3.1  逆透视模型	79
6.3.2  一种基于IPM的车道线检测方法	80
6.4  车道虚拟中心线的计算方法	86
6.5  车道线跟踪技术	89
6.5.1  基于卡尔曼滤波的车道线跟踪	90
6.5.2  基于粒子滤波的车道线跟踪	90
第7章  斑马线识别	92
7.1  斑马线的特征及其作用	92
7.2  斑马线识别方法	94
7.3  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	103
8.1  停止线的特征及其作用	103
8.1.1  停止线的特征	103
8.1.2  停止线的作用	104
8.2  停止线识别方法	105
8.3  基于时空关联的停止线识别方法	108
8.4  停止线测距	112
第9章  导向箭头识别	114
9.1  导向箭头的特征和类型	114
9.2  导向箭头的识别方法	115
9.3  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	122
10.1  交通信号灯识别简述	122
10.1.1  交通信号灯识别的意义	122
10.1.2  交通信号灯识别的方法	123
10.2  交通信号灯检测方法	124
10.2.1  颜色空间选取	125
10.2.2  图像分割	126
10.3  交通信号灯识别方法	129
10.3.1  区域选择	129
10.3.2  特征提取	130
10.3.3  分类器训练	132
第11章  交通标志牌识别	133
11.1  交通标志牌识别简述	133
11.2  交通标志牌类型	135
11.3  交通标志牌识别现状	139
11.4  交通标志牌识别的难点	140
11.4.1  天气环境的影响	140
11.4.2  空间变化的影响	141
11.5  交通标志牌识别的方法	143
11.5.1  基于模板匹配的方法	143
11.5.2  基于机器学习的方法	146
第12章  无人自主车视觉定位	150
12.1  视觉定位的意义和应用	150
12.2  视觉定位方法	152
12.2.1  基于路标库和图像匹配的全局定位	152
12.2.2  同时定位与地图构建的SLAM	155
12.2.3  基于局部运动估计的视觉里程计	156
12.3  定位算法性能分析	159
第13章  基于视觉的路口定位	161
13.1  路口定位的实现流程	161
13.2  基于路口场景识别的粗定位	162
13.2.1  建立路口场景特征库	162
13.2.2  基于SURF的快速路口场景识别	164
13.3  基于IPM的高精度实时定位	166
13.3.1  逆透视变换（IPM）	166
13.3.2  停止线检测与测距	169
13.3.3  车道线检测	172
13.3.4  位置坐标计算	175
参考文献	178

前    言
无人驾驶智能汽车是未来汽车的发展趋势，以谷歌为代表的无人车研究，在全世界范围内取得了一定的成果，国内也有不少学者和机构开展智能车的研究。计算机视觉是智能车技术的重要组成部分，本书主要介绍了计算机视觉在智能车中解决的问题及方法。
计算机视觉在智能车中应用广泛，理论上可以解决很多无人驾驶过程中遇到的实际问题，但由于目前计算机视觉技术水平有限，加上雷达、GPS导航等传感器设备在智能车上应用，因此，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。
本书介绍智能车视觉计算的理论和方法，目的是让读者对智能车的视觉图像研究得到快速入门，以解决智能车基本视觉问题为出发点，激发读者对智能车视觉研究的兴趣，为更加深入的研究做基础，为解决实际应用问题提供研究思路。
本书读者，可以是从事计算机视觉、机器视觉、图像处理、视觉感知、人工智能和智能车研究的学者，尤其是从事无人驾驶智能车图像处理的研究和开发人员。同时，本书也可以作为相关专业的研究生教学用书。无人驾驶智能车中的很多视觉问题既是世界性难题又是开放的科学问题，期望有更多人加入到智能车视觉研究中来。
本书共13章，其中第1、2章的内容是介绍性的，主要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，以及一些智能车视觉常用的图像预处理方法，这是为初学者准备的；第3～5章的内容是基础篇，主要介绍智能车视觉认知的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，适合刚刚从事智能车视觉研究的人员学习，以便快速入门；第6～13章的内容是具体应用，本书以智能车实际需要的重要程度及难易程度分别介绍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及视觉定位技术，让读者进一步了解智能车视觉的具体实际应用及每个问题解决的难点和思路。
本书中的很多实验是在北京联合大学智能车“京龙1号”、“京龙2号”和“京龙3号”的平台上完成的，其中部分实验数据来源于2014年和2015年的中国智能车未来挑战赛、2015年智能驾驶郑开大道试验及园博园测试场地的实际交通道路。
本书受到国家自然基金重大研究计划项目“智能车驾驶脑认知技术、平台与转化研究”（91420202）、北京市属高等学校创新团队建设与教师职业发展计划项目“智能驾驶技术研究”（IDHT20140508）、北京市教育委员会科技发展计划项目“智能车实时交通标志识别关键技术研究”（SQKM201411417004）、北京联合大学人才强校计划人才资助项目（BPHR2014A04）的资助。撰写过程中得到了李德毅院士智能车联合课题组成员的很多指导，感谢他们的宝贵意见。感谢本团队参与人员的共同努力和辛苦劳动，特别是研究生周宣汝、王棚飞、李超、宣寒宇等同学，潘卫国、王金华等老师，以及海丹博士为本书的撰写收集和整理相关资料。在本书的撰写过程中，参阅了大量文献和资料，在此向这些文献资料的作者致以衷心的感谢。感谢在此未明确提及但对本书出版贡献的朋友。
由于作者水平有限，书中的错误和不妥之处，恳请读者批评指正。


作者          
2015年10月

计算机图像、通信

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。

本书配套资源下载

对不起，暂无音视频资源！

计算机视觉算法与智能车应用