目前，隨著智能駕駛技術在國內外的迅猛發(fā)展，人類進入了智能駕駛時代。智能汽車、無人駕駛汽車、無人機、無人船、機器狗、機器狼等智能設備或無人系統(tǒng)不斷涌現，不斷刷新人們的認知。這些智能設備都涉及周圍環(huán)境感知技術，為了對周圍環(huán)境進行感知，一般需要采用激光雷達、米波雷達、光學攝像頭、聲學傳感器等傳感器技術采集周圍環(huán)境信息，其中采用光學攝像頭的視覺導航技術是非常重要的一項環(huán)境感知技術。這項技術在工農業(yè)生產、人民日常生活以及國防領域都得到了廣泛應用。
本書是著者在帶領智能駕駛科研團隊十多年的科研實踐基礎上，將科研成果進行提煉寫成的，這些科研成果已經獲得知識產權（發(fā)明專利或軟件著作權）或以論文形式發(fā)表，部分科研成果已經在項目或產品上得到了實際應用。
本書主要介紹智能駕駛中視覺導航技術的相關知識。其中第1章為智能駕駛中的視覺導航技術概述；第2章介紹視覺導航中的目標檢測與跟蹤技術；第3章介紹視覺導航中的目標測距技術；第4章介紹視覺導航中的車道線檢測與跟蹤技術；第5章介紹視覺導航中的車輛自主導航定位技術；第6章介紹視覺導航中的車輛視頻拼接技術；第7章介紹視覺導航中的車牌與交通標志識別技術；第8章介紹視覺導航中的駕駛員疲勞檢測技術。
本書由著者在匯總所帶科研團隊的科研成果基礎上獨立完成，在寫作過程中參考了著者本人指導的科研團隊成員宋彩霞、韓方旭、趙軒、孫營、曹勇、石夢華、韓立明、雷宏彬、宋寶玉、李錫蒙、賀穩(wěn)定、曹樞洋、胡睿、陳聰實、張帥、涂嘉怡等同學的相關科研文檔與資料，在此表示感謝！
本書的寫作得到了北京工業(yè)大學的大力支持和幫助，深表感謝！
本書也是在著者父母與其他家人的默默支持下完成的，同樣深表感謝！
限于著者水平，書中難免存在不當之處，請讀者批評指正。
著者
第1章 智能駕駛中視覺導航技術概述 001
1.1 智能駕駛概況 002
1.1.1 智能駕駛概念 003
1.1.2 智能駕駛的發(fā)展現狀 004
1.1.3 智能駕駛的關鍵技術 006
1.1.4 智能駕駛的未來發(fā)展 006
1.2 視覺導航技術 006
第2章 視覺導航中的目標檢測與跟蹤技術 007
2.1 概述 008
2.1.1 研究現狀 008
2.1.2 測試數據集及測試指標 010
2.2 基于主動學習框架的Haar-like 特征與級聯分類器的車輛檢測算法 011
2.3 基于DPM 改進模型的夜間車輛檢測算法 022
2.3.1 Gamma 校正 022
2.3.2 PCA 降維 022
2.3.3 常見的DPM 優(yōu)化策略 023
2.3.4 常見的特征描述子 025
2.3.5 常見的分類器 027
2.3.6 DPM 目標檢測算法 028
2.3.7 實驗分析和結果分析 036
2.3.8 小結 038
2.4 盲區(qū)車輛檢測算法 039
2.4.1 基本原理 039
2.4.2 改進的CAdaBoost 盲區(qū)車輛檢測算法 043
2.4.3 實驗研究與結果分析 047
2.4.4 小結 052
2.5 基于深度學習網絡的行人檢測方法 052
2.5.1 YOLOv3 網絡模型介紹 052
2.5.2 改進的RFB-YOLOv3 行人檢測算法 056
2.5.3 實驗研究與結果分析 061
2.5.4 小結 063
2.6 基于ViBe 的動態(tài)障礙物檢測算法 063
2.6.1 ViBe 算法介紹 064
2.6.2 ViBe 算法改進 065
2.6.3 實驗結果與分析 071
2.6.4 小結 075
2.7 停車位檢測技術 075
2.7.1 停車位圖像分割算法 075
2.7.2 停車位檢測后處理 079
2.7.3 停車位檢測流程 083
2.7.4 小結 085
2.8 基于均值漂移（MeanShift）的視覺導航跟蹤算法 085
2.8.1 概述 085
2.8.2 MeanShift 算法原理 085
2.8.3 MeanShift 車輛跟蹤算法 088
2.8.4 參數設置及實驗結果 088
2.9 基于實時壓縮感知的視覺導航跟蹤算法 090
2.9.1 壓縮感知算法原理 090
2.9.2 基于壓縮感知的車輛跟蹤算法 090
2.9.3 參數設置及實驗結果 091
2.9.4 算法對比 092
2.10 基于核相關濾波的視覺跟蹤算法 095
2.10.1 KCF 跟蹤算法介紹 095
2.10.2 KCF 跟蹤算法改進 097
2.10.3 實驗研究與結果分析 104
2.10.4 小結 107
第3章 視覺導航中的目標測距技術 108
3.1 概述 109
3.1.1 車輛測距方式分類 109
3.1.2 典型的國內外車輛測距應用方案簡介 110
3.2 基于相似三角形的目標單目測距技術 111
3.2.1 基于相似三角形法標定攝像機參數 111
3.2.2 目標距離測定 114
3.2.3 距離準確性的驗證 115
3.2.4 安全距離與報警設置 116
3.2.5 測試與驗證 117
3.3 基于改進的逆投影變換的目標單目測距技術 121
3.3.1 攝像機標定技術 121
3.3.2 逆透視投影變換理論 126
3.3.3 基于標志物的改進的逆透視投影變換測距算法 128
3.3.4 測距參數設置與實驗結果 131
3.3.5 小結 132
第4章 視覺導航中的車道線檢測與跟蹤技術 133
4.1 概述 134
4.1.1 基于特征的車道線檢測方法簡介 134
4.1.2 基于模型的車道線檢測方法簡介 134
4.2 基于Hough 變換的車道線檢測技術 135
4.2.1 基于Hough 變換的車道初始檢測 135
4.2.2 直線車道 136
4.2.3 車道檢測結果 137
4.3 基于動態(tài)自適應感興趣區(qū)的車道線檢測技術 140
4.3.1 圖像預處理 140
4.3.2 車道線檢測 146
4.3.3 實驗結果及分析 150
4.3.4 小結 152
4.4 基于Kalman 濾波的車道線跟蹤技術 152
4.4.1 基于Kalman 濾波的車道跟蹤流程 153
4.4.2 Kalman 濾波技術 153
4.4.3 基于Kalman 預測動態(tài)建立感興趣區(qū)域 154
4.4.4 統(tǒng)計預測法搜索邊界點 155
4.4.5 算法失效判別模塊 155
4.5 基于相關系數的動態(tài)模板車道線跟蹤技術 157
第5章 視覺導航中的車輛自主導航定位技術 160
5.1 概述 161
5.2 動態(tài)障礙物剔除技術 161
5.2.1 基于級聯分類器的車輛檢測 162
5.2.2 基于先驗知識劃分動態(tài)檢測區(qū)域 163
5.2.3 基于動態(tài)區(qū)域改進FAST 特征點檢測 164
5.3 車輛視覺位姿估計技術 165
5.3.1 對極約束原理 165
5.3.2 求解相機位姿 166
5.4 實驗結果與分析 167
第6章 視覺導航中的車輛視頻拼接技術 173
6.1 概述 174
6.1.1 拼接技術的定義 174
6.1.2 國內外研究現狀 174
6.1.3 車載圖像拼接應用產品簡介 175
6.2 靜態(tài)圖像的拼接技術 176
6.2.1 圖像拼接中圖像匹配方法介紹 177
6.2.2 基于SIFT 特征點的匹配方法原理 178
6.2.3 圖像拼接中匹配點的提純 182
6.2.4 實際圖片拼接結果 185
6.3 基于關鍵幀提取的映射參數求解的動態(tài)圖像拼接技術 186
6.3.1 圖像預處理 187
6.3.2 關鍵幀提取 190
6.3.3 基于關鍵幀提取的映射參數求解 192
6.3.4 加權融合 194
6.3.5 實驗結果 195
6.3.6 小結 197
第7章 視覺導航中的車牌與交通標志識別技術 198
7.1 概述 199
7.1.1 背景 199
7.1.2 國內外研究現狀 199
7.1.3 我國車牌的特征 201
7.2 運動車輛的車牌識別技術 201
7.2.1 概述 201
7.2.2 基于級聯分類器的車牌定位 202
7.2.3 車牌的傾斜校正與字符分割 205
7.2.4 基于改進的 LeNe-t 5 深度學習模型的車牌字符識別 206
7.2.5 測試結果與分析 214
7.2.6 小結 217
7.3 基于HOG 和SVM 相結合的交通標志圖像檢測與識別技術 218
7.3.1 概述 218
7.3.2 HOG 特征與計算 218
7.3.3 SVM(支持向量機)分類器 220
7.3.4 基于HSV 顏色空間過濾的交通標志確定 222
7.3.5 交通標志圖像識別技術 223
第8章 視覺導航中的駕駛員疲勞檢測技術 227
8.1 概述 228
8.1.1 疲勞駕駛簡介 228
8.1.2 疲勞駕駛檢測研究現狀 228
8.2 基于HOG 特征的駕駛員的人臉定位技術 229
8.2.1 HOG 特征與計算 230
8.2.2 SVM 分類器 230
8.2.3 HOG 特征在人臉識別上的實現 230
8.2.4 人臉特征點定位 231
8.2.5 小結 237
8.3 駕駛員的疲勞駕駛判定技術 238
8.3.1 基于PERCLOS 物理量的判定方法 238
8.3.2 基于人眼寬高比的疲勞駕駛檢測 239
8.3.3 小結 240
參考文獻 241
書單推薦
