标签分类 热门分类
当前位置:首页 > 计算机理论电子书 > 计算机视觉电子书网盘下载
计算机视觉算法与智能车应用 计算机视觉算法与智能车应用
dzs3

dzs3 提供上传

资源
46
粉丝
18
喜欢
229
评论
1

    计算机视觉算法与智能车应用 PDF 超清原版

    计算机视觉电子书
    • 发布时间:

    给大家带来的一篇关于计算机视觉相关的电子书资源,介绍了关于计算机视觉、算法、智能车、应用方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小17.7 MB,刘宏哲编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.1,更多相关的学习资源可以参阅 计算机理论电子书、等栏目。

  • 计算机视觉算法与智能车应用 PDF 下载
  • 下载地址:https://pan.baidu.com/s/19fWQRTX8NJ3wpHTNqvwzx
  • 分享码:s012
  • 计算机视觉算法与智能车应用 PDF

    现阶段实际上运用中只根据计算机视觉处理别的控制器急需解决的科学研究和工程问题,如行车道线检验、终止线检验、交通信号灯鉴别等。随之智能车产业发展系统进程的即将来临,因为智能车产品研发中视觉控制器所必须的机器设备成本费较低,因而,用计算机视觉来处理无人驾驶中碰到的难题变成现阶段和未来发展发展趋势。这书介绍计算机视觉在智能车中的运用,分三个一部分共13章。**一部分(第1、2章),供新手学习,介绍计算机视觉的界定、研究方向、发展史、在智能车中的关键运用,及其智能车视觉常见的图象预备处理方式 。第二一部分(第3~5章),是智能车视觉技术性的基本內容,介绍智能车视觉认知能力云操作系统和开发软件自然环境的构建与配备,及其在实际上运用中常常应用的摄像机标定方式 和视觉测距技术性。第三一部分(第6~13章),介绍计算机视觉在智能车中的实际运用和解决问题,包含行车道线的鉴别与追踪、终止线检验与测距、人行横道、导向性箭头符号、交通指示灯、交通标志牌等鉴别方法和视觉精准定位技术性,使用户进一步掌握智能车视觉的实际运用,及其解决困难的难题和构思。 这书合适从业计算机视觉、图象处理、智能车科学研究的工作人员学习,特别是在合适从业自动驾驶智能车图象处理科学研究和开发设计的工作人员学习,也可做为有关技术专业硕士生的课堂教学用书。

    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

    上一篇:Neo4j全栈开发  下一篇:从零开始学运营

    展开 +

    收起 -

     
    计算机视觉 相关电子书
    关于计算机视觉的学习笔记
    网友NO.761018

    详解Python计算机视觉 图像扭曲(仿射扭曲)

    对图像块应用仿射变换,我们将其称为图像扭曲(或者仿射扭曲)。该操作不仅经常应用在计算机图形学中,而且经常出现在计算机视觉算法中。 一、仿射变换原理 仿射变换能够保持图像的“平直性”,包括旋转,缩放,平移,错切操作。对于三个点,仿射变换可以将一副图像进行扭曲,使得三对对应点对可以完美地匹配上。仿射变换具有6个自由度,有三个对应点对可以给出6个约束条件(对于这三个对应点对,x和y坐标必须都要匹配) 仿射变换是在几何上定义为两个向量空间之间的一个仿射变换或者仿射映射。由一个非奇异的线性变换(运用一次函数进行的变换)接上一个平移变换组成。在有限维的情况,每个仿射变换可以由一个矩阵A和一个向量b给出,它可以写作A和一个附加的列b。一个仿射变换对应于一个矩阵和一个向量的乘法,而仿射变换的复合对应于普通的矩阵乘法,只要加入一个额外的行到矩阵的底下,这一行全部是0除了最右边是一个1,而列向量的底下要加上一个1。 二、图像中的图像 仿射扭曲简单的一个例子是,将图像或者图像的一部分放置在另一幅图像中,使得它们能够和指定的区域或者标记物对齐。 以下是代码: from PCV.geometry import warp, homographyfrom PIL import Imagefrom pylab import *from scipy import ndimage# 仿射扭……

    网友NO.453797

    Egret引擎开发指南之视觉编程

    显示对象和显示列表 “显示对象”,准确的含义是可以在舞台上显示的对象。可以显示的对象,既包括可以直接看见的图形、文字、视频、图片等,也包括不能看见但真实存在的显示对象容器。 在Egret中,视觉图形都是由显示对象和显示对象容器组成的。 如果我们要表达上图中的场景,我们应该如何通过树的方式来描述呢? 显示对象等级结构 在Egret中,显示对象被分为两大类:一种是可以包括其他显示对象的显示对象容器,简称为“容器”。另外一种是单纯的显示对象,除自身以外不能包括其他显示对象,简称“非容器对象”。 在实际的操作中,我们可以把这样一种结构看成一个树状结构,容器可理解为树枝,非容器对象则可以理解为树叶。 在这个树状结构中,处于最上层的,就是“舞台”。对应到程序中,我们可以看到一个 stage 对象。舞台是Egret显示架构中最根本的显示容器。每个Egret应用有且只有一个stage对象。舞台是这个显示树结构的根节点。 在舞台中,我们还拥有一个主容器。这个容器就是文档类所创建的容器。每一个Egret都会拥有一个文档类,这个文档类必须是一个显示对象容器。 在这个场景中,我们包含了一个场景背景,而背景是由背景图和一颗大树组成的。另外两个元素是由人物和一个草地组成的。……

    网友NO.655130

    [机器视觉]使用python自动识别验证码详解

    前言 CAPTCHA全称Completely Automated Public Turing Test to Tell Computers and Humans Apart,即全自动区分人机的图灵测试。这也是验证码诞生的主要任务。但是随着近年来大数据运算和机器视觉的发展,用机器视觉识别图像已经变得非常容易,过去用于区分人机的验证码也开始变得不再安全。 接下来就让我们从零开始,深入图像处理和算法构建,来看看使用机器视觉来识别过时的验证码( 如下所示 )究竟可以有多简单。 载入需要的程序包 nbsp;图像预处理 capt_process()方法会先将验证码转为灰度图,然后再根据全局变量中定义的LUT将灰度图转化为黑白图片。并按照验证码中四个字符所在的位置进行切割。 从彩色图片到灰度图,再到黑白图,看似验证码中的信息损失了很多,实际上这样做的目的是为了使字符的特征更加明显。 其实我们最终得到的黑白图像会有一些噪点存在,这主要是由于前景色与背景色不存在严格的区分度,我们可以使用滤波器过滤掉这些噪点,但少量的噪点会被训练模型当作误差处理,并不影响我们分类。至于过滤噪点的方法,我会专门写一篇帖子。 def capt_process(capt): """ 图像预处理:将验证码图片转为二值型图片,按字符切割 :require Image: from PIL import Image :require LUT: A lookup table, 包含256个值 :param capt: 验证码Image对象 :……

    网友NO.838084

    视觉直观感受若干常用排序算法

    直观感受几种常用排序算法,具体内容如下 1 快速排序 介绍: 快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下,排序 n 个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较,但这种状况并不常见。事实上,快速排序通常明显比其他Ο(n log n) 算法更快,因为它的内部循环(inner loop)可以在大部分的架构上很有效率地被实现出来,且在大部分真实世界的数据,可以决定设计的选择,减少所需时间的二次方项之可能性。 步骤: 从数列中挑出一个元素,称为 "基准"(pivot), 重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个分区退出之后,该基准就处于数列的中间位置。这个称为分区(partition)操作。 递归地(recursive)把小于基准值元素的子数列和大于基准值元素的子数列排序。 排序效果: 2 归并排序 介绍: 归并排序(Merge sort,台湾译作:合并排序)是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(Divide and Conquer)的一个非常典型的应用 步骤: 申请空间,使其大小为两个已经排序序列之和,该空间用来存放合并后的序列 设定两个指针,最初位置分别为两个已经排序序列的起始位置 比较两个指针所指向……

    Copyright 2018-2020 xz577.com 码农之家

    电子书资源由网友、会员提供上传,本站记录提供者的基本信息及资源来路

    鸣谢: “ 码小辫 ” 公众号提供回调API服务、“ 脚本CDN ”提供网站加速(本站寻求更多赞助支持)

    版权投诉 / 书籍推广 / 赞助:520161757@qq.com

    上传资源(网友、会员均可提供)

    查看最新会员资料及资源信息