第1章 智能駕駛中視覺(jué)導(dǎo)航技術(shù)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(xiàn)狀 004
1.1.3 智能駕駛的關(guān)鍵技術(shù) 006
1.1.4 智能駕駛的未來(lái)發(fā)展 006
1.2 視覺(jué)導(dǎo)航技術(shù) 006

第2章 視覺(jué)導(dǎo)航中的目標(biāo)檢測(cè)與跟蹤技術(shù) 007
2.1 概述 008
2.1.1 研究現(xiàn)狀 008
2.1.2 測(cè)試數(shù)據(jù)集及測(cè)試指標(biāo) 010
2.2 基于主動(dòng)學(xué)習(xí)框架的Haar-like 特征與級(jí)聯(lián)分類器的車輛檢測(cè)算法 011
2.3 基于DPM 改進(jìn)模型的夜間車輛檢測(cè)算法 022
2.3.1 Gamma 校正 022
2.3.2 PCA 降維 022
2.3.3 常見(jiàn)的DPM 優(yōu)化策略 023
2.3.4 常見(jiàn)的特征描述子 025
2.3.5 常見(jiàn)的分類器 027
2.3.6 DPM 目標(biāo)檢測(cè)算法 028
2.3.7 實(shí)驗(yàn)分析和結(jié)果分析 036
2.3.8 小結(jié) 038
2.4 盲區(qū)車輛檢測(cè)算法 039
2.4.1 基本原理 039
2.4.2 改進(jìn)的CAdaBoost 盲區(qū)車輛檢測(cè)算法 043
2.4.3 實(shí)驗(yàn)研究與結(jié)果分析 047
2.4.4 小結(jié) 052
2.5 基于深度學(xué)習(xí)網(wǎng)絡(luò)的行人檢測(cè)方法 052
2.5.1 YOLOv3 網(wǎng)絡(luò)模型介紹 052
2.5.2 改進(jìn)的RFB-YOLOv3 行人檢測(cè)算法 056
2.5.3 實(shí)驗(yàn)研究與結(jié)果分析 061
2.5.4 小結(jié) 063
2.6 基于ViBe 的動(dòng)態(tài)障礙物檢測(cè)算法 063
2.6.1 ViBe 算法介紹 064
2.6.2 ViBe 算法改進(jìn) 065
2.6.3 實(shí)驗(yàn)結(jié)果與分析 071
2.6.4 小結(jié) 075
2.7 停車位檢測(cè)技術(shù) 075
2.7.1 停車位圖像分割算法 075
2.7.2 停車位檢測(cè)后處理 079
2.7.3 停車位檢測(cè)流程 083
2.7.4 小結(jié) 085
2.8 基于均值漂移（MeanShift）的視覺(jué)導(dǎo)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(shù)設(shè)置及實(shí)驗(yàn)結(jié)果 088
2.9 基于實(shí)時(shí)壓縮感知的視覺(jué)導(dǎo)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(shù)設(shè)置及實(shí)驗(yàn)結(jié)果 091
2.9.4 算法對(duì)比 092
2.10 基于核相關(guān)濾波的視覺(jué)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(jìn) 097
2.10.3 實(shí)驗(yàn)研究與結(jié)果分析 104
2.10.4 小結(jié) 107

第3章 視覺(jué)導(dǎo)航中的目標(biāo)測(cè)距技術(shù) 108
3.1 概述 109
3.1.1 車輛測(cè)距方式分類 109
3.1.2 典型的國(guó)內(nèi)外車輛測(cè)距應(yīng)用方案簡(jiǎn)介 110
3.2 基于相似三角形的目標(biāo)單目測(cè)距技術(shù) 111
3.2.1 基于相似三角形法標(biāo)定攝像機(jī)參數(shù) 111
3.2.2 目標(biāo)距離測(cè)定 114
3.2.3 距離準(zhǔn)確性的驗(yàn)證 115
3.2.4 安全距離與報(bào)警設(shè)置 116
3.2.5 測(cè)試與驗(yàn)證 117
3.3 基于改進(jìn)的逆投影變換的目標(biāo)單目測(cè)距技術(shù) 121
3.3.1 攝像機(jī)標(biāo)定技術(shù) 121
3.3.2 逆透視投影變換理論 126
3.3.3 基于標(biāo)志物的改進(jìn)的逆透視投影變換測(cè)距算法 128
3.3.4 測(cè)距參數(shù)設(shè)置與實(shí)驗(yàn)結(jié)果 131
3.3.5 小結(jié) 132

第4章 視覺(jué)導(dǎo)航中的車道線檢測(cè)與跟蹤技術(shù) 133
4.1 概述 134
4.1.1 基于特征的車道線檢測(cè)方法簡(jiǎn)介 134
4.1.2 基于模型的車道線檢測(cè)方法簡(jiǎn)介 134
4.2 基于Hough 變換的車道線檢測(cè)技術(shù) 135
4.2.1 基于Hough 變換的車道初始檢測(cè) 135
4.2.2 直線車道 136
4.2.3 車道檢測(cè)結(jié)果 137
4.3 基于動(dòng)態(tài)自適應(yīng)感興趣區(qū)的車道線檢測(cè)技術(shù) 140
4.3.1 圖像預(yù)處理 140
4.3.2 車道線檢測(cè) 146
4.3.3 實(shí)驗(yàn)結(jié)果及分析 150
4.3.4 小結(jié) 152
4.4 基于Kalman 濾波的車道線跟蹤技術(shù) 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(shù) 153
4.4.3 基于Kalman 預(yù)測(cè)動(dòng)態(tài)建立感興趣區(qū)域 154
4.4.4 統(tǒng)計(jì)預(yù)測(cè)法搜索邊界點(diǎn) 155
4.4.5 算法失效判別模塊 155
4.5 基于相關(guān)系數(shù)的動(dòng)態(tài)模板車道線跟蹤技術(shù) 157

第5章 視覺(jué)導(dǎo)航中的車輛自主導(dǎo)航定位技術(shù) 160
5.1 概述 161
5.2 動(dòng)態(tài)障礙物剔除技術(shù) 161
5.2.1 基于級(jí)聯(lián)分類器的車輛檢測(cè) 162
5.2.2 基于先驗(yàn)知識(shí)劃分動(dòng)態(tài)檢測(cè)區(qū)域 163
5.2.3 基于動(dòng)態(tài)區(qū)域改進(jìn)FAST 特征點(diǎn)檢測(cè) 164
5.3 車輛視覺(jué)位姿估計(jì)技術(shù) 165
5.3.1 對(duì)極約束原理 165
5.3.2 求解相機(jī)位姿 166
5.4 實(shí)驗(yàn)結(jié)果與分析 167

第6章 視覺(jué)導(dǎo)航中的車輛視頻拼接技術(shù) 173
6.1 概述 174
6.1.1 拼接技術(shù)的定義 174
6.1.2 國(guó)內(nèi)外研究現(xiàn)狀 174
6.1.3 車載圖像拼接應(yīng)用產(chǎn)品簡(jiǎn)介 175
6.2 靜態(tài)圖像的拼接技術(shù) 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(diǎn)的匹配方法原理 178
6.2.3 圖像拼接中匹配點(diǎn)的提純 182
6.2.4 實(shí)際圖片拼接結(jié)果 185
6.3 基于關(guān)鍵幀提取的映射參數(shù)求解的動(dòng)態(tài)圖像拼接技術(shù) 186
6.3.1 圖像預(yù)處理 187
6.3.2 關(guān)鍵幀提取 190
6.3.3 基于關(guān)鍵幀提取的映射參數(shù)求解 192
6.3.4 加權(quán)融合 194
6.3.5 實(shí)驗(yàn)結(jié)果 195
6.3.6 小結(jié) 197

第7章 視覺(jué)導(dǎo)航中的車牌與交通標(biāo)志識(shí)別技術(shù) 198
7.1 概述 199
7.1.1 背景 199
7.1.2 國(guó)內(nèi)外研究現(xiàn)狀 199
7.1.3 我國(guó)車牌的特征 201
7.2 運(yùn)動(dòng)車輛的車牌識(shí)別技術(shù) 201
7.2.1 概述 201
7.2.2 基于級(jí)聯(lián)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(jìn)的 LeNe-t 5 深度學(xué)習(xí)模型的車牌字符識(shí)別 206
7.2.5 測(cè)試結(jié)果與分析 214
7.2.6 小結(jié) 217
7.3 基于HOG 和SVM 相結(jié)合的交通標(biāo)志圖像檢測(cè)與識(shí)別技術(shù) 218
7.3.1 概述 218
7.3.2 HOG 特征與計(jì)算 218
7.3.3 SVM(支持向量機(jī))分類器 220
7.3.4 基于HSV 顏色空間過(guò)濾的交通標(biāo)志確定 222
7.3.5 交通標(biāo)志圖像識(shí)別技術(shù) 223

第8章 視覺(jué)導(dǎo)航中的駕駛員疲勞檢測(cè)技術(shù) 227
8.1 概述 228
8.1.1 疲勞駕駛簡(jiǎn)介 228
8.1.2 疲勞駕駛檢測(cè)研究現(xiàn)狀 228
8.2 基于HOG 特征的駕駛員的人臉定位技術(shù) 229
8.2.1 HOG 特征與計(jì)算 230
8.2.2 SVM 分類器 230
8.2.3 HOG 特征在人臉識(shí)別上的實(shí)現(xiàn) 230
8.2.4 人臉特征點(diǎn)定位 231
8.2.5 小結(jié) 237
8.3 駕駛員的疲勞駕駛判定技術(shù) 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(cè) 239
8.3.3 小結(jié) 240

參考文獻(xiàn) 241