智能驾驶视觉导航技术

本书根据国内外不断发展的智能驾驶技术的最新成果，主要介绍了智能驾驶视觉导航中的目标检测与跟踪技术、目标测距技术、车道线检测与跟踪技术、车辆自主导航定位技术、车辆视频拼接技术、车牌与交通标志识别技术和驾驶员疲劳检测技术等。
本书适合从事智能驾驶、视觉导航、计算机视觉、图像处理、无人系统等领域的工程技术人员阅读，也适合高等院校理工科相关专业的师生学习参考。

无

第1章 智能驾驶中视觉导航技术概述 001
1.1 智能驾驶概况 002
1.1.1 智能驾驶概念 003
1.1.2 智能驾驶的发展现状 004
1.1.3 智能驾驶的关键技术 006
1.1.4 智能驾驶的未来发展 006
1.2 视觉导航技术 006

第2章 视觉导航中的目标检测与跟踪技术 007
2.1 概述 008
2.1.1 研究现状 008
2.1.2 测试数据集及测试指标 010
2.2 基于主动学习框架的Haar-like 特征与级联分类器的车辆检测算法 011
2.3 基于DPM 改进模型的夜间车辆检测算法 022
2.3.1 Gamma 校正 022
2.3.2 PCA 降维 022
2.3.3 常见的DPM 优化策略 023
2.3.4 常见的特征描述子 025
2.3.5 常见的分类器 027
2.3.6 DPM 目标检测算法 028
2.3.7 实验分析和结果分析 036
2.3.8 小结 038
2.4 盲区车辆检测算法 039
2.4.1 基本原理 039
2.4.2 改进的CAdaBoost 盲区车辆检测算法 043
2.4.3 实验研究与结果分析 047
2.4.4 小结 052
2.5 基于深度学习网络的行人检测方法 052
2.5.1 YOLOv3 网络模型介绍 052
2.5.2 改进的RFB-YOLOv3 行人检测算法 056
2.5.3 实验研究与结果分析 061
2.5.4 小结 063
2.6 基于ViBe 的动态障碍物检测算法 063
2.6.1 ViBe 算法介绍 064
2.6.2 ViBe 算法改进 065
2.6.3 实验结果与分析 071
2.6.4 小结 075
2.7 停车位检测技术 075
2.7.1 停车位图像分割算法 075
2.7.2 停车位检测后处理 079
2.7.3 停车位检测流程 083
2.7.4 小结 085
2.8 基于均值漂移（MeanShift）的视觉导航跟踪算法 085
2.8.1 概述 085
2.8.2 MeanShift 算法原理 085
2.8.3 MeanShift 车辆跟踪算法 088
2.8.4 参数设置及实验结果 088
2.9 基于实时压缩感知的视觉导航跟踪算法 090
2.9.1 压缩感知算法原理 090
2.9.2 基于压缩感知的车辆跟踪算法 090
2.9.3 参数设置及实验结果 091
2.9.4 算法对比 092
2.10 基于核相关滤波的视觉跟踪算法 095
2.10.1 KCF 跟踪算法介绍 095
2.10.2 KCF 跟踪算法改进 097
2.10.3 实验研究与结果分析 104
2.10.4 小结 107

第3章 视觉导航中的目标测距技术 108
3.1 概述 109
3.1.1 车辆测距方式分类 109
3.1.2 典型的国内外车辆测距应用方案简介 110
3.2 基于相似三角形的目标单目测距技术 111
3.2.1 基于相似三角形法标定摄像机参数 111
3.2.2 目标距离测定 114
3.2.3 距离准确性的验证 115
3.2.4 安全距离与报警设置 116
3.2.5 测试与验证 117
3.3 基于改进的逆投影变换的目标单目测距技术 121
3.3.1 摄像机标定技术 121
3.3.2 逆透视投影变换理论 126
3.3.3 基于标志物的改进的逆透视投影变换测距算法 128
3.3.4 测距参数设置与实验结果 131
3.3.5 小结 132

第4章 视觉导航中的车道线检测与跟踪技术 133
4.1 概述 134
4.1.1 基于特征的车道线检测方法简介 134
4.1.2 基于模型的车道线检测方法简介 134
4.2 基于Hough 变换的车道线检测技术 135
4.2.1 基于Hough 变换的车道初始检测 135
4.2.2 直线车道 136
4.2.3 车道检测结果 137
4.3 基于动态自适应感兴趣区的车道线检测技术 140
4.3.1 图像预处理 140
4.3.2 车道线检测 146
4.3.3 实验结果及分析 150
4.3.4 小结 152
4.4 基于Kalman 滤波的车道线跟踪技术 152
4.4.1 基于Kalman 滤波的车道跟踪流程 153
4.4.2 Kalman 滤波技术 153
4.4.3 基于Kalman 预测动态建立感兴趣区域 154
4.4.4 统计预测法搜索边界点 155
4.4.5 算法失效判别模块 155
4.5 基于相关系数的动态模板车道线跟踪技术 157

第5章 视觉导航中的车辆自主导航定位技术 160
5.1 概述 161
5.2 动态障碍物剔除技术 161
5.2.1 基于级联分类器的车辆检测 162
5.2.2 基于先验知识划分动态检测区域 163
5.2.3 基于动态区域改进FAST 特征点检测 164
5.3 车辆视觉位姿估计技术 165
5.3.1 对极约束原理 165
5.3.2 求解相机位姿 166
5.4 实验结果与分析 167

第6章 视觉导航中的车辆视频拼接技术 173
6.1 概述 174
6.1.1 拼接技术的定义 174
6.1.2 国内外研究现状 174
6.1.3 车载图像拼接应用产品简介 175
6.2 静态图像的拼接技术 176
6.2.1 图像拼接中图像匹配方法介绍 177
6.2.2 基于SIFT 特征点的匹配方法原理 178
6.2.3 图像拼接中匹配点的提纯 182
6.2.4 实际图片拼接结果 185
6.3 基于关键帧提取的映射参数求解的动态图像拼接技术 186
6.3.1 图像预处理 187
6.3.2 关键帧提取 190
6.3.3 基于关键帧提取的映射参数求解 192
6.3.4 加权融合 194
6.3.5 实验结果 195
6.3.6 小结 197

第7章 视觉导航中的车牌与交通标志识别技术 198
7.1 概述 199
7.1.1 背景 199
7.1.2 国内外研究现状 199
7.1.3 我国车牌的特征 201
7.2 运动车辆的车牌识别技术 201
7.2.1 概述 201
7.2.2 基于级联分类器的车牌定位 202
7.2.3 车牌的倾斜校正与字符分割 205
7.2.4 基于改进的 LeNe-t 5 深度学习模型的车牌字符识别 206
7.2.5 测试结果与分析 214
7.2.6 小结 217
7.3 基于HOG 和SVM 相结合的交通标志图像检测与识别技术 218
7.3.1 概述 218
7.3.2 HOG 特征与计算 218
7.3.3 SVM(支持向量机)分类器 220
7.3.4 基于HSV 颜色空间过滤的交通标志确定 222
7.3.5 交通标志图像识别技术 223

第8章 视觉导航中的驾驶员疲劳检测技术 227
8.1 概述 228
8.1.1 疲劳驾驶简介 228
8.1.2 疲劳驾驶检测研究现状 228
8.2 基于HOG 特征的驾驶员的人脸定位技术 229
8.2.1 HOG 特征与计算 230
8.2.2 SVM 分类器 230
8.2.3 HOG 特征在人脸识别上的实现 230
8.2.4 人脸特征点定位 231
8.2.5 小结 237
8.3 驾驶员的疲劳驾驶判定技术 238
8.3.1 基于PERCLOS 物理量的判定方法 238
8.3.2 基于人眼宽高比的疲劳驾驶检测 239
8.3.3 小结 240

参考文献 241