目前，随着智能驾驶技术在国内外的迅猛发展，人类进入了智能驾驶时代。智能汽车、无人驾驶汽车、无人机、无人船、机器狗、机器狼等智能设备或无人系统不断涌现，不断刷新人们的认知。这些智能设备都涉及周围环境感知技术，为了对周围环境进行感知，一般需要采用激光雷达、米波雷达、光学摄像头、声学传感器等传感器技术采集周围环境信息，其中采用光学摄像头的视觉导航技术是非常重要的一项环境感知技术。这项技术在工农业生产、人民日常生活以及国防领域都得到了广泛应用。
本书是著者在带领智能驾驶科研团队十多年的科研实践基础上，将科研成果进行提炼写成的，这些科研成果已经获得知识产权（发明专利或软件著作权）或以论文形式发表，部分科研成果已经在项目或产品上得到了实际应用。
本书主要介绍智能驾驶中视觉导航技术的相关知识。其中第1章为智能驾驶中的视觉导航技术概述；第2章介绍视觉导航中的目标检测与跟踪技术；第3章介绍视觉导航中的目标测距技术；第4章介绍视觉导航中的车道线检测与跟踪技术；第5章介绍视觉导航中的车辆自主导航定位技术；第6章介绍视觉导航中的车辆视频拼接技术；第7章介绍视觉导航中的车牌与交通标志识别技术；第8章介绍视觉导航中的驾驶员疲劳检测技术。
本书由著者在汇总所带科研团队的科研成果基础上独立完成，在写作过程中参考了著者本人指导的科研团队成员宋彩霞、韩方旭、赵轩、孙营、曹勇、石梦华、韩立明、雷宏彬、宋宝玉、李锡蒙、贺稳定、曹枢洋、胡睿、陈聪实、张帅、涂嘉怡等同学的相关科研文档与资料，在此表示感谢！
本书的写作得到了北京工业大学的大力支持和帮助，深表感谢！
本书也是在著者父母与其他家人的默默支持下完成的，同样深表感谢！
限于著者水平，书中难免存在不当之处，请读者批评指正。
著者
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
新书资讯
