面向自动驾驶的交通标识视觉感知

自动驾驶通过车载多传 感器系统获知周围实时环境 信息，计算处理后经过合理 的决策规划从而控制车辆的 运动。本书从基于图像的视 觉感知角度出发，对面向自 动驾驶的交通标识视觉感知 相关技术进行系统分析和介 绍，主要内容包括基于深度 学习的视觉感知、交通标识 的视觉识别、双目视觉与交 通标识测距、车道线检测、 面向自动驾驶的嵌入式系统 、视觉感知在自动驾驶中的 应用展望等。 本书可以作为高等院校 电子信息、交通工程和自动 驾驶等相关专业本科生或研 究生的参考书。本书中的实 例均经过实践验证，可供从 事自动驾驶汽车相关工作的 工程技术人员参考和使用。

第1章 自动驾驶与计算机视觉 1.1 自动驾驶发展历史 1.2 自动驾驶的定义与功能分析 1.3 自动驾驶硬件平台 1.4 自动驾驶软件平台 1.5 计算机视觉与感知 1.6 视觉感知在自动驾驶中的应用 参考文献 第2章 人工智能及其在自动驾驶中的应用 2.1 人工智能基础 2.1.1 人工智能的发展历程 2.1.2 人工智能的研究途径 2.1.3 人工智能的趋势与展望 2.2 机器学习与深度学习 2.2.1 机器学习的含义与分类 2.2.2 深度学习的发展历程 2.2.3 深度学习与计算机视觉 2.2.4 深度学习与自然语言处理 2.3 强化学习 2.3.1 强化学习的基本要素 2.3.2 强化学习的常用方法 2.3.3 强化学习的发展方向 2.4 深度学习在自动驾驶中的应用 2.4.1 交通标识识别 2.4.2 目标感知 2.4.3 车道线检测 2.4.4 自动泊车 2.4.5 司乘人员状态监控 2.5 强化学习在自动驾驶中的应用 参考文献 第3章 基于深度学习的视觉感知 3.1 深度学习基础 3.2 计算机视觉技术 3.3 图像分类典型算法 3.4 目标检测典型算法 3.4.1 两阶段目标检测方法 3.4.2 单阶段目标检测方法 3.5 目标跟踪典型算法 3.6 图像分割典型算法 3.6.1 语义分割算法 3.6.2 实例分割算法 参考文献 第4章 交通标识的视觉识别 4.1 交通标识和信号灯检测 4.1.1 交通标识检测 4.1.2 交通信号灯检测 4.2 卷积神经网络与目标检测 4.2.1 卷积神经网络结构分析 4.2.2 目标检测算法评估指标 4.2.3 YOLOv3目标检测模型分析