本書介紹計算機(jī)視覺在智能車中的應(yīng)用，分三個部分共13章。**部分（第1、2章），供初學(xué)者學(xué)習(xí)，介紹計算機(jī)視覺的定義、研究內(nèi)容、發(fā)展歷程、在智能車中的主要應(yīng)用，以及智能車視覺常用的圖像預(yù)處理方法。第二部分（第3～5章），是智能車視覺技術(shù)的基礎(chǔ)內(nèi)容，介紹智能車視覺認(rèn)知硬件平臺和軟件開發(fā)環(huán)境的搭建與配置，以及在實際應(yīng)用中經(jīng)常使用的攝像機(jī)標(biāo)定方法和視覺測距技術(shù)。第三部分（第6～13章），介紹計算機(jī)視覺在智能車中的具體應(yīng)用和問題解決，包括車道線的識別與跟蹤、停止線檢測與測距、斑馬線、導(dǎo)向箭頭、交通信號燈、交通標(biāo)志牌等識別方法和視覺定位技術(shù)，使讀者進(jìn)一步了解智能車視覺的具體應(yīng)用，以及解決問題的難點(diǎn)和思路。 本書適合從事計算機(jī)視覺、圖像處理、智能車研究的人員學(xué)習(xí)，尤其適合從事無人駕駛智能車圖像處理研究和開發(fā)的人員學(xué)習(xí)，也可作為相關(guān)專業(yè)研究生的教學(xué)用書。
目前實際應(yīng)用中只通過計算機(jī)視覺解決其他傳感器難以解決的科學(xué)和工程問題，如車道線檢測、停止線檢測、紅綠燈識別等。隨著智能車產(chǎn)業(yè)化進(jìn)程的臨近，由于智能車研發(fā)中視覺傳感器所需要的設(shè)備成本較低，因此，用計算機(jī)視覺來解決智能駕駛中遇到的問題成為目前和未來的發(fā)展趨勢。
劉宏哲，博士，副教授，北京聯(lián)合大學(xué)信息學(xué)院軟件工程系主任，北京市信息服務(wù)工程重點(diǎn)實驗室副主任兼辦公室主任，碩士研究生導(dǎo)師，軟件工程學(xué)位分委會副主任，中國計算機(jī)用戶學(xué)會網(wǎng)絡(luò)應(yīng)用分會副秘書長。主要研究方向為圖像處理、社群媒體語義計算、數(shù)字博物館，具有較強(qiáng)的科研能力和較扎實的理論基礎(chǔ)，是北京聯(lián)合大學(xué)李德毅院士智能車團(tuán)隊骨干成員。近幾年主持或作為骨干參加多項***和省部級課題，國家自然科學(xué)基金項目2項、國家科技支撐課題1項，北京市文化科技創(chuàng)新工程項目1項，北京市創(chuàng)新團(tuán)隊2項，北京市教委面上項目2項，北京市中青年骨干教師1項。近年來以**作者發(fā)表高水平研究論文30余篇，其中知名SCI期刊論文4篇、EI檢索論文20余篇，CSCD核心期刊7篇，申請專利和軟件著作權(quán)16項，專著1部，科研成果顯著。
第1章 計算機(jī)視覺簡介1
1.1 計算機(jī)視覺的發(fā)展歷程1
1.2 計算機(jī)視覺研究現(xiàn)狀2
1.3 計算機(jī)視覺在智能車的應(yīng)用3
第2章 視覺預(yù)處理技術(shù)7
2.1 灰度化處理7
2.2 顏色空間變換8
2.2.1 RGB顏色空間8
2.2.2 HSV顏色空間9
2.2.3 RGB與HSV相互轉(zhuǎn)換10
2.3 閾值處理12
2.3.1 全局閾值處理方法13
2.3.2 局部閾值處理方法14
2.3.3 自適應(yīng)閾值處理方法14
2.4 霍夫變換15
2.5 平滑濾波16
2.5.1 鄰域平滑濾波16
2.5.2 中值濾波18
2.6 邊緣檢測19
2.6.1 Canny算子邊緣檢測20
2.6.2 Sobel算子邊緣檢測21
第3章 智能車視覺平臺搭建24
3.1 硬件平臺的設(shè)計與搭建24
3.1.1 硬件平臺的設(shè)計24
3.1.2 硬件平臺的搭建27
3.2 開發(fā)環(huán)境的搭建29
3.2.1 開發(fā)工具介紹29
3.2.2 OpenCV下載與安裝29
3.2.3 環(huán)境配置30
第4章 標(biāo)定39
4.1 攝像機(jī)標(biāo)定方法39
4.1.1 攝像機(jī)成像模型39
4.1.2 攝像機(jī)內(nèi)外參數(shù)40
4.1.3 機(jī)器視覺標(biāo)定板說明41
4.1.4 單目攝像機(jī)標(biāo)定43
4.2 逆透視標(biāo)定方法45
4.2.1 逆透視變換原理45
4.2.2 傳統(tǒng)的逆透視標(biāo)定方法46
4.2.3 一種用于智能車的逆透視標(biāo)定方法47
4.2.4 逆透視圖像的特點(diǎn)及應(yīng)用51
第5章 單目視覺測距53
5.1 基于映射關(guān)系表的單目視覺測距53
5.1.1 方法的實現(xiàn)53
5.1.2 實驗結(jié)果55
5.1.3 等距標(biāo)記的優(yōu)缺點(diǎn)56
5.2 基于幾何關(guān)系的距離計算方法56
5.2.1 方法的實現(xiàn)56
5.2.2 實驗與結(jié)果分析62
5.3 基于逆透視變換的平面測距方法65
第6章 車道線檢測與跟蹤67
6.1 車道線檢測方法67
6.1.1 車道線特性及類型67
6.1.2 國內(nèi)外近年研究成果68
6.1.3 車道線檢測的難點(diǎn)69
6.1.4 自適應(yīng)二值化算法69
6.2 基于透視圖像的檢測方法73
6.2.1 透視模型73
6.2.2 一種基于透視圖像的車道線檢測方法76
6.3 基于IPM的檢測方法79
6.3.1 逆透視模型79
6.3.2 一種基于IPM的車道線檢測方法80
6.4 車道虛擬中心線的計算方法86
6.5 車道線跟蹤技術(shù)89
6.5.1 基于卡爾曼濾波的車道線跟蹤90
6.5.2 基于粒子濾波的車道線跟蹤90
第7章 斑馬線識別92
7.1 斑馬線的特征及其作用92
7.2 斑馬線識別方法94
7.3 基于時空關(guān)聯(lián)的斑馬線識別方法99
第8章 停止線識別與測距103
8.1 停止線的特征及其作用103
8.1.1 停止線的特征103
8.1.2 停止線的作用104
8.2 停止線識別方法105
8.3 基于時空關(guān)聯(lián)的停止線識別方法108
8.4 停止線測距112
第9章 導(dǎo)向箭頭識別114
9.1 導(dǎo)向箭頭的特征和類型114
9.2 導(dǎo)向箭頭的識別方法115
9.3 基于時空關(guān)聯(lián)的導(dǎo)向箭頭識別方法116
第10章 交通信號燈識別122
10.1 交通信號燈識別簡述122
10.1.1 交通信號燈識別的意義122
10.1.2 交通信號燈識別的方法123
10.2 交通信號燈檢測方法124
10.2.1 顏色空間選取125
10.2.2 圖像分割126
10.3 交通信號燈識別方法129
10.3.1 區(qū)域選擇129
10.3.2 特征提取130
10.3.3 分類器訓(xùn)練132
第11章 交通標(biāo)志牌識別133
11.1 交通標(biāo)志牌識別簡述133
11.2 交通標(biāo)志牌類型135
11.3 交通標(biāo)志牌識別現(xiàn)狀139
11.4 交通標(biāo)志牌識別的難點(diǎn)140
11.4.1 天氣環(huán)境的影響140
11.4.2 空間變化的影響141
11.5 交通標(biāo)志牌識別的方法143
11.5.1 基于模板匹配的方法143
11.5.2 基于機(jī)器學(xué)習(xí)的方法146
第12章 無人自主車視覺定位150
12.1 視覺定位的意義和應(yīng)用150
12.2 視覺定位方法152
12.2.1 基于路標(biāo)庫和圖像匹配的全局定位152
12.2.2 同時定位與地圖構(gòu)建的SLAM155
12.2.3 基于局部運(yùn)動估計的視覺里程計156
12.3 定位算法性能分析159
第13章 基于視覺的路口定位161
13.1 路口定位的實現(xiàn)流程161
13.2 基于路口場景識別的粗定位162
13.2.1 建立路口場景特征庫162
13.2.2 基于SURF的快速路口場景識別164
13.3 基于IPM的高精度實時定位166
13.3.1 逆透視變換（IPM）166
13.3.2 停止線檢測與測距169
13.3.3 車道線檢測172
13.3.4 位置坐標(biāo)計算175
參考文獻(xiàn)178
書單推薦
