智能驾驶与机器视觉

前言 第1章 智能驾驶概述 1.1 智能驾驶简介 1.2 智能驾驶分类 1.3 智能驾驶现状 1.3.1 乘用车 1.3.2 货车 1.3.3 出租车 1.3.4 无人小车 1.3.5 公交车 1.3.6 类汽车智能驾 1.4 智能驾驶与机器视觉 1.4.1 视觉感知 1.4.2 视觉定位 练习题 第2章 智能驾驶场景 2.1 高速场景 2.2 城区场景 2.3 泊车场景 2.4 园区场景 2.5 其他场景 2.5.1 地外场景 2.5.2 农用场景 2.5.3 室内场景 练习题 第3章 关键硬件基础 3.1 整体架构 3.2 视觉传感器 3.2.1 摄像头类型 3.2.2 摄像头布局 3.2.3 摄像头标定 3.3 其他传感器 3.3.1 激光雷达 3.3.2 毫米波雷达 3.3.3 超声波传感器 3.4 计算平台 3.4.1 芯片制造 3.4.2 AI芯片 3.4.3 片上系统（SoC） 3.4.4 域控制器（DCU） 3.4.5 计算平台示例 练习题 第4章 关键算法基础 4.1 深度学习 4.1.1 卷积神经网络 4.1.2 卷积层 4.1.3 激活函数 4.1.4 池化层 4.1.5 全连接层 4.1.6 批量归一化层 4.1.7 损失函数 4.1.8 模型训练 4.1.9 模型压缩 4.2 视觉感知 4.2.1 分类 4.2.2 检测 4.2.3 分割 4.2.4 深度估计 4.2.5 高程估计 4.2.6 关键点 4.2.7 OCR 4.2.8 其他 4.3 视觉定位 4.3.1 特征提取 4.3.2 特征匹配 4.3.3 光流跟踪 4.3.4 非线性优化 4.3.5 多传感器融合 4.4 框架与工具链 4.4.1 算法框架 4.4.2 算法工具链 练习题 第5章 关键数据基础 5.1 数据采集 5.1.1 采集平台 5.1.2 采集规范 5.1.3 数据挖掘 5.1.4 常用公开数据集 5.2 数据标注 5.2.1 标注平台 5.2.2 2D标注 5.2.3 2.5D 标注 5.2.4 4D标注 5.2.5 数据标注文档 5.2.6 标注体系建设 5.3 数据仿真 5.3.1 数据仿真技术 5.3.2 业界案例介绍 5.4 数据闭环 5.4.1 数据闭环技术 5.4.2 业界案例介绍 练习题 第6章 视觉感知任务 6.1 场景识别 6.2 静态感知