车载智能信息处理-湖北汽院龚家元.md

车载智能信息处理

主要内容

面向“智能科学与技术（智能网联汽车方向）”专业大三及以上学生，基于微软人工智能技术和Visual Studio IDE，进行图像处理、机器视觉、目标识别、多源信息融合及三维重建等智能驾驶环境感知内容的案例化教学，为后续《人工智能与机器学习》课程的理论和实践教学打下良好的基础。

课程目标

本课程围绕智能驾驶环境感知的基础，主要内容是在visual Studio IDE上，利用开源软件opencv和开源硬件openmv，进行数字图像处理与机器视觉技术的案列教学和实践。进一步的，通过微软Tools for AI工具和Azure定制化视觉服务，进行环境感知中目标检测与识别的案例学习与实战。

本课程的主要特点是，在实践基础上进行相关理论知识的深入学习、理解和掌握。基于案例教学，学生在动手过程中去学习图像处理算法，并熟悉深度学习的基本知识。

本课程的主要任务是，通过本课程的学习，使学生理解智能驾驶环境感知的基本概念，掌握环境感知的基本分析方法和算法原理，为今后进一步从事智能驾驶环境感知方面的技术工作打下基础。

授课安排

• 1 环境感知与传感器导论（认知）

  • 智能驾驶的环境感知系统
  • 激光雷达
  • 视觉传感器
  • 毫米波雷达
  • GPS与惯性传感器
  • 超声波传感器
  • 红外传感器
  • 传感器的认识和体验

• 2 车辆定位技术原理（简介）

  • GPS定位技术基本原理
  • 惯导定位基本原理

• 3 数字图像处理（案例教学）

  • 基于opencv的数字图像处理实践
    • 图像采集
    • 图像变换
    • 图像增强
    • 图像分割
    • 图像滤波
    • 边缘检测
    • ...

• 4 机器视觉（案例教学）

  • 基于openmv的机器视觉实践
    • 机器视觉基础
    • 颜色识别
    • 人脸识别
    • 人眼追踪
    • 智能小车
    • ...

• 5 目标检测与识别（基于微软AI301课程的目标识别实战案例教学）

  • 机器学习与深度学习
  • Azure定制化视觉服务
  • 手写数字识别
  • 看图识熊
  • 车道线检测
  • 行人目标识别
  • 车辆目标识别
  • 交通标志识别
  • 交通信号灯识别
  • Android手机部署

• 6 多源信息融合基础（简介）

  • 卡尔曼滤波器
  • 数据关联技术
  • GPS与惯导的融合
  • 目标信息融合

• 7 三维重建基础（简介）

  • 局部地图
  • SLAM技术

参考资料

[1] 刘少山等. 第一本无人驾驶技术书. 电子工业出版社，2017.

[2] 冈萨雷斯等著，阮秋琦等译. 数字图像处理（MATLAB版），电子工业出版社，2014.01.

[3] 赵小川. 传感器信息融合MATLAB程序实现. 互动出版网图书专营店，2014-07.

[4] 相关技术网站和论坛等