汽车摄像头应用 – 计算机视觉与深度学习（第1部分）

ADAS、自主驾驶、图像生成、校准、目标检测、分类、多目标跟踪、Python

学习内容：

• ADAS（高级驾驶辅助系统）和自主驾驶的基础知识
• 了解摄像头在ADAS和自主驾驶中的需求和作用
• 了解与摄像头相关的不同术语
• 摄像头针孔模型、透视投影概念及推导摄像头的同质方程
• 外参和内参摄像头校准矩阵的概念
• 简要了解内参和外参摄像头校准过程
• 图像分类和图像定位的概念
• 目标检测的概念，包括先进模型 – R-CNN、Fast R-CNN、Faster R-CNN、YOLOv3和SSD
• 图像分割，实例和语义分割及Mask R-CNN
• 多目标跟踪的概念，卡尔曼滤波，数据关联及如何在摄像头图像中进行多目标跟踪

本课程包括

• 8.5小时随需应变的视频
• 4篇文章
• 36个可下载资源
• 可在移动设备和电视上访问
• 终身访问
• 完成证书

价格：$54.99

教程评分：4.3 / 5（303 评价）

教程语言：英语

教程字幕：中英文字幕

课程要求：

• 能上网的电脑
• 计算机视觉和深度学习的基础知识
• 基础数学知识 – 矩阵、向量、概率、变换等
• 积极学习的动机

课程描述：

环境感知是开发ADAS（高级驾驶辅助系统）和自主驾驶中非常关键和重要的一步。广泛接受和使用的主要传感器包括雷达、摄像头、激光雷达和超声波。

本课程专注于摄像头传感器。特别是，随着深度学习与计算机视觉的进步，摄像头领域的算法开发方法在过去几年中发生了巨大变化。

许多新学生以及来自其他领域的人们希望了解这项技术，因为它提供了巨大的发展前景和就业市场。也有许多课程可用来教授这项技术的某些部分，但都是零散的，仅意在教授单个概念。

在这种情况下，即使有人了解某个具体概念的工作原理，他们也很难将其正确地以软件模块的形式呈现，并且能够从头到尾开发出完整的软件，这在公司中确实是需要的。

这系列课程包含2门课程 – 系统设计，使您在系列课程（2门课程）结束时，可以自信地开发任何基于感知的完整端到端软件应用程序。

第1门课程（本课程）教授以下内容：

• ADAS和自主驾驶技术的基础知识及示例
• 简要了解雷达、摄像头、激光雷达、超声波、GPS、GNSS、IMU等传感器在自主驾驶中的作用
• 详细了解摄像头的角色及相关术语 – 图像传感器、传感器尺寸、像素、AFoV、分辨率、数字接口、自坐标和传感器坐标系统等
• 针孔摄像头模型、概念及推导内参和外参摄像头校准矩阵
• 图像分类、图像定位、目标检测的概念，理解许多先进的深度学习模型如R-CNN、Fast R-CNN、Faster R-CNN、YOLOv3、SSD、Mask R-CNN等
• 一般目标跟踪（单目标和多目标跟踪）的概念，数据关联的概念，基于卡尔曼滤波的跟踪，卡尔曼滤波方程
• 如何在摄像头图像平面上跟踪多个目标
• 附加参考 – 书籍列表、技术论文和网络链接
• 测验

第2门课程教授以下内容（不是本课程，需单独报名）

• 使用Python 3.x和UML逐步完成摄像头感知管道开发
• 介绍课程使用的公共数据集及其见解
• 基于UML的软件设计（使用类图），以面向对象编程实现
• 实现Python类以读取和处理图像
• 使用各种先进（预训练）模型（YOLOv3、SSD、Mask R-CNN）实现目标检测和分类
• 使用卡尔曼滤波在图像平面上进行多目标跟踪各种车辆和道路使用者
• 开发单独的代码以进行可视化并将目标列表和跟踪目标列表导出到JSON文件，使用Python
• 附加参考 – 书籍列表、技术论文和网络链接
• （可选）作业

建议：

• 仅想学习和理解概念的可以只参加第1门课程
• 想学习和理解概念并且还想知道和/或编程这些概念的应参加第1和第2门课程。强烈建议完成第1门课程后再开始第2门课程。

适合人群：

• 对摄像头算法开发及基础知识感兴趣的人 – 特别是ADAS / AD的摄像头
• 希望学习的学生、研究人员、爱好者等

B 站免费课程：更多免费教程

更多 人工智能 教程：更多 人工智能 教程