刘宏哲，博士，副教授，北京联合大学信息学院软件工程系主任，北京市信息服务工程重点实验室副主任兼办公室主任，硕士研究生导师，软件工程学位分委会副主任，中国计算机用户学会网络应用分会副秘书长。主要研究方向为图像处理、社群媒体语义计算、数字博物馆，具有较强的科研能力和较扎实的理论基础，是北京联合大学李德毅院士智能车团队骨干成员。近几年主持或作为骨干参加多项***和省部级课题，国家自然科学基金项目2项、国家科技支撑课题1项，北京市文化科技创新工程项目1项，北京市创新团队2项，北京市教委面上项目2项，北京市中青年骨干教师1项。近年来以**作者发表高水平研究论文30余篇，其中知名SCI期刊论文4篇、EI检索论文20余篇，CSCD核心期刊7篇，申请专利和软件著作权16项，专著1部，科研成果显著。

　　本书介绍计算机视觉在智能车中的应用，分三个部分共13章。一部分（第1、2章），供初学者学习，介绍计算机视觉的定义、研究内容、发展历程、在智能车中的主要应用，以及智能车视觉常用的图像预处理方法。第二部分（第3～5章），是智能车视觉技术的基础内容，介绍智能车视觉认知硬件平台和软件开发环境的搭建与配置，以及在实际应用中经常使用的摄像机标定方法和视觉测距技术。第三部分（第6～13章），介绍计算机视觉在智能车中的具体应用和问题解决，包括车道线的识别与跟踪、停止线检测与测距、斑马线、导向箭头、交通信号灯、交通标志牌等识别方法和视觉定位技术，使读者进一步了解智能车视觉的具体应用，以及解决问题的难点和思路。本书适合从事计算机视觉、图像处理、智能车研究的人员学习，尤其适合从事无人驾驶智能车图像处理研究和开发的人员学习，也可作为相关专业研究生的教学用书。

第1章  计算机视觉简介 1
1．1  计算机视觉的发展历程 1
1．2  计算机视觉研究现状 2
1．3  计算机视觉在智能车的应用 3
第2章  视觉预处理技术 7
2．1  灰度化处理 7
2．2  颜色空间变换 8
2．2．1  RGB颜色空间 8
2．2．2  HSV颜色空间 9
2．2．3  RGB与HSV相互转换 10
2．3  阈值处理 12
2．3．1  全局阈值处理方法 13
2．3．2  局部阈值处理方法 14
2．3．3  自适应阈值处理方法 14
2．4  霍夫变换 15
2．5  平滑滤波 16
2．5．1  邻域平滑滤波 16
2．5．2  中值滤波 18
2．6  边缘检测 19
2．6．1  Canny算子边缘检测 20
2．6．2  Sobel算子边缘检测 21
第3章  智能车视觉平台搭建 24
3．1  硬件平台的设计与搭建 24
3．1．1  硬件平台的设计 24
3．1．2  硬件平台的搭建 27
3．2  开发环境的搭建 29
3．2．1  开发工具介绍 29
3．2．2  OpenCV下载与安装 29
3．2．3  环境配置 30
第4章  标定 39
4．1  摄像机标定方法 39
4．1．1  摄像机成像模型 39
4．1．2  摄像机内外参数 40
4．1．3  机器视觉标定板说明 41
4．1．4  单目摄像机标定 43
4．2  逆透视标定方法 45
4．2．1  逆透视变换原理 45
4．2．2  传统的逆透视标定方法 46
4．2．3  一种用于智能车的逆透视标定方法 47
4．2．4  逆透视图像的特点及应用 51
第5章  单目视觉测距 53
5．1  基于映射关系表的单目视觉测距 53
5．1．1  方法的实现 53
5．1．2  实验结果 55
5．1．3  等距标记的优缺点 56
5．2  基于几何关系的距离计算方法 56
5．2．1  方法的实现 56
5．2．2  实验与结果分析 62
5．3  基于逆透视变换的平面测距方法 65
第6章  车道线检测与跟踪 67
6．1  车道线检测方法 67
6．1．1  车道线特性及类型 67
6．1．2  国内外近年研究成果 68
6．1．3  车道线检测的难点 69
6．1．4  自适应二值化算法 69
6．2  基于透视图像的检测方法 73
6．2．1  透视模型 73
6．2．2  一种基于透视图像的车道线检测方法 76
6．3  基于IPM的检测方法 79
6．3．1  逆透视模型 79
6．3．2  一种基于IPM的车道线检测方法 80
6．4  车道虚拟中心线的计算方法 86
6．5  车道线跟踪技术 89
6．5．1  基于卡尔曼滤波的车道线跟踪 90
6．5．2  基于粒子滤波的车道线跟踪 90
第7章  斑马线识别 92
7．1  斑马线的特征及其作用 92
7．2  斑马线识别方法 94
7．3  基于时空关联的斑马线识别方法 99
第8章  停止线识别与测距 103
8．1  停止线的特征及其作用 103
8．1．1  停止线的特征 103
8．1．2  停止线的作用 104
8．2  停止线识别方法 105
8．3  基于时空关联的停止线识别方法 108
8．4  停止线测距 112
第9章  导向箭头识别 114
9．1  导向箭头的特征和类型 114
9．2  导向箭头的识别方法 115
9．3  基于时空关联的导向箭头识别方法 116
第10章  交通信号灯识别 122
10．1  交通信号灯识别简述 122
10．1．1  交通信号灯识别的意义 122
10．1．2  交通信号灯识别的方法 123
10．2  交通信号灯检测方法 124
10．2．1  颜色空间选取 125
10．2．2  图像分割 126
10．3  交通信号灯识别方法 129
10．3．1  区域选择 129
10．3．2  特征提取 130
10．3．3  分类器训练 132
第11章  交通标志牌识别 133
11．1  交通标志牌识别简述 133
11．2  交通标志牌类型 135
11．3  交通标志牌识别现状 139
11．4  交通标志牌识别的难点 140
11．4．1  天气环境的影响 140
11．4．2  空间变化的影响 141
11．5  交通标志牌识别的方法 143
11．5．1  基于模板匹配的方法 143
11．5．2  基于机器学习的方法 146
第12章  无人自主车视觉定位 150
12．1  视觉定位的意义和应用 150
12．2  视觉定位方法 152
12．2．1  基于路标库和图像匹配的全局定位 152
12．2．2  同时定位与地图构建的SLAM 155
12．2．3  基于局部运动估计的视觉里程计 156
12．3  定位算法性能分析 159
第13章  基于视觉的路口定位 161
13．1  路口定位的实现流程 161
13．2  基于路口场景识别的粗定位 162
13．2．1  建立路口场景特征库 162
13．2．2  基于SURF的快速路口场景识别 164
13．3  基于IPM的高精度实时定位 166
13．3．1  逆透视变换（IPM） 166
13．3．2  停止线检测与测距 169
13．3．3  车道线检测 172
13．3．4  位置坐标计算 175
参考文献 178