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。
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。
1 环境感知与传感器导论(认知)
2 车辆定位技术原理(简介)
3 数字图像处理(案例教学)
4 机器视觉(案例教学)
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)
6 多源信息融合基础(简介)
7 三维重建基础(简介)
[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
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。