露天矿区无人驾驶智能视觉技术及应用

推荐语

本书在内容编排上集“基础理论、技术原理和项目实践与实验”于一体，围绕矿区无人驾驶视觉下的智能分析、智能检测与识别等关键技术，通过大量的实例由浅入深、循序渐进地阐述相关原理和技术。书中所涉及的基础理论按照核心概念的方式介绍，关键技术通过实验分析方式介绍，重点将矿区无人矿卡行车中的复杂道路识别、复杂道路跟踪、道路正负障碍检测与测量等进行原理解析和实验分析。

本书紧紧围绕露天矿区无人驾驶视觉下的图像数据处理、智能分析、智能检测与识别等关键技术，通过实际工程案例阐明相关技术原理和应用方法，介绍智能视觉技术在露天矿区无人驾驶方面的应用状况。书中重点将露天矿区无人车辆行驶中复杂道路分割与识别，复杂道路拟合与跟踪，多尺度障碍检测与测量等进行原理解析和实验分析，更好地帮助读者理解并掌握关键知识点和应用技能。

目录

1 绪论

1.1 矿山智能视觉应用及意义

1.2 矿山智能视觉研究概况

1.3 矿山智能视觉发展趋势

2 矿山智能视觉相关理论与技术

2.1 深度学习模型

2.2 卷积神经网络

2.3 目标图像分割算法

2.4 道路边缘检测算法

2.5 双目视觉目标测量

2.6 相机标定理论

3 矿区道路图像数据集处理

3.1 图像数据降噪滤波处理

3.2 图像数据增强处理

3.3 矿区道路图像数据集构建

4 矿区非结构化道路分割

4.1 BiSeNetV2双边分割网络模型

4.2 OP-BiSeNetV2矿区道路分割模型

4.3 矿区道路分割实验与分析

4.4 本章小结

5 矿区非结构化道路边缘线跟踪

5.1 矿区道路边缘线处理

5.2 矿区道路边缘拟合

5.3 矿区道路边缘跟踪

5.4 矿区道路边缘跟踪实验与分析

5.5 本章小结

6 矿区无人车行进道路偏离检测

6.1 矿区车道偏离特征提取

6.2 基于PSO-BP的矿区车道偏离检测

6.3 矿区车道偏离实验与分析

6.4 本章小结

7 矿区复杂道路动态路网构建

7.1 矿区道路提取数据集的建立

7.2 DeepLabv3+道路提取模型结构

7.3 矿区路网图像分割优化模型构建

7.4 矿区路网轨迹数据坐标转换

7.5 矿区路网构建实验与分析

7.6 本章小结

8 矿区无人驾驶行车道路障碍检测

8.1 矿区行车障碍目标检测模型

8.2 矿区行车障碍目标特征提取

8.3 候选检测框生成优化

8.4 基于RetinaNet的行车障碍检测模型构建

8.5 矿区行车障碍检测模型优化改进

8.6 矿区行车障碍检测实验与分析

8.7 本章小结

9 基于双目视觉的行车道路障碍测距

9.1 矿区复杂道路行车障碍立体图像标定

9.2 障碍物图像立体校正

9.3 立体匹配算法研究

9.4 立体匹配视差测距

9.5 本章小结

10 跨模态融合的矿区无人车道路障碍测量

10.1 跨模态数据融合架构设计

10.2 矿区行车障碍跨模态数据空间匹配

10.3 矿区行车障碍空间距离融合计算

10.4 行车障碍空间距离融合计算

10.5 障碍空间测量实验与分析

10.6 本章小结

11 矿区智能视觉综合应用案例

11.1 矿区道路障碍目标数据集

11.2 矿区道路障碍目标检测实验分析

11.3 矿区道路障碍目标距离估计实验分析

11.4 本章小结

参考文献