（1）作者经验丰富：作者是吉咖智能的感知算法总监，在再能驾驶视觉感知领域有丰富的工程项目经验。
（2）内容深度聚焦：专注于智能驾驶视觉感知及其后处理上，从工程化量产角度深度阐述视觉感知后处理的技术原理、算法实现和各种视觉缺陷的解决方案。
（3）业界学界共荐：多位来自高校和企业的智能驾驶领域的资深学者和技术专家联袂推荐。
（4）良好阅读体验：语言简练、重点突出；用大量图表实现可视化呈现，降低理解难度；全彩印刷，提升阅读体验。

内容简介
在智能驾驶的发展过程中，获取交通信息、认知和理解交通世界成为智能化汽车的核心任务之一，视觉感知及相关处理技术无疑成为至关重要的技术支撑。然而，智能驾驶视觉感知领域涉及多个学科的交叉，包括计算机视觉、图像处理、传感器技术等，这使得初学者和从业者在进入该领域时，往往面临着较高技术门槛，需要花费大量的时间和精力去学习和整合这些分散的知识，才能够在这个领域中有所建树。
阅读本书，你将掌握以下内容：
（1）智能驾驶的发展历程、现状、趋势以及分类；
（2）自动驾驶领域的常用摄像头方案，摄像头成像模型与标定方法。
（3）自动驾驶常见障碍物（如车辆、行人等）的测距和跟踪，以及常见路面静态标识（如车道线等）的后处理方式。
（4）视觉感知的原理、方法及后处理各种技术。
（5）智能车辆量产过程中出现的常见问题，并提出了对摄像头硬件方案、常见障碍物检测及后处理方式。
（6）当前自动驾驶领域中的前沿方向——多摄像头感知算法，从多摄像头标定、融合、多摄像头感知算法和后处理融合算法，让读者快速了解当前自动驾驶视觉感知技术领域的近期新动态。

前  言<br />第1章  智能驾驶与视觉感知后处理1  <br />1.1  智能驾驶概述1<br />1.1.1  智能驾驶的发展1<br />1.1.2  智能驾驶系统的分级2<br />1.1.3  智能驾驶系统的发展趋势5<br />1.2  视觉感知在智能驾驶中的应用7<br />1.2.1  计算机视觉概述7<br />1.2.2  计算机视觉原理7<br />1.2.3  计算机视觉在智能驾驶中的应用8<br />1.2.4  视觉后处理与智能驾驶9<br />1.2.5  视觉感知在智能驾驶中的发展趋势10<br />第2章  摄像头硬件系统11  <br />2.1  摄像头的硬件组成和工作原理12<br />2.2  摄像头时间戳15<br />2.3  摄像头在自动驾驶中的应用17<br />2.4  摄像头关键参数21<br />2.5  车规级摄像头性能要求21<br />第3章  摄像头标定24  <br />3.1  摄像头标定数学知识24<br />3.1.1  外积24<br />3.1.2  欧氏变换25<br />3.1.3  旋转矩阵与旋转向量26<br />3.1.4  变换矩阵和齐次坐标27<br />3.1.5  欧拉角28<br />3.1.6  四元数29<br />3.2  坐标系概述30<br />3.2.1  世界坐标系到摄像头坐标系的转换30<br />3.2.2  摄像头坐标系到图像坐标系的转换31<br />3.2.3  图像坐标系到像素坐标系的转换32<br />3.3  摄像头成像模型33<br />3.3.1  针孔摄像头成像模型34<br />3.3.2  鱼眼摄像头成像模型38<br />3.4  摄像头标定方法40<br />3.4.1  张正友标定法41<br />3.4.2  产线EoL标定法43<br />3.4.3  售后标定法45<br />3.4.4  行车自标定法47<br />3.4.5  消失点标定法47<br />3.4.6  基于车道线宽度假设标定法52<br />第4章  车道线检测及后处理53  <br />4.1  车道线检测53<br />4.1.1  基于传统图像算法的车道线检测方法53<br />4.1.2  基于深度学习的车道线检测方法59<br />4.2  车道线曲线拟合68<br />4.2.1  常用的拟合算法68<br />4.2.2  车道线曲线模型78<br />4.3  车道线跟踪81<br />4.3.1  车道线关联82<br />4.3.2  滤波跟踪原理83<br />4.3.3  车道线跟踪的运动模型84<br />4.3.4  基于扩展卡尔曼滤波的车道线跟踪90<br />4.3.5  车道线结构化假设95<br />4.4  车道线与辅助驾驶功能99<br />4.4.1  C-NCAP2021与车道线99<br />4.4.2  车道线偏离预警100<br />4.4.3  常见问题以及解决方法103<br />第5章  视觉障碍物后处理110  <br />5.1  视觉障碍物检测110<br />5.1.1  基于传统图像算法的障碍物检测方法110<br />5.1.2  基于深度学习的障碍物检测方法122<br />5.2  障碍物测距130<br />5.2.1  车辆测距130<br />5.2.2  行人、骑行人、两轮车测距149<br />5.3  基于视觉的目标跟踪152<br />5.3.1  目标跟踪方法153<br />5.3.2  多目标跟踪方法164<br />5.4  红绿灯与交通标识牌的视觉后处理170<br />5.4.1  红绿灯视觉后处理170<br />5.4.2  交通标识牌视觉后处理175<br />5.5  视觉后处理与辅助驾驶功能177<br />5.5.1  CNCAP中的AEB177<br />5.5.2  AEB与视觉测距183<br />5.5.3  常见问题以及解决方法187<br />5.5.4  视觉后处理总结196<br />第6章  多摄像头感知后处理197  <br />6.1  多摄像头标定198<br />6.1.1  双目摄像头标定198<br />6.1.2  多摄像头标定199<br />6.2  多摄像头融合201<br />6.2.1  多摄像头立体匹配201<br />6.2.2  多摄像头图像处理209<br />6.2.3  多摄像头目标融合214<br />6.2.4  多摄像头下的车道线融合217<br />6.3  多视觉感知后处理与BEV算法220<br />