Visione e comportamento per auto a guida autonoma: Esplorare la percezione visiva, il rilevamento della corsia e la classificazione degli oggetti con Python 3 e OpenCV 4

Recensioni dei lettori

Il libro è un manuale introduttivo alla tecnologia di guida autonoma, incentrato su OpenCV e NumPy. Sebbene fornisca spunti e illustrazioni di valore, molti recensori lo ritengono carente per quanto riguarda i fondamenti matematici e il supporto alla documentazione.

⬤ Copertura completa delle librerie e degli strumenti open-source, in particolare OpenCV e NumPy.
⬤ Illustrazioni utili che aiutano a comprendere gli argomenti dell'elaborazione delle immagini.
⬤ Funge da comodo riferimento per chi lavora sulle tecnologie di guida autonoma, con esempi pratici e moduli.
⬤ Adatto all'uso in corsi come quello di Udacity sulle auto a guida autonoma.

⬤ Richiede la consultazione frequente della documentazione di OpenCV a causa della mancanza di spiegazioni dettagliate degli argomenti del codice.
⬤ Mancano i fondamenti matematici necessari per una comprensione più approfondita dei concetti.
⬤ Le sezioni di mappatura e SLAM non includono scenari e sfide del mondo reale.
⬤ Limitata copertura approfondita degli argomenti essenziali per una soluzione completa di guida autonoma.

(basato su 3 recensioni dei lettori)

Titolo originale:

Hands-On Vision and Behavior for Self-Driving Cars: Explore visual perception, lane detection, and object classification with Python 3 and OpenCV 4

Contenuto del libro:

Una guida pratica all'apprendimento della percezione visiva per le auto a guida autonoma, per ingegneri di computer vision e sistemi autonomi.

Caratteristiche principali

⬤ Esplora gli elementi costitutivi del sistema di percezione visiva nelle auto a guida autonoma.

⬤ Identificare oggetti e corsie per definire i confini delle superfici di guida utilizzando strumenti open-source come OpenCV e Python.

⬤ Migliorare le capacità di rilevamento e classificazione degli oggetti con l'aiuto delle reti neurali.

Descrizione del libro

Le capacità di percezione visiva di un'auto a guida autonoma sono alimentate dalla computer vision. Il lavoro relativo alle auto a guida autonoma può essere classificato a grandi linee in tre componenti: robotica, computer vision e apprendimento automatico. Questo libro offre agli attuali ingegneri e sviluppatori di computer vision l'opportunità unica di essere associati a questo campo in piena espansione.

Imparerete a conoscere la visione artificiale, l'apprendimento profondo e la percezione della profondità applicati alle auto senza conducente. Il libro fornisce un'introduzione strutturata e approfondita, poiché la realizzazione di una vera auto a guida autonoma è un enorme sforzo interfunzionale. Man mano che si procede, si affrontano casi rilevanti con codice funzionante, prima di capire come utilizzare OpenCV, TensorFlow e Keras per analizzare lo streaming video dalle telecamere dell'auto. In seguito, imparerete come interpretare e sfruttare al meglio i lidar (light detection and ranging) per identificare gli ostacoli e localizzare la vostra posizione. Sarete anche in grado di affrontare le sfide principali delle auto a guida autonoma, come l'individuazione delle corsie, il rilevamento dei pedoni e delle luci di attraversamento, la segmentazione semantica e la scrittura di un controllore PID.

Alla fine di questo libro, sarete dotati delle competenze necessarie per scrivere il codice di un'auto a guida autonoma che funziona in un simulatore di auto senza conducente e sarete in grado di affrontare le varie sfide che gli ingegneri di auto autonome devono affrontare.

Cosa imparerete

⬤ Capire come eseguire la calibrazione della telecamera.

⬤ Diventare esperti di come funziona il rilevamento della corsia nelle auto a guida autonoma utilizzando OpenCV.

⬤ Esplorare la clonazione comportamentale attraverso la guida autonoma in un simulatore di videogiochi.

⬤ Imparare a usare i lidar.

⬤ Scoprire come configurare i comandi per i veicoli autonomi.

⬤ Utilizzare il rilevamento degli oggetti e la segmentazione semantica per individuare corsie, auto e pedoni.

⬤ Scrivere un controllore PID per controllare un'auto a guida autonoma in un simulatore.

A chi è rivolto questo libro

Questo libro è rivolto agli ingegneri del software interessati a conoscere le tecnologie che guidano la rivoluzione dell'auto autonoma. Sebbene sia richiesta una conoscenza di base della computer vision e della programmazione Python, non è necessaria una conoscenza preliminare dell'apprendimento profondo avanzato e dell'uso dei sensori (lidar).