基于微软人工智能技术，学习数字图像处理、计算机视觉、人工智能、机器人视觉等视觉技术

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，进行数字图像处理、计算机视觉、机器人视觉技术的案例教学和实践。进一步的，通过微软人工智能工具和Azure云服务，进行环境感知中目标检测与识别的案例学习。

本课程的主要特点是，基于“做中学”（learing by doing）的教学理念，在实践基础上进行相关理论知识的深入学习和掌握。基于案例教学，学生在动手过程中去学习图像处理、计算机视觉的理论和算法，并熟悉深度学习的基本知识，在人工智能的理论和实践方面打下良好的基础。

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 智能驾驶与环境感知

  • 智能驾驶的环境感知系统
  • 环境感知传感器入门

• 2 视觉传感器

  • 视觉传感器入门
  • 传感器的认识和体验

• 3 计算机视觉-OpenCV

  • OpenCV安装
  • HighGUI图形用户界面
  • 数据结构与基本绘图
  • Core组件进阶
  • 图像处理
  • 图像变换
  • 图像增强
  • 图像分割
  • 特征检测

• 4 数字图像处理

  • 图像预处理
  • 图像检测
  • 图像识别

• 5 目标检测与识别1-AI301

  • 机器学习与深度学习
  • Azure定制化视觉服务
  • 手写数字识别
  • 看图识熊
  • Android手机部署

• 6 目标检测与识别2-AI301

  • 车道线的检测与识别
  • 行人目标识别与跟踪
  • 车辆目标识别与跟踪
  • 交通标志检测与识别
  • 交通信号灯检测与识别

• 7 机器人视觉

  • 机器人视觉基础
  • 颜色识别
  • 人脸识别
  • 人眼追踪
  • 智能小车

[1] https://github.com/microsoft/ai-edu/

[2] 刘少山等. 第一本无人驾驶技术书. 电子工业出版社，2017.

[3] 毛星云，冷雪飞等. OpenCV3编程入门. 电子工业出版社，2015.

[4] 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.

[5] Alberto Fernández Villán. Mastering OpenCV4 with Python, Packt Publishing, 2019.