Bewertung:
Das Buch dient als Einführungshandbuch für selbstfahrende Technologien und konzentriert sich auf OpenCV und NumPy. Es bietet zwar wertvolle Einblicke und Illustrationen, aber viele Rezensenten finden, dass es an mathematischen Grundlagen und Dokumentationsunterstützung mangelt.
Vorteile:⬤ Umfassende Abdeckung von Open-Source-Bibliotheken und -Tools, insbesondere OpenCV und NumPy.
⬤ Nützliche Illustrationen, die das Verständnis von Themen der Bildverarbeitung erleichtern.
⬤ Handliches Nachschlagewerk für diejenigen, die an selbstfahrenden Technologien arbeiten, mit praktischen Beispielen und Modulen.
⬤ Geeignet für den Einsatz in Kursen wie Udacity's self-driving car curriculum.
⬤ Erfordert häufiges Nachschlagen in der OpenCV-Dokumentation, da es keine detaillierten Erklärungen zu den Code-Argumenten gibt.
⬤ Es fehlen die mathematischen Grundlagen, die für ein tieferes Verständnis der Konzepte notwendig sind.
⬤ Die Abschnitte zu Mapping und SLAM enthalten keine realen Szenarien und Herausforderungen.
⬤ Begrenzte vertiefte Abdeckung wesentlicher Themen für eine vollständige selbstfahrende Lösung.
(basierend auf 3 Leserbewertungen)
Hands-On Vision and Behavior for Self-Driving Cars: Explore visual perception, lane detection, and object classification with Python 3 and OpenCV 4
Ein praktischer Leitfaden zum Erlernen der visuellen Wahrnehmung für selbstfahrende Autos für Computer Vision und autonome Systemingenieure
Hauptmerkmale
⬤ Erforschen Sie die Bausteine des visuellen Wahrnehmungssystems in selbstfahrenden Autos.
⬤ Identifizieren Sie Objekte und Fahrspuren, um die Begrenzung von Fahrflächen mit Open-Source-Tools wie OpenCV und Python zu definieren.
⬤ Verbessern Sie die Objekterkennungs- und Klassifizierungsfähigkeiten von Systemen mit Hilfe neuronaler Netze.
Buchbeschreibung
Die visuellen Wahrnehmungsfähigkeiten eines selbstfahrenden Autos werden durch Computer Vision unterstützt. Die Arbeit im Zusammenhang mit selbstfahrenden Autos lässt sich grob in drei Komponenten unterteilen - Robotik, Computer Vision und maschinelles Lernen. Dieses Buch bietet Bildverarbeitungsingenieuren und -entwicklern die einmalige Gelegenheit, mit diesem boomenden Bereich in Verbindung gebracht zu werden.
Sie werden etwas über Computer Vision, Deep Learning und Tiefenwahrnehmung in Bezug auf fahrerlose Autos lernen. Das Buch bietet eine strukturierte und gründliche Einführung, da die Entwicklung eines echten selbstfahrenden Autos eine große funktionsübergreifende Aufgabe ist. Im weiteren Verlauf werden Sie relevante Fälle mit funktionierendem Code behandeln, bevor Sie verstehen, wie Sie OpenCV, TensorFlow und Keras verwenden, um Videostreams von Autokameras zu analysieren. Später werden Sie lernen, wie Sie Lidars (Light Detection and Ranging) interpretieren und nutzen können, um Hindernisse zu identifizieren und Ihre Position zu lokalisieren. Sie werden sogar in der Lage sein, zentrale Herausforderungen in selbstfahrenden Autos zu bewältigen, wie z. B. das Finden von Fahrspuren, das Erkennen von Fußgängern und Ampeln, die Durchführung semantischer Segmentierung und das Schreiben eines PID-Reglers.
Am Ende dieses Buches werden Sie mit den Fähigkeiten ausgestattet sein, die Sie benötigen, um Code für ein selbstfahrendes Auto zu schreiben, das in einem Simulator für fahrerlose Autos läuft, und Sie werden in der Lage sein, verschiedene Herausforderungen zu bewältigen, mit denen Ingenieure für autonome Autos konfrontiert sind.
Was Sie lernen werden
⬤ Verstehen Sie, wie man eine Kamerakalibrierung durchführt.
⬤ Erfahren Sie, wie die Fahrspurerkennung in selbstfahrenden Autos mit OpenCV funktioniert.
⬤ Erforschen Sie das Klonen von Verhaltensweisen durch selbstfahrende Autos in einem Videospielsimulator.
⬤ Mit der Verwendung von Lidars vertraut werden.
⬤ Entdecken Sie, wie Sie die Steuerungen für autonome Fahrzeuge konfigurieren.
⬤ Anwendung von Objekterkennung und semantischer Segmentierung zur Lokalisierung von Fahrspuren, Autos und Fußgängern.
⬤ Schreiben Sie einen PID-Regler, um ein selbstfahrendes Auto in einem Simulator zu steuern.
Für wen ist dieses Buch gedacht?
Dieses Buch richtet sich an Software-Ingenieure, die sich für die Technologien interessieren, die die Revolution der autonomen Autos vorantreiben. Obwohl Grundkenntnisse in Computer Vision und Python-Programmierung erforderlich sind, sind Vorkenntnisse über fortgeschrittenes Deep Learning und den Einsatz von Sensoren (Lidar) nicht erforderlich.
| ISBN: | 9781800203587 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
