Hodnotenie:
Kniha slúži ako úvodná príručka k technológii samoobslužného riadenia so zameraním na OpenCV a NumPy. Hoci poskytuje cenné poznatky a ilustrácie, mnohí recenzenti ju považujú za nedostatočnú z hľadiska matematických základov a podpory dokumentácie.
Výhody:⬤ Komplexné pokrytie open-source knižníc a nástrojov, najmä OpenCV a NumPy.
⬤ Užitočné ilustrácie, ktoré pomáhajú pochopiť témy spracovania obrazu.
⬤ Pôsobí ako praktická referencia pre tých, ktorí pracujú na technológiách samočinného spracovania, s praktickými príkladmi a modulmi.
⬤ Vhodná na použitie v kurzoch, ako je napríklad učebný program samojazdiaceho auta od spoločnosti Udacity.
⬤ Vyžaduje časté nahliadnutie do dokumentácie OpenCV kvôli nedostatku podrobných vysvetlení argumentov kódu.
⬤ Chýbajú matematické základy potrebné na hlbšie pochopenie konceptov.
⬤ Sekcie mapovania a SLAM neobsahujú scenáre a výzvy z reálneho sveta.
⬤ Obmedzené hĺbkové pokrytie základných tém pre kompletné riešenie samočinného riadenia.
(na základe 3 čitateľských recenzií)
Hands-On Vision and Behavior for Self-Driving Cars: Explore visual perception, lane detection, and object classification with Python 3 and OpenCV 4
Praktický sprievodca učením vizuálneho vnímania pre samojazdiace autá pre inžinierov počítačového videnia a autonómnych systémov
Kľúčové vlastnosti
⬤ Preskúmajte stavebné kamene systému vizuálneho vnímania v samojazdiacich vozidlách.
⬤ Identifikujte objekty a jazdné pruhy na vymedzenie hraníc jazdných plôch pomocou nástrojov s otvoreným zdrojovým kódom, ako sú OpenCV a Python.
⬤ Zlepšite schopnosti detekcie objektov a klasifikácie systémov pomocou neurónových sietí.
Popis knihy
Schopnosti vizuálneho vnímania samojazdiaceho vozidla sú podporované počítačovým videním. Práce týkajúce sa samojazdiacich automobilov možno vo všeobecnosti rozdeliť do troch zložiek - robotika, počítačové videnie a strojové učenie. Táto kniha poskytuje existujúcim inžinierom a vývojárom počítačového videnia jedinečnú príležitosť byť spojený s touto rýchlo sa rozvíjajúcou oblasťou.
Dozviete sa o počítačovom videní, hlbokom učení a hĺbkovom vnímaní aplikovanom na autá bez vodiča. Kniha poskytuje štruktúrovaný a dôkladný úvod, pretože vytvorenie skutočného samojazdiaceho auta je obrovským multifunkčným úsilím. Postupne sa budete venovať relevantným prípadom s funkčným kódom a potom prejdete k pochopeniu toho, ako používať OpenCV, TensorFlow a Keras na analýzu videostreamingu z kamier v aute. Neskôr sa naučíte, ako interpretovať a čo najlepšie využívať lidary (detekcia svetla a dosahu) na identifikáciu prekážok a lokalizáciu polohy. Dokonca budete môcť riešiť základné výzvy v samojazdiacich autách, ako je vyhľadávanie jazdných pruhov, detekcia chodcov a svetelných križovatiek, vykonávanie sémantickej segmentácie a písanie PID regulátora.
Na konci tejto knihy budete vybavení zručnosťami, ktoré potrebujete na písanie kódu pre samojazdiace auto spustené v simulátore auta bez vodiča, a budete schopní riešiť rôzne výzvy, ktorým čelia inžinieri autonómnych áut.
Čo sa naučíte
⬤ Pochopiť, ako vykonať kalibráciu kamery.
⬤ Získať prehľad o tom, ako funguje detekcia jazdných pruhov v samojazdiacich autách pomocou OpenCV.
⬤ Preskúmať klonovanie správania pomocou autonómnej jazdy v simulátore videohry.
⬤ Získať skúsenosti s používaním lidaru.
⬤ Zistite, ako nakonfigurovať ovládacie prvky pre autonómne vozidlá.
⬤ Používajte detekciu objektov a sémantickú segmentáciu na lokalizáciu jazdných pruhov, áut a chodcov.
⬤ Napíšte PID regulátor na riadenie samojazdiaceho vozidla spusteného v simulátore.
Pre koho je táto kniha určená
Táto kniha je určená softvérovým inžinierom, ktorí majú záujem dozvedieť sa o technológiách, ktoré poháňajú revolúciu autonómnych vozidiel. Hoci sa vyžadujú základné znalosti počítačového videnia a programovania v jazyku Python, nie sú potrebné predchádzajúce znalosti pokročilého hlbokého učenia a používania senzorov (lidar).