聊聊无人驾驶中的计算机视觉技术|开篇

毕业之后我在一家新零售公司做人脸识别 业余在这个专栏里发了一些目标检测的系列文章。没有想到竟有很多人关注。 去年我看了视觉求索的一篇文章，开始思考人工智能的未来会如何发展。我自己感觉现阶段单靠深度学习、单靠视觉是不够的。必须利用更多的传感器信息。 比如SLAM利用图片序列间的相关关系可以实现稳定的实时定位与建图。双目视觉可以利用左右图片对儿的关系获取深度信息。视觉与毫米波雷达的融合（一个提供语义一个提供深度）。视觉与IMU GPS等等。 最终我选择从离开纯深度学习的岗位，去了现在做无人驾驶的公司。 当前无人车的主流传感器还是非常昂贵的激光雷达。商业落地还是需要一些时间的。但是如果能够以视觉技术为核心与GPS IMU 超声波 毫米波雷达 等传感器做深度融合。打造一款可在受限场景下稳定运行的无人车是绝对可行的。 现在新开这个专栏就是想把这个方案所涉及的一些技术梳理一下。虽然有些技术我也还在学习中。不过动笔分享才能理解的更深刻一些。大家一起进步就好。（欢迎加入我的 知识星球 关注公众号和 新的专栏，见文末） 系统聊聊无人驾驶中的计算机视觉技术。内容包括： 1. 目标检测（detection） - RCNN系列理论串讲：如何一步步发展出来- RCNN系列案例实践： - RCNN系列源码解析： - SSD源码（c++） - Faster-rcnn源码（python） - YOLO源码 - Mask-RCNN源码2. 目标追踪（tracking）- 常用追踪方法- 与检测的结合3. 定位与建图（SLAM）- SLAM理论：- SLAM实践：- SLAM源码解析：orb-slam2源码等4. SLAM+Detection+Tracking：- 联合优化的思路5. 与其它传感器融合- 视觉与毫米波雷达- 视觉与imu（VIO）GPS6. 工程实践与深度学习框架源码解读- cmake- caffe源码- tensorflow内核源码 # 知识星球 我正在「计算机视觉与无人驾驶」和朋友们讨论有趣的话题，你一起来吧？https://ift.tt/2w2ijun # 公众号： 计算机视觉与无人驾驶公众号ID：cv-self-driving https://ift.tt/2nAuQBn (二维码自动识别) # 知乎专栏计算机视觉与无人驾驶 https://zhuanlan.zhihu.com/qu-ai via 晓雷机器学习笔记 - 知乎专栏 https://ift.tt/2w5Ji8i RSS2