iT邦幫忙

鐵人檔案

2019 iT 邦幫忙鐵人賽
回列表
AI & Data

當自動駕駛遇見AI 系列

自駕化是汽車產業的趨勢之一,也隨著AI技術發展,自動駕駛愈來愈有機會實現。
伴隨自已Udacity自動駕駛的學習課程,希冀能這兒記錄學習歷程、分享交流,能夠在自動駕駛的領域有深入的了解及實作。

鐵人鍊成 | 共 30 篇文章 | 30 人訂閱 訂閱系列文 RSS系列文
DAY 11

Day11-當自動駕駛遇見AI-不失真及視角轉換(Undistort and Perspective transform )

前言 進行校準相機,使圖像不失真並進行視角轉換。目標編寫一個函數,將失真的圖像作為輸入,並完成以下步驟: 1.利用帶有mtx和dist參數之cv2.undist...

2018-10-26 ‧ 由 allenchen 分享
DAY 12

Day12-當自動駕駛遇見AI-索伯算子(Sobel Operator)

前言 索伯算子是圖像處理中先前介紹Canny邊緣檢測算法的核心。索伯算子索伯算子最早是由美國計算機科學家艾爾文·索伯及蓋瑞·費德曼於1968年在史丹佛大學的人工...

2018-10-27 ‧ 由 allenchen 分享
DAY 13

Day13-當自動駕駛遇見AI- 顏色門檻值(Color Thresholding)

前言 色彩的處理是在車道辨識重要的的一環,在此要介紹相關色彩的技術。 RGB說明 色彩空間是一種特定的色彩組織; 顏色空間提供了一種對顏色進行分類並在數字圖像中...

2018-10-28 ‧ 由 allenchen 分享
DAY 14

Day14-當自動駕駛遇見AI- 找車道線:直方圖峰值(Finding the Lines: Histogram Peaks)

前言 在對道路圖像應用校準,車檻值處理和透視轉換後,會產出有一個二進位圖像,其中車道線清晰突出。但是,您仍需進一步明確決定哪些像素是車道線的一部分,哪些像素屬於...

2018-10-29 ‧ 由 allenchen 分享
DAY 15

Day15-當自動駕駛遇見AI- 測量曲率(Measuring Curvature)

前言 目前至今可以得到以一個多項式來描述車道線,提供有門檻值圖像,估計哪些像素屬於左右車道線(如下圖以紅色和藍色顯示),接著,我們將計算符合車道線之曲率半徑。...

2018-10-30 ‧ 由 allenchen 分享
DAY 16

Day16-當自動駕駛遇見AI- 多類别分類(Multi-class classification)

前言 線性廻歸有助於預測連續光譜的值,例如預測房屋的價格。如何在離散類之間對數據進行分類?以下是分類任務的例子:確定患者是否患有癌症識別魚的種類弄清楚誰在談電話...

2018-10-31 ‧ 由 allenchen 分享
DAY 17

Day17-當自動駕駛遇見AI-反向傳播演算法(Backpropagation)

前言 反向傳播是「誤差反向傳播」的簡稱,是一種與最優化方法結合使用的,用來訓練人工神經網絡的常見方法。該方法對網絡中所有權重計算損失函數的梯度。這個梯度會反饋給...

2018-11-01 ‧ 由 allenchen 分享
DAY 18

Day18-當自動駕駛遇見AI- 梯度下降法(Gradient Descent Algorithm)

前言 梯度下降法(Gradient Descent Algorithm)是一個一階最佳化算法,通常也稱為最速下降法。 要使用梯度下降法找到一個函數的局部極小值,...

2018-11-02 ‧ 由 allenchen 分享
DAY 19

Day19-當自動駕駛遇見AI- Project2: Advanced Lane Finding(1)

前言 在此專案中,目標是編寫一個軟件管道來識別視頻中的通道邊界,專案成果希望是創建的主要輸出或產品是項目的詳細說明。 執行流程 本專案的目標及執行流程如下:1....

2018-11-03 ‧ 由 allenchen 分享
DAY 20

Day20-當自動駕駛遇見AI- Project2: Advanced Lane Finding(2)

前言 使用棋盤圖像計算相機校準 實作說明 import numpy as np import cv2 import glob import matplotlib...

2018-11-04 ‧ 由 allenchen 分享