幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能目標感知--無人機視覺

  • 作者：編者:郭寶龍//王超|責編:王曉慶
  • 出版社：電子工業
  • ISBN：9787121516726
  • 出版日期：2026/06/01
  • 裝幀：平裝
  • 頁數：305
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以格式塔認知理論為基礎，提出面向無人機視覺的「視野嵌套—信息粒度—目標感知」智能目標感知系統框架，利用信息整合過程闡述「感知」的內涵和動態視場中信息組織的意義表達。通過該理論框架，深入剖析視覺場景中信息層級與目標顯著性之間的相互關係，揭示目標感知過程中的信息整合機制與模式。在此基礎上，系統闡述無人機視覺系統如何融合多模態感測器數據進行語義感知、目標檢測與行為判別，以及如何結合智能計算技術，構建在複雜環境中具備實時性、準確性與魯棒性的智能目標感知系統，並給出一些關鍵技術。
    全書共7章，系統構建了無人機視覺智能目標感知的理論基礎與技術體系，主要包括無人機視覺與智能目標感知系統框架、無人機局部視覺感知與預處理、無人機視覺目標智能檢測、無人機目標識別與跟蹤、無人機智能計算的輕量化神經網路模型、無人機嵌入式智能計算系統、無人機SAR運動艦船目標檢測應用實例。本書內容結構清晰、理論與實踐並重，致力於為複雜環境中的無人機視覺智能目標感知提供理論體系和關鍵技術。
    本書所涉及的理論體系、方法架構及應用實踐，適合從事無人機技術、模式識別、電腦視覺、智能計算與嵌入式系統等領域的工程技術人員參考，同時，也可作為高等院校及科研院所相關領域的教師、工程師和研究生的教學與研究資料，亦適合高年級本科生在工程設計與畢業課題中學習借鑒。對於關注具身智能、AI場景模擬、元宇宙及虛擬現實等新興交叉領域的研發人員與技術愛好者，本書亦具有參考價值。
作者介紹
編者:郭寶龍//王超|責編:王曉慶
    郭寶龍，工學博士，西安電子科技大學教授、博士生導師，教育部高等學校電工電子基礎課程教學指導分委會副主任，中國電子教育學會（第6屆、第7屆理事會）副理事長，中國高校電工電子在線開放課程聯盟副理事長，IEEE 高級會員，教育部工程教育專業認證專家。長期從事視覺智能感知、智能檢測技術、圖像工程和工程信號與系統等教學、科研工作；主持國家863/國家自然科學基金項目6項，主持科研協作項目20余項，出版教材和專著10部，牽頭獲國家教學成果二等獎1項，獲省部級教學和科技獎12項，獲國家發明專利授權40余項，發表SCI/EI學術論文300余篇。指導學生獲中國互聯網+大學生創新創業大賽全國金獎、華為嵌入式軟體大賽全國總決賽冠軍。
目錄
第1章  無人機視覺與智能目標感知系統框架
  1.1  無人機的發展歷程
  1.2  無人機載荷
  1.3  無人機視覺感知技術
    1.3.1  無人機視覺感知的發展現狀
    1.3.2  無人機視覺系統的重要性
    1.3.3  目標感知與智能計算面臨的挑戰和機遇
  1.4  格式塔認知理論與無人機視覺
    1.4.1  格式塔認知理論的基本原則
    1.4.2  格式塔與無人機視覺
  1.5  智能目標感知系統框架
    1.5.1  感知系統框架的信息系統
    1.5.2  信息粒度與視野嵌套
    1.5.3  任務驅動的感知野劃分與集合建模
    1.5.4  智能目標感知的技術實現路徑
  1.6  無人機視覺信息粒度理論
    1.6.1  圖像金字塔
    1.6.2  尺度空間理論
    1.6.3  視覺注意力機制與層次化感知
  1.7  無人機全局視野（GP）感知——全局信息整合
    1.7.1  全局視野圖像的特性與挑戰
    1.7.2  關鍵技術
    1.7.3  基於HOG演算法的全局特徵提取方法
  1.8  無人機視覺系統的應用場景
    1.8.1  軍事偵察
    1.8.2  環境監測
    1.8.3  交通管理
  1.9  小結
第2章  無人機局部視覺感知與預處理
  2.1  引言
  2.2  無人機中視野（MP）感知——局部區域分析
    2.2.1  基於SURF演算法的局部特徵提取技術
    2.2.2  基於超像素分割的區域特徵提取技術
  2.3  無人機局部小視野（SP）感知——目標精細識別
    2.3.1  精細特徵提取機制
    2.3.2  多尺度與區域建模方法
    2.3.3  小目標檢測與識別框架
    2.3.4  深度特徵融合方法與判別性學習策略
  2.4  圖像去噪
    2.4.1  高斯雜訊及其降噪方法
    2.4.2  斑點雜訊及其降噪方法
  2.5  圖像去霧
    2.5.1  暗通道先驗方法
    2.5.2  一種基於暗通道先驗的快速去霧演算法
  2.6  圖像幾何校正與配准
    2.6.1  單應性變換
    2.6.2  基於投影不變性的航拍圖像配准方法
  2.7  形狀特徵檢索與分析
    2.7.1  形狀特徵描述
    2.7.2  形狀特徵匹配與檢索

  2.8  小結
第3章  無人機視覺目標智能檢測
  3.1  目標檢測
    3.1.1  目標檢測的發展歷程
    3.1.2  傳統方法與深度學習方法的比較
    3.1.3  當前目標檢測的挑戰與優化方向
  3.2  無人機光學圖像目標檢測
    3.2.1  無人機光學成像的特點與檢測場景
    3.2.2  典型深度目標檢測模型與技術路線
    3.2.3  複雜背景下的目標檢測與改進策略
  3.3  無人機紅外圖像目標檢測
    3.3.1  紅外圖像的成像機制與無人機應用場景
    3.3.2  紅外圖像目標檢測的技術特點與難點
    3.3.3  紅外圖像的主流深度目標檢測模型與適配方法
  3.4  無人機SAR圖像目標檢測
    3.4.1  SAR的成像機制與圖像特性概述
    3.4.2  SAR圖像目標檢測的基本方法
    3.4.3  SAR圖像的降斑預處理
  3.5  無人機數據的多模態融合檢測：紅外-光學
    3.5.1  紅外-光學圖像的互補性分析
    3.5.2  局部對齊與差異感知機制
    3.5.3  工程部署策略與應用案例分析
  3.6  無人機數據的多模態融合檢測：光學-SAR
    3.6.1  光學圖像與SAR圖像的特性分析
    3.6.2  光學圖像與SAR圖像的特徵互補性
    3.6.3  配准技術的分類與關鍵方法
    3.6.4  多模態對齊機制
    3.6.5  典型光學-SAR融合檢測網路結構
  3.7  小結
第4章  無人機目標識別與跟蹤
  4.1  引言
  4.2  智能目標感知與識別
    4.2.1  經典目標分類與檢測模型
    4.2.2  基於雙層約束機制的快速形狀識別方法
    4.2.3  特徵匹配與相似性度量
    4.2.4  基於多形態特徵融合的快速形狀識別
  4.3  場景語義與運動目標
    4.3.1  多模態場景語義建模
    4.3.2  運動目標狀態估計
    4.3.3  基於層次粒子濾波的跟蹤優化
  4.4  多目標跟蹤演算法與優化
    4.4.1  經典多目標跟蹤框架
    4.4.2  複雜場景中的魯棒性增強
    4.4.3  基於MDNet的實時跟蹤框架
  4.5  注意力模型與特徵提取
    4.5.1  典型注意力模型
    4.5.2  顯著特徵提取
    4.5.3  無人機平台注意力優化策略
  4.6  實時跟蹤與資源分配策略
    4.6.1  經典輕量化神經網路模型部署

    4.6.2  計算資源動態調度
  4.7  運動目標穩像
    4.7.1  穩像任務背景與問題建模
    4.7.2  圖像抖動類型與運動估計方法分類
    4.7.3  典型穩像演算法的設計與實現
    4.7.4  多演算法協同與系統調度機制
    4.7.5  穩像系統的評估方法與實驗設計
  4.8  小結
第5章  無人機智能計算的輕量化神經網路模型
  5.1  引言
  5.2  輕量化神經網路結構設計
    5.2.1  經典輕量化神經網路模型
    5.2.2  基於輪廓約束的輕量化神經網路優化
  5.3  模型剪枝與量化
    5.3.1  經典的模型剪枝與量化方法
    5.3.2  基於進化演算法的動態剪枝方法
    5.3.3  動態剪枝方法的優勢與挑戰
  5.4  剪枝的相關理論
    5.4.1  剪枝的必要性分析
    5.4.2  剪枝問題的數學模型構建
    5.4.3  剪枝方法的評判標準
    5.4.4  剪枝框架
    5.4.5  實驗數據集
  5.5  網路結構降約束優化框架
    5.5.1  結構降約束框架設計
    5.5.2  約束強度分配
  5.6  知識蒸餾與模型壓縮
    5.6.1  經典的知識蒸餾方法
    5.6.2  多模態特徵蒸餾技術
  5.7  端到端目標檢測框架的設計
    5.7.1  單階段目標檢測框架
    5.7.2  雙階段目標檢測框架
    5.7.3  Transformer-based目標檢測框架
    5.7.4  框架對比與選型原則
  5.8  小結
第6章  無人機嵌入式智能計算系統
  6.1  引言
  6.2  STM32嵌入式平台
    6.2.1  STM32嵌入式系統架構
    6.2.2  實時任務調度與功耗優化
  6.3  基於FPGA/GPU的加速技術
    6.3.1  FPGA並行加速實現
    6.3.2  GPU計算資源分配優化
  6.4  多無人機協同感知系統
    6.4.1  背景與系統架構
    6.4.2  協同任務建模與分配機制
    6.4.3  多源感知數據融合方法
    6.4.4  通信協同與鏈路調度
    6.4.5  協同飛行與軌跡優化
    6.4.6  實時感知與邊緣計算部署

    6.4.7  系統評估指標與實驗設計
  6.5  小結
第7章  無人機SAR運動艦船目標檢測應用實例
  7.1  引言
  7.2  運動艦船的SAR平台模型
  7.3  面向低比特距離壓縮SAR數據域的運動艦船目標檢測
    7.3.1  運動艦船目標檢測
    7.3.2  基於距離壓縮域的運動目標參數估計
  7.4  低比特SAR數據的運動艦船目標重聚焦
    7.4.1  運動目標重聚焦方法
    7.4.2  非凸優化與稀疏性增強
  7.5  實驗結果與分析
    7.5.1  模擬數據實驗
    7.5.2  真實數據實驗
    7.5.3  小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032