编 码： Code:
课程名称：智能汽车环境感知技术 Course Title: Intelligent vehicle environment
perception technology
课程类别：专业选修 Course category: Elective Courses in Specialty 学 分：3
Credit(s): 3
开课单位：机械与运载工程学院 Offering College/School: College of Mechanical &
Vehicle Engineering
课程描述：本课程是车辆工程专业的选修课程，以机械工程控制基础、汽车构造、传感器技术为前导课程，为课程设计与毕业设计等提供基础。
本课程主要包括的内容有图像处理基础，针对交通场景对象的图像识别技术，激光雷达识别技术，毫米波雷达识别技术，超声波识别技术，以及多传感器融合识别技术的环境感知技术。学生需了解智能车辆的基础概念，理解雷达与机器视觉的传感技术、智能车辆的传感器配置设计，掌握图像识别原理，激光雷达识别原理，毫米波雷达识别原理，超声波识别的原理，并能灵活运用各原理。
通过学习本课程，学生学会智能车辆环境感知技术基本概念与原理，获得智能车辆感知层设计与识别方法，锻炼和提升智能车辆的设计能力，能够从事智能车辆开发方面的工作。
Course description: This is a major optional course for vehicle engineering students. The leading courses include mechanical engineering control foundation, automotive construction, transducer technology. And the course provides basis for curriculum design and graduation design.
This course mainly covers the basics of image processing, image recognition technology for traffic scene objects, laser radar recognition technology, millimeter-wave radar identification technology, ultrasonic identification technology, and environment awareness technology of multi-sensor fusion recognition technology. Students need to understand the basic concepts of intelligent vehicles, understand radar and machine vision sensing technologies, sensor configuration design of intelligent vehicles, grasp the principles of image recognition, principle of laser radar recognition, principle of millimeter-wave radar recognition, principle of ultrasonic identification, and flexibility apply the principles.
By learning this course, students learn the basic concepts and principles of smart vehicle
大学本科专业培养方案课程教学大纲
gy, obtain intelligent vehicle perception layer design and recognition methods, exercise and enhance the design capabilities of intelligent vehicles, and can engage in the work of intelligent vehicle design.
大学本科专业培养方案课程教学大纲
课程内容
（一）课程教学目标
通过本课程的教学，使学生具备以下能力：
本课程旨在介绍车辆工程学科发展的前瞻性技术——智能车辆的环境传感技术, 交通场景识别技术，整车传感层的传感器配置等关键技术及其在智能车辆的应用。课程分别从图像处理基础，交通场景图像识别技术，激光雷达识别技术，毫米波雷达识别技术，超声波识别技术，以及多传感器融合识别技术的环境感知技术系统讲授智能车辆环境传感的基础知识。 1. 掌握智能车辆环境感知层的基本概念、工作原理、设计流程与方法(毕业设计要求1.3); 2. 能够针对智能车辆环境感知层这一复杂系统提出解决问题的多种可能方案，并通过文献研究比较、分析方案的优缺点 (毕业要求2.2);
3. 在考虑安全与健康、法律法规与相关标准以及经济、环境、文化、社会等制约因素的前提下，能够针对智能车辆的环境感知层问题进行分析，创新性的提出并确定相应解决方案(毕业要求3.1);
4. 能够使用Matlab或C++语言，对智能环境感知进行预测与模拟，并能够理解其局限性(毕业要求5.3); （二）基本教学内容
第一章 数字图像处理绪论
教学目的：了解如何把数字图像处理中的基础理论和现代软件集成为一个原型环境。 教学重点：MATLAB图像处理工具箱基本原理。 教学难点：M函数编程。 相应毕业要求：5.3
教学内容：1. 数字图像处理概述;
2. MATLAB和图像处理工具箱基础; 3. 基本原理;
学时分配：课堂教学2学时
第二章 灰度变换与空间滤波
教学目的：掌握图像灰度变换与空间滤波的基本概念及在MATLAB中使用这两类方法的处理技术。
教学重点： 灰度变换与空间滤波原理 教学难点： 空间滤波原理
第 3 页/共 9 页
大学本科专业培养方案课程教学大纲
相应毕业要求：1.3, 2.2
教学内容：1.灰度变换基本概念及变换函数
2.直方图处理与函数绘图 3.空间滤波
4.图像处理工具箱的标准空间滤波器
学时分配：课堂教学2学时
第三章 频率域滤波
教学目的：掌握利用MATLAB频率域实现滤波的方法。 教学重点： 二维离散傅里叶原理及频率域滤波原理 教学难点： 频率域滤波器原理 相应毕业要求：1.3, 2.2
教学内容：1.在MATLAB中计算和观察二维离散傅里叶变换
2.频率域滤波
3.从空间滤波器获得频率域滤波器 4.在频率域中直接生成滤波器 5.高通（锐化）频率域滤波器
学时分配：课堂教学2学时
第四章 图像复原与重建
教学目的：掌握如何使用MATLAB和图像处理工具箱来对降质现象建模，并用公式明确表达复原方案。
教学重点： 图像复原方法 教学难点： 重建函数原理 相应毕业要求：1.3, 2.2
教学内容： 1. 图像退化/复原处理的模型及噪声模型
2. 仅有噪声的复原 3. 由投影重建图像
学时分配：课堂教学2学时
第五章 彩色图像处理
教学目的：掌握使用MATLAB图像处理工具箱进行彩色图像处理的基本原理的方法。 教学重点： 彩色图像的二种表示方式与变换
第 4 页/共 9 页
大学本科专业培养方案课程教学大纲
教学难点： 彩色图像的空间滤波方法 相应毕业要求：1.3, 2.2
教学内容：1. MATLAB中彩色图像的表示
2.彩色空间转换 3.彩色变换
4.彩色图像的空间滤波 5.直接在RGB向量空间的处理
学时分配：课堂教学2学时
第六章 图像压缩
教学目的：掌握在MATLAB背景下开发压缩技术的实用方法。 教学重点： 图像编码方式 教学难点： 图像与视频压缩方法 相应毕业要求：1.3, 2.2
教学内容：1. 编码冗余、空间冗余、不相关信息
2. JPEG压缩 3. 视频压缩
学时分配：课堂教学2学时
第七章 图像分割
教学目的：掌握基于图像灰度值的不连续性和相似性进行图像分割的方法。 教学重点：点、线、边缘检测方法 教学难点： 图像分割方法 相应毕业要求：1.3, 2.2 教学内容：1.点、线、边缘检测
2.阈值处理 3.基于区域的分割 4.使用分水岭变换的分割
学时分配：课堂教学2学时
第八章 区域表示与描述
教学目的：掌握图像分割后区域的表示和描述的方法，使像素以某种形式更适合计算机的进一步处理。
第 5 页/共 9 页
大学本科专业培养方案课程教学大纲
教学重点： 区域表示与描述方法 教学难点： 区域表示方法 相应毕业要求：1.3, 2.2 教学内容：1.区域表示
2.边界描绘子 3.区域描绘子 4.使用主分量进行描述
学时分配：课堂教学2学时
第九章 交通场景图像识别
教学目的: 学习并掌握常见交通场景图像识别方法，包括车道线、行人、车辆、交通标志与交通灯等。
教学重点：交通场景对象特点与图像识别算法 教学难点：交通场景对象图像识别算法 相应毕业要求：1.3, 2.2,5.3
教学内容：1.车道线的特征与图像识别方法；
2.行人特征与图像识别方法； 3.车辆特征与图像识别方法； 4.交通标识特征与图像识别方法; 5.交通灯特征与图像识别方法； 6.其它传感器与图像融合识别方法。
学时分配：8h
第十章 激光雷达系统的概述
教学目的：了解激光雷达系统的发展、应用及分类等，了解激光雷达系统的基本工作原理 教学重点：激光雷达系统的基本工作原理：测速和测距原理 教学难点：激光雷达系统的基本工作原理：测速和测距原理 相应毕业要求: 1.3
教学内容：1.激光雷达的发展；
2.激光雷达的特点； 3.激光雷达的应用和分类； 4.激光雷达的原理； 5.无人车上的激光雷达。
学时分配：2h
第 6 页/共 9 页
大学本科专业培养方案课程教学大纲
第十一章 激光雷达系统的数据处理
教学目的：了解激光雷达信号处理的基本原理，掌握激光雷达信号处理的方法。 教学重点：激光雷达信号处理的基本原理；激光雷达信号处理方法 教学难点：激光雷达信号处理的基本的原理 相应毕业要求：1.3, 5.3
教学内容： 1.激光雷达信号的获取；
2.激光雷达数据的特点； 3.激光雷达信号处理的基本原理； 4.激光雷达信号处理的方法。
学时分配：4h
第十二章 激光雷达对象识别方法与实现
教学目的：了解车载激光雷达信号处理要求及特点，了解车载激光雷达信号处理编程软件的基本功能，熟悉并掌握车载激光雷达数据处理编程，了解车载激光雷达信号中的对象识别。 教学重点：车载激光雷达信号处理编程，车载激光雷达信号中的对象识别 教学难点：车载激光雷达信号处理编程，车载激光雷达信号中的对象识别 相应毕业要求：1.3, 3.1, 5.3
教学内容：1.车载激光雷达信号处理编程软件介绍；
2.车载激光雷达信号处理编程软件基本功能； 3.车载激光雷达信号处理编程实例； 4.车载激光雷达信号中的对象识别。
学时分配：6h
第十三章 毫米波雷达原理与识别方法
教学目的：学习毫米波雷达组成、原理与数据处理方法 教学重点：毫米波雷达原理与识别算法 教学难点：毫米波雷达识别算法 相应毕业要求：1.3
教学内容：1.毫米波雷达的组成与设计；
2.毫米波雷达的工作原理； 3.交通场景毫米波雷达识别方法; 4.识别结果应用。
学时分配：4h
第 7 页/共 9 页
大学本科专业培养方案课程教学大纲
第十四章 超声波原理与识别方法
教学目的：学习超声波组成、原理与数据处理方法 教学重点：超声波原理与识别算法 教学难点：超声波识别算法 相应毕业要求：1.3
教学内容： 1.超声波的组成与设计；
2.超声波的工作原理； 3.超声波识别方法与应用。
学时分配：2h 考核方式
本课程考核采用开卷考试的形式 综合成绩占比：
1.平时成绩一（考勤、课堂讨论）占20%; 检查学生到课情况。
2.平时成绩二（作业、实验）占30%;
主要考核对每堂课知识点的复习、理解和掌握程度。 3.期末考试成绩（开卷）占50%
主要考核智能车辆的基本概念、基本原理的掌握程度。采用开卷考试形式，在考试周内进行。题型为1、填空题； 2、简答题；3、分析题等。 持续改进方法
1. 以培养目标能力为导向，不断改进和优化课程教学方案。 2. 逐步增加工程项目实例的讲解与工程类作业。 3. 减少知识介绍的时间，增加情境研讨的时间。 教材及参考书
教 材：冈萨雷斯编著. 数字图像处理（MATLAB版）（第二版）（本科教学版）, 电子工业出版社，2014.1
参考书：陈慧岩、熊光明、龚建伟、姜岩编著. 无人驾驶汽车概论,清华大学出版社，2014.8 授课手段（教学方法）
以课堂教学为主，结合自学与课后作业。
课堂教学主要课程分别从图像处理基础，交通场景图像识别技术，激光雷达识别技术，
第 8 页/共 9 页
大学本科专业培养方案课程教学大纲
毫米波雷达识别技术，超声波识别技术，以及多传感器融合识别技术的环境感知技术系统讲授智能车辆环境传感的基础知识。将工程实例与原理相结合，使学生更好地理解各个原理，掌握智能环境感知的设计方法与整体理论。部分内容采用实物教学，让学生直观理解所教内容。课堂教学引入互动环节，使同学们能更好地融入课堂教学，反馈教学情况，从而提高教学效果。
第 9 页/共 9 页
因篇幅问题不能全部显示，请点此查看更多更全内容