자율주행차량의 비전과 행동

1장. OpenCV 기초와 카메라 보정
__기술 요구 사항
__OpenCV와 넘파이소개
____OpenCV와 넘파이
____이미지 크기
____회색조 이미지
____RGB 이미지
__이미지 파일 다루기
__비디오 파일 다루기
____웹캠 다루기
__이미지 파일 작업하기
____이미지 뒤집기
____이미지 블러
____이미지 명암, 밝기, 감마 값 바꾸기
____사각형 그리기와 텍스트 입력하기
__HOG를 이용한 보행자 감지
____슬라이딩 윈도우
____OpenCV와 함께 HOG 사용하기
____카메라 소개
____카메라 용어
____카메라 구성 요소
____카메라 선택을 위한 고려 사항
____카메라의 장점 및 단점
__OpenCV를 통한 카메라 보정
____왜곡 탐지
____보정
__요약
__질문


2장. 신호에 대한 이해와 작업
__기술 요구 사항
__신호 유형 이해하기
__아날로그 VS 디지털
__시리얼 VS 병렬
____범용 비동기 수신 및 전송 방식
____차동 vs 단일 종단
____I2C
____SPI
__프레임 기반 시리얼 프로토콜
____CAN 통신 이해하기
____이더넷과 인터넷 프로토콜
____UDP 이해하기
____TCP 이해하기
__요약
__질문
__더 읽어 보기
____오픈소스 프로토콜 도구


3장. 차로 인식
__기술 요구 사항
__임계치 다루기
____각기 다른 색상 공간에서의 임계치 다루기
____RGB/BGR
____HLS
____HSV
____LAB
____YCbCr
____우리의 선택
__원근 수정
__경계 인식
____임곗값 보간법
____임곗값 결합
__히스토그램을 활용한 차로 찾기
__슬라이딩 윈도우 알고리듬
____초기화
____슬라이딩 윈도우의 좌표
____다항식을 이용한 피팅 기법
__비디오를 활용한 차로 인식 성능 향상
____부분 히스토그램
____롤링 평균
__요약
__질문


2부. 자율 주행차가 딥러닝과 신경망으로 작동하는 방식 개선하기


4장. 신경망을 통한 딥러닝
__기술 요구 사항
__머신러닝과 신경망 이해하기
____신경망
____뉴런
____파라미터
____딥러닝의 성공
__컨볼루션 신경망에 대해 알아보기
____컨볼루션
____컨볼루션은 왜 대단한 것일까?
__케라스와 텐서플로 시작하기
____요구 사항
__MNIST 손글씨 숫자 탐지하기
____방금 불러온 데이터는 무엇일까?
____학습 샘플 및 레이블
____원 핫 인코딩
____학습 및 테스트 데이터셋
__신경망 모델 정의하기
____LeNet
____코드
____아키텍처
____신경망 학습하기
____CIFAR-10
__요약
__질문
__더 읽어 보기


5장. 딥러닝 워크플로
__기술 요구 사항
__데이터셋 수집하기
____케라스 모듈의 데이터셋
____기존 데이터셋
____커스텀 데이터셋
__세 가지 데이터셋 이해하기
____데이터셋 분할하기
__분류기 이해하기
____실제 데이터셋 생성하기
____데이터 증강
__모델
____컨볼루션 층 조정하기
____맥스 풀링 층 조정하기
____밀집 층 조정하기
____신경망 학습하기
____신경망 학습 방법
____무작위 초기화
____오버피팅과 언더피팅
__액티베이션을 시각화하기
__추론
__재학습
__요약
__질문


6장. 신경망 개선하기
__기술 요구 사항
__더 큰 모델
____시작점
____속도 개선하기
____깊이 증가시키기
__보다 효율적인 신경망
__배치 정규화를 통해 더욱 똑똑한 신경망 구축하기
____올바른 배치 크기 선택하기
__조기 종료
__데이터 증강을 통해 데이터셋 개선하기
__드롭아웃을 통해 검증 정확도 개선하기
____모델을 MNIST에 적용하기
____이제 당신의 차례!
__요약
__질문


7장. 보행자 및 신호등 감지
__기술 요구 사항
__SSD를 이용한 보행자, 차량, 신호등 감지
____Carla로 약간의 이미지 수집하기
____SSD의 이해
____zoo 텐서플로 감지 모델 알아보기
____SSD 다운로드 및 불러오기
____SSD 실행하기
____이미지에 주석 달기
__신호등의 색상 감지
____신호등 데이터셋 만들기
____전이 학습 이해하기
____ImageNet 알아가기
____AlexNet 파헤치기
____이미지 분류에 Inception 사용하기
____전이 학습에 Inception 사용하기
____Inception에 데이터셋 투입하기
____전이 학습을 통한 성능
____전이 학습 개선
__신호등과 그 색상을 인식하기
__요약
__질문
__더 읽어 보기


8장. 행동 복제
__기술적 요구 사항
__행동 복제를 통해 신경망에게 운전법을 가르치기
__DAVE-2 소개
____manual_control.py 알아보기
____비디오 스트림 1개 녹화하기
____신경망 모델링하기
____회귀 수행용 신경망 학습
____돌출맵 시각화
__신경망을 Carla와 통합하기
____GPU를 작동시키기
__자율 주행!
____제너레이터를 활용한 더 큰 데이터셋 학습
____어려운 방식으로 데이터 증강하기
__요약
__질문
__더 읽어 보기


9장. 시맨틱 분할
__기술 요구 사항
__시맨틱 분할 소개
____목표 정의하기
____데이터 수집하기
____synchronous_mode.py 수정하기
__분류를 위한 DenseNet 이해
____조감도에서 본 DenseNet
____밀집 블록 이해하기
__CNN으로 이미지 분할
__시맨틱 분할을 위한 DenseNet 조정
__FC-DenseNet 블록 코딩
____모든 요소들 결합하기
____네트워크에 입력 공급하기
____신경망 실행하기
____잘못된 시맨틱 분할 개선하기
__요약
__질문
__더 읽을 거리


3부. 매핑과 제어


10장. 조향, 스로틀, 브레이크 제어
__기술 요구 사항
__제어가 필요한 이유
____컨트롤러는 무엇인가?
__컨트롤러의 종류
____PID
____MPC
__CARLA에서 PID 적용하기
____CARLA 설치하기
____Packt-Town04-PID.py 스크립트 파일 복사하기
____Packt-Town04-PID.py 스크립트 파일 복사하기
____PIDLongitudinalController
____PIDLateralController
____스크립트 실행하기
__C++의 예제 MPC
__요약
__질문
__더 읽을거리


11장. 주변 환경 매핑하기
__기술 요구 사항
__지도 작성과 로컬라이제이션이 필요한 이유
____지도 작성
____로컬라이제이션
__지도 작성 및 로컬라이제이션 유형
____동시 위치 추정 및 지도 작성
__오픈소스 지도 작성 도구
__아우스터 라이다와 구글 카르토그래퍼가 있는 SLAM
____아우스터 센서
____repo
____cartographer_ros 시작하기
____Cartographer_ros 구성
____도커 이미지
__요약
__질문
__더 읽을거리