🌾 农田障碍检测
嵌入式视觉
📘 30章 · 从入门到实战
01
课程导论
嵌入式视觉与农业自动化
障碍检测挑战
课程目标与路径
02
嵌入式系统基础
ARM/RISC-V选型
树莓派·Jetson Nano
交叉编译环境
03
图像传感器与接口
摄像头选型(USB/CSI)
全局快门
OpenCV读取显示
04
图像预处理(上)
色彩空间转换
高斯·中值·双边滤波
05
图像预处理(下)
Canny/Sobel边缘
腐蚀膨胀·开闭运算
06
特征提取基础
Harris/Shi-Tomasi
SIFT原理与实现
07
传统机器学习方法
SVM障碍分类
Haar级联
HOG+行人检测
08
深度学习入门
神经网络基础
CNN核心概念
TFLite/PyTorch Mobile
09
目标检测模型(一)
YOLOv3/v5/v8演进
模型结构解析
嵌入式部署考量
10
目标检测模型(二)
SSD vs Faster R-CNN
MobileNet/ShuffleNet
11
模型训练与优化
数据集标注(LabelImg)
训练流程·超参数调优
12
模型压缩与量化
剪枝·知识蒸馏
INT8量化·TensorRT
13
嵌入式推理引擎
OpenCV DNN
TFLite树莓派
DeepStream SDK
14
多传感器融合
超声波测距
LiDAR点云基础
视觉+雷达融合
15
实时性与性能优化
多线程(OpenMP/Pthreads)
NEON加速
内存缓存优化
16
农田环境适应性
光照变化·直方图均衡
自适应阈值
阴影反光消除
17
动态障碍物检测
帧差法·光流法
KCF/DeepSORT跟踪
18
语义分割在农田
U-Net/DeepLabV3+
道路障碍分割
ESPNet轻量级
19
深度估计与测距
单目深度(MiDaS)
双目视觉测距
障碍物距离计算
20
嵌入式视觉系统设计
硬件选型·功耗评估
摄像头标定
系统架构文档
21
算法移植与调试
PC到嵌入式移植
交叉编译问题
GDB/VSCode远程调试
22
农田障碍物分类
静态障碍物(石头/树桩)
动态(动物/人/车)
23
极端天气处理
雨雾·暗通道去雾
夜间视觉·红外
低光照增强
24
边缘计算与云协同
边缘端初步检测
云端二次确认
MQTT传输结果
25
案例实战(一)
树莓派+YOLOv5
农田行人检测系统
26
案例实战(二)
Jetson Nano+DeepStream
实时障碍物流水线
27
案例实战(三)
多传感器融合避障小车
28
系统测试与评估
mAP·FPS·功耗
实地测试方案
故障排查日志
29
安全性与可靠性
功能安全·看门狗
异常处理·冗余设计
30
课程总结与未来展望
事件相机·神经形态
农业机器人方向
学习资源推荐