●前言
第1章 緒論
1.1 機器視覺的發展及繫統構成
1.1.1 機器視覺的發展
1.1.2 機器視覺繫統的構成
1.2 Marr的視覺理論框架
1.2.1 視覺繫統研究的3個層次
1.2.2 視覺信息處理的3個階段
1.3 機器視覺任務和機器視覺與其他領域的關繫
1.3.1 機器視覺任務
1.3.2 機器視覺與其他領域的關繫
1.4 參考文獻
第2章 成像與圖像采集
2.1 亮度與成像
2.1.1 光度學
2.1.2 亮度成像模型
2.2 鏡頭
2.2.1 針孔成像模型
2.2.2 鏡頭畸變
2.2.3 遠心與景深
2.3 攝像機
2.3.1 CCD傳感器
2.3.2 CMOS傳感器
2.3.3 彩色成像
2.3.4 攝像機性能
2.3.5 深度攝像機
2.4 攝像機－計算機接口
2.5 參考文獻
第3章 圖像預處理基礎
3.1 數據結構
3.1.1 傳統的圖像數據結構
3.1.2 分層數據結構
3.2 圖像預處理
3.2.1 灰度值變換
3.2.2 幾何變換
3.2.3 圖像濾波器
3.2.4 形態學操作
3.3 參考文獻
第4章 圖像分割和特征匹配
4.1 圖像分割
4.1.1 閾值分割
4.1.2 連通域與邊緣提取
4.1.3 亞像素精度閾值分割
4.1.4 基於區域的分割
4.1.5 基於3D圖的圖像分割
4.2 特征匹配
4.2.1 區域特征
4.2.2 素的提取
4.2.3 輪廓特征
4.2.4 特征檢測子
4.2.5 特征描述子
4.2.6 匹配優化算法
4.2.7 模板匹配
4.3 參考文獻
第5章 立體視覺與三維重建
5.1 立體視覺概述
5.2 立體視覺的基本原理
5.3 三維重建
5.3.1 攝像機標定
5.3.2 機器人手眼標定
5.3.3 射影幾何
5.3.4 多視圖重建場景
5.3.5 雙目攝像機與多目攝像機
5.3.6 深度圖
5.4 參考文獻
第6章 模式識別算法
6.1 支持向量機
6.2 貝葉斯分類器
6.3 聚類算法
6.4 神經網絡基礎
6.4.1 感知機與神經網絡基礎
6.4.2 參數學習方法
6.4.3 GPU並行技術
6.5 深度卷積神經網絡
6.5.1 LeNet
6.5.2 GoogLeNet
6.5.3 ResNet
6.6 參考文獻
第7章 機器視覺在物體識別與
測量中的應用
7.1 檢測物體的特征提取
7.1.1 區域特征
7.1.2 灰度值特征
7.1.3 輪廓特征
7.2 模式分類與識別
7.3 機器視覺中形狀大小的測量
7.3.1 長度測量
7.3.2 線段測量
7.3.3 面積測量
7.3.4 圓測量
7.4 機器視覺表面缺陷檢測
7.4.1 印刷檢測
7.4.2 封裝檢測
7.4.3 鋸齒檢測
7.5 參考文獻
第8章 視覺伺服的基礎
8.1 視覺伺服控制簡介
8.2 概念說明與標定技術
8.2.1 坐標變換與剛體運動
8.2.2 攝像機模型與標定
8.2.3 手眼標定技術
8.3 視覺伺服控制理論
8.3.1 基於位置的視覺伺服
8.3.2 基於圖像的視覺伺服
8.4 應用案例
8.5 參考文獻
第9章 機器視覺從容器中抓取零件的應用
9.1 散亂零件識別的基本方法
9.2 抓取操作的機器人技術
9.3 散亂零件的識別與操作應用
9.4 參考文獻
第10章 機器視覺在無源導航與定位中的應用
10.1 移動機器人與導航
10.2 定位與地圖構建
10.3 各類傳感器的初始化與預處理
10.4 即時定位與地圖構建
10.4.1 使用魚眼攝像機的視覺SLAM繫統
10.4.2 基於多攝像機繫統的視覺SLAM繫統
10.5 參考文獻
本書以應用為導向，從機器視覺的硬件構建、算法實現及應用案例研究三個層次，繫統地介紹了機器視覺的基本知識, 以及圖像處理、模式識別和機器視覺應用問題的一般求解方法。本書理論與實際相結合，分享了機器視覺在物體識別和測量、實時3D環境建模以及機器人的視覺伺服應用等方面的解決方案。 本書可作為工程領域非電類專業的大學高年級學生和研究生的教材或自學資料，也可供從事優選制造、智能控制研究與應用的科技人員及管理人員學習。
