機器視覺系統硬件設計、算法開發及應用

第1章 機器視覺概述 001
1.1 機器視覺的概念 002
1.2 機器視覺的研究與應用現狀 004
1.3 機器視覺的發展趨勢 005

第2章 機器視覺系統硬件總體設計 006
2.1 機器視覺系統成像模型 007
2.1.1 重合模型 007
2.1.2 分離模型 011
2.2 機器視覺系統成像參數設計 014
2.3 機器視覺系統硬件組成 016
2.3.1 照明設備 017
2.3.2 鏡頭 018
2.3.3 圖像傳感器 018
2.3.4 通信模塊 019
2.4 機器視覺系統分類及選用 019
2.4.1 一維機器視覺系統 019
2.4.2 二維機器視覺系統 019
2.4.3 三維機器視覺系統 020

第3章 機器視覺系統光源的選用 022
3.1 光源的作用、分類和照明方式 023
3.1.1 光源的作用 023
3.1.2 光源的分類 024
3.1.3 光源的照明方式 032
3.2 常見的機器視覺光源及適用條件 034
3.2.1 點光源 034
3.2.2 線光源 035
3.2.3 AOI 光源 037
3.2.4 局部可調光源 038
3.2.5 低角度光源 039
3.2.6 多角度光源 040
3.2.7 結構光源 041
3.3 機器視覺系統光源的選用原則 042
3.4 機器視覺光源控制器的選用 043

第4章 機器視覺系統相機的選型 045
4.1 機器視覺系統相機的作用、分類和參數 046
4.1.1 相機的作用 046
4.1.2 相機的分類 046
4.1.3 相機的參數 048
4.2 機器視覺系統相機的選型方法 052

第5章 機器視覺系統鏡頭的選型 055
5.1 機器視覺系統鏡頭的作用、分類和參數 056
5.1.1 鏡頭的作用 056
5.1.2 鏡頭的分類 057
5.1.3 鏡頭的參數 063
5.2 機器視覺系統鏡頭的選型方法 070
5.3 機器視覺系統鏡頭的配件及選用 073

第6章 機器視覺系統預處理算法 077
6.1 相機標定與手眼標定算法 078
6.1.1 相機標定基礎 078
6.1.2 相機標定方法 079
6.1.3 手眼標定方法 084
6.2 機器視覺系統的成像失真校正算法 086
6.2.1 幾何失真校正 086
6.2.2 應用實例——圓柱曲面透視投影失真的圖像校正 089
6.3 機器視覺系統的圖像增強算法 095
6.3.1 灰度映射 095
6.3.2 直方圖修正 096
6.3.3 應用實例——細節增強的多曝光圖像融合方法 099

第7章 傳統圖像處理目標識別算法 104
7.1 特征點提取與匹配算法 105
7.1.1 斑點提取 105
7.1.2 角點提取 110
7.1.3 特征點匹配 112
7.2 邊緣特征提取算法 118
7.3 傳統圖像分割算法 121
7.3.1 閾值處理 121
7.3.2 區域分割法 122
7.3.3 形態學分水嶺分割法 124
7.3.4 使用聚類和超像素的區域分割 128
7.4 形狀檢測與識別算法 131
7.4.1 線段的檢測 131
7.4.2 圓形的檢測 133
7.4.3 矩形的檢測 134

第8章 深度學習目標識別方法 138
8.1 深度學習目標檢測 139
8.1.1 引言 139
8.1.2 深度學習 139
8.1.3 兩階段目標檢測方法 145
8.1.4 單階段目標檢測方法 148
8.2 語義分割與實例分割 151
8.2.1 語義分割 151
8.2.2 實例分割 157
8.3 改善深度學習識別效果的方法 160
8.3.1 數據 160
8.3.2 模型選擇 162
8.3.3 超參數 163
8.3.4 其他優化方法 164

第9章 三維重建算法 167
9.1 雙目立體視覺 168
9.1.1 雙目視覺系統 168
9.1.2 視差 168
9.1.3 雙目系統測距基本原理 169
9.1.4 雙目系統的運作流程 169
9.2 結構光三維視覺 170
9.2.1 線結構光三維重建 170
9.2.2 面結構光三維重建 172
9.3 多聚焦三維重建 173
9.3.1 聚焦形貌恢覆 173
9.3.2 離焦形貌恢覆 179

第10章 面向公路養護的路面病害檢測應用 181
10.1 應用背景簡介 182
10.2 基於傳統圖像處理的路面病害檢測方法 182
10.2.1 基於邊緣檢測的病害檢測算法 183
10.2.2 基於閾值分割的病害檢測算法 185
10.2.3 基於區域生長的病害檢測算法 187
10.2.4 基於小波變換的病害檢測算法 188
10.2.5 應用實例——基於車道區域及車道線區域提取的路面病害檢測算法 189
10.3 基於深度學習的路面病害檢測方法 197
10.3.1 基於目標檢測的方法 197
10.3.2 基於語義分割的方法 198
10.3.3 應用實例1——基於語義分割的路面病害檢測模型 199
10.3.4 應用實例2——基於改進YOLOv5的路面裂縫檢測方法 205
10.3.5 應用實例3——采用多尺度特征增強的路面病害檢測模型 207

第11章 工廠人員作業規範智能監控應用 212
11.1 應用背景簡介 213
11.2 作業區域人員穿戴規範識別 214
11.2.1 穿戴規範識別的技術原理 214
11.2.2 常用穿戴規範的識別方法 216
11.3 作業區域人員行為規範識別 216
11.3.1 行為規範識別的技術原理 216
11.3.2 應用實例——基於ASW-YOLO 的香煙小目標檢測算法 218

第12章 基於視覺的無人機沿道路中央自主飛行控制應用 223
12.1 應用背景簡介 224
12.2 基於視覺的無人機沿道路飛行橫向定位方法 225
12.2.1 路面區域識別方法 225
12.2.2 無人機橫向定位方法 228
12.3 無人機沿道路中央飛行控制 229
12.3.1 橫向與高度PID 控制 230
12.3.2 旋轉角度控制 231
12.3.3 航點飛行控制 233