機器視覺原理及應(yīng)用教程

前言第1章緒論1.1機器視覺1.1.1機器視覺的發(fā)展1.1.2機器視覺與其他領(lǐng)域的關(guān)系1.2機器視覺研究的任務(wù)、基本內(nèi)容、應(yīng)用領(lǐng)域與困難1.2.1任務(wù)1.2.2基本內(nèi)容1.2.3應(yīng)用領(lǐng)域1.2.4困難1.2.5機器視覺與人的視覺關(guān)系1.3馬爾視覺理論1.3.1視覺信息加工過程1.3.2視覺系統(tǒng)研究的三個層次1.3.3視覺系統(tǒng)處理的三個階段1.4機器視覺與計算成像1.4.1單光子成像1.4.2單像素成像1.4.3偏振成像1.4.4光場成像1.4.5事件相機【本章小結(jié)】【課后習題】第2章相機成像與標定2.1射影幾何與幾何變換2.1.1空間幾何變換2.1.2三維到二維投影2.2相機標定基礎(chǔ)2.2.1線性模型2.2.2非線性模型2.2.3空間坐標系及變換2.3相機標定方法2.3.1Tsai相機標定2.3.2DLT標定2.3.3張正友標定2.3.4PNP標定2.4相機標定的MATLAB與OpenCV實現(xiàn)2.4.1MATLAB棋盤格標定2.4.2OpenCV棋盤格標定2.5圓形板標定方法2.5.1單目相機標定2.5.2雙目相機標定2.6單相機與光源系統(tǒng)標定2.6.1背景2.6.2原理與方法2.7案例-機器人手眼標定2.7.1機械臂坐標系2.7.2手眼標定【本章小結(jié)】【課后習題】第3章雙目立體視覺3.1雙目立體視覺原理3.1.1雙目立體視覺測深原理3.1.2極線約束3.2雙目立體視覺系統(tǒng)3.2.1雙目立體視覺系統(tǒng)分析3.2.2平行光軸的系統(tǒng)結(jié)構(gòu)3.2.3非平行光軸的系統(tǒng)結(jié)構(gòu)3.2.4雙目立體視覺的精度分析3.3圖像特征點3.3.1SIFT特征點3.3.2SURF特征點3.3.3ORB特征點3.3.4基于深度學習的特征點3.4立體匹配3.4.1稀疏匹配3.4.2稠密匹配3.5案例-雙目立體視覺實現(xiàn)深度測量3.5.1相機標定3.5.2實驗圖片采集和矯正3.5.3圓心坐標提取3.5.4視差和深度計算3.5.5計算三維坐標并三維輸出空間位置3.6雙目立體成像3.6.1立體攝相機原理3.6.2立體攝相機拍攝技術(shù)3.7案例-雙目立體視覺三維測量3.7.1相機標定3.7.2立體匹配3.7.3三維重建3.8案例-基于深度網(wǎng)絡(luò)的自由雙目三維重建3.8.1實驗系統(tǒng)3.8.2立體匹配實驗3.8.3點云拼接【本章小結(jié)】【課后習題】第4章面結(jié)構(gòu)光三維視覺4.1單幅相位提取方法4.1.1窗傅里葉變換法4.1.2窗傅里葉脊法4.1.3二維連續(xù)小波變換法4.1.4BEMD法4.1.5VMD法4.1.6變分圖像分解法4.2多幅相位提取方法4.3相位展開方法4.3.1格雷碼 4.3.2外差多頻4.3.3三頻相位展開方法4.3.4雙互補相位編碼4.4案例-基于條紋投影結(jié)構(gòu)光三維掃描儀的牙模掃描4.5案例-鞋底打磨【本章小結(jié)】【課后習題】第5章線結(jié)構(gòu)光三維測量5.1線結(jié)構(gòu)光提取5.1.1線結(jié)構(gòu)光特點5.1.2線結(jié)構(gòu)光中心線提取方法研究5.2單目線結(jié)構(gòu)光測量原理5.2.1激光三角法簡介5.2.2單目線結(jié)構(gòu)光的光平面標定方法5.2.3系統(tǒng)設(shè)計與搭建5.2.4結(jié)果與分析5.3雙目線結(jié)構(gòu)光測量原理5.3.1外極線約束原理5.3.2系統(tǒng)設(shè)計與搭建5.4三維人體掃描5.4.1激光三角法應(yīng)用于三維人體掃描儀5.4.2三維人體掃描儀的系統(tǒng)構(gòu)成5.4.3系統(tǒng)設(shè)計與搭建5.5結(jié)構(gòu)光引導的大型壓力容器內(nèi)部焊接系統(tǒng)5.5.1系統(tǒng)總體方案5.5.2結(jié)構(gòu)光視覺傳感系統(tǒng)設(shè)計5.5.3系統(tǒng)軟件設(shè)計與搭建5.5.4結(jié)果與分析【本章小結(jié)】【課后習題】第6章深度相機三維測量6.1飛行時間測量方法6.1.1深度相機基本原理6.1.2相位解調(diào)技術(shù)6.2散斑結(jié)構(gòu)光測量方法6.2.1雙目測量方法6.2.2單目測量方法6.3激光雷達測量方法6.3.1激光雷達測距原理6.3.2激光雷達三維形貌測量原理6.3.3車載激光雷達6.3.4激光雷達生成點云6.4視覺SLAM6.4.1經(jīng)典視覺SLAM6.4.2視覺SLAM方法6.5案例-RGB-D視覺SLAM地圖重建6.5.1前端算法設(shè)計6.5.2后端算法設(shè)計6.5.3實驗設(shè)計與結(jié)果分析6.6案例-大場景三維重建6.6.1三維激光掃描技術(shù)原理6.6.2法如三維激光掃描儀使用基本流程6.6.3測量試驗與結(jié)果6.7案例-基于平面約束的三維重建6.7.1技術(shù)原理6.7.2準備工作6.7.3實驗結(jié)果【本章小結(jié)】【課后習題】第7章三維形狀恢復方法7.1光度立體7.1.1典型算法介紹7.1.2典型算法實現(xiàn)7.1.3算法實例7.2從明暗恢復形狀7.2.1SFS問題的起源7.2.2SFS問題的解決方案7.2.3 小值方法7.2.4演化方法7.2.5局部分析法7.2.6線性化方法7.3從運動恢復形狀7.3.1光流與運動場7.3.2多視圖恢復形狀7.4NeRF技術(shù)7.4.1神經(jīng)輻射場簡介7.4.2體素渲染7.4.3位置編碼7.4.4網(wǎng)絡(luò)結(jié)構(gòu)7.4.5對比效果7.5案例-從陰影恢復形狀7.5.1三維缺陷自動檢測7.5.2氣泡大小的自動檢測7.5.3對生活物品的三維恢復【本章小結(jié)】【課后習題】第8章機器視覺案例應(yīng)用8.1Open3D應(yīng)用案例8.2智能車道線檢測8.3三維機器視覺引導機器人打磨拋光8.3.1雙目視覺導引機器人自主打磨系統(tǒng)8.3.2系統(tǒng)標定實驗8.3.3機器人自主打磨實驗8.3.4視覺引導機器人自主打磨性能評價8.4三維機器視覺引導機器人自主焊接8.4.1系統(tǒng)組成部分8.4.2系統(tǒng)標定8.4.3焊接點位提取和姿態(tài)解算8.5機器視覺引導機器人垃圾識別與分揀8.5.1智能垃圾分揀系統(tǒng)設(shè)計方案8.5.2垃圾分揀系統(tǒng)的標定8.5.3垃圾分類中的定位與目標檢測8.5.4垃圾姿態(tài)檢測算法8.5.5智能垃圾分揀系統(tǒng)測試8.6車軸檢測8.6.1圖像分析法8.6.2全站儀8.6.3加權(quán)LM算法8.6.4車軸測量系統(tǒng)實驗8.7云臺視覺跟蹤8.7.1云臺視覺跟蹤設(shè)計方法原理8.7.2實驗與分析8.7.3云臺跟蹤系統(tǒng)測試【本章小結(jié)】參考文獻