機器視覺與導航

第一部分 圖像和信號傳感器
第 1 章 計算機和機器視覺的圖像和信號傳感器：滿足未來發(fā)展的需要
1.1 引言
1.1.1 機器視覺系統(tǒng)中的圖像采集
1.1.2 數(shù)碼相機的圖像采集
1.1.3 圖像傳感器光電二極管的性能指標
1.2 當前無機成像系統(tǒng)的局限性
1.2.1 弱光吸收
1.2.2 低動態(tài)范圍
1.2.3 小型柔性設備的復雜加工和制造的不兼容
1.2.4 無法適應光照變化
1.2.5 低帶隙
1.2.6 串擾
1.3 替代感光材料系統(tǒng)克服常規(guī)成像的局限性
1.3.1 圖像傳感中的有機光電探測器
1.3.2 金屬鹵化物鈣鈦礦（MHP）/ 有機鹵化物鈣鈦礦（OHP）光電探測器
1.4 光電晶體管
1.5 結論和展望
參考文獻
第 2 章 移動機器人的仿生實時被動視覺
2.1 引言
2.2 相關工作
2.3 傳感器的硬件
2.4 基礎軟件和校準
2.4.1 子系統(tǒng)的校準
2.4.2 全景圖像
2.4.3 虛擬相機
2.4.4 子系統(tǒng)之間的校準
2.5 混合傳感器中的周邊視覺
2.5.1 目標檢測
2.5.2 目標跟蹤
2.5.3 避障
2.6 混合式傳感器中的中心視覺
2.7 實驗結果
2.7.1 周邊視覺
2.7.2 中心視覺
2.8 結論
參考文獻
第 3 章 機器人和機器視覺的顏色和深度感知傳感器技術
3.1 引言
3.2 三維圖像構建
3.2.1 圖像傳感器
3.2.2 立體視覺
3.2.3 明暗恢復形狀
3.2.4 動態(tài)視覺
3.3 主動 3D 成像
3.3.1 飛行時間測距
3.3.2 結構光
3.3.3 運動重構
3.4 3D 視覺中的深度學習方法
3.5 結論
參考文獻
第 4 章 機器視覺中強度變換和模數(shù)編碼的混合傳感器處理器陣列單元的設計與仿真
4.1 引言
4.2 圖像強度變換的陣列單元模擬和理論數(shù)學背景
4.2.1 自學習等效卷積神經結構（SLECNS）中設計并行非線性圖像強度變換裝置的必要性
4.2.2 神經元實現(xiàn)數(shù)學運算的綜述
4.2.3 圖像強度非線性變換的數(shù)學模型
4.2.4 圖像強度變換的陣列單元模擬
4.3 連續(xù)邏輯（CL）變換與等效 CL ADC
4.3.1 SMC_CL_ADC 的基本理論基礎、等效模型及其修正
4.3.2 基于直流電（格雷碼）的連續(xù)邏輯模數(shù)轉換器的設計（迭代不變量）
4.3.3 基于并行輸送機 CL_ADC (P_C) 的仿真八路并行串行輸出的 8 - DC - {G}
4.4 結論
參考文獻
第二部分 檢測、跟蹤和立體視覺系統(tǒng)
第 5 章 基于圖像輔助的機器人全站儀目標檢測與跟蹤
5.1 引言
5.2 機器人圖像輔助全站儀的原理
5.2.1 標準全站儀的工作原理
5.3 自動反射器的目標識別與跟蹤
5.3.1 自動目標識別與檢測
5.3.2 目標跟蹤
5.3.3 目標跟蹤時間
5.4 基于圖像的目標識別、位置確定和跟蹤
5.4.1 圖像處理基礎
5.4.2 用于特征提取的圖像處理算法
5.4.3 目標識別與匹配
5.4.4 目標位置確定
5.4.5 基于圖像的目標跟蹤原理
5.5 應用
5.5.1 靜態(tài)目標識別和定位的例子
5.5.2 基于運動圖像的目標跟蹤實例
5.6 利用激光跟蹤儀進行全站儀運動模式的質量控制
5.7 結論
參考文獻
第 6 章 移動自主機器人雷達地標探測方法
6.1 引言
6.2 自主移動機器人導航問題
6.3 不同頻率范圍周圍地區(qū)的 EMW 反射
6.4 分布式對象回波信號幅度的隨機過程數(shù)學模型
6.5 描述集中目標回波信號幅度的隨機過程數(shù)學模型
6.6 移動自主機器人地標探測信號幅度跳變的測量
參考文獻
第 7 章 果園管理的機器視覺系統(tǒng)
7.1 引言
7.2 機器視覺系統(tǒng)
7.2.1 場景約束
7.2.2 圖像采集
7.2.3 圖像處理
7.2.4 驅動
7.3 農業(yè)機器視覺應用
7.3.1 植物識別
7.3.2 過程控制
7.3.3 機器制導與控制
7.4 機器視覺在水果產量評估中的應用 —— 植物識別案例
7.4.1 花卉隔離的圖像處理
7.4.2 結果產量估算
7.4.3 其他項目的通用圖像處理技術
7.5 目標隔離的另一種方法
7.5.1 引言
7.5.2 空間制圖
7.5.3 立體相機操作
7.5.4 空間映射隔離對象的難點
7.5.5 目標隔離結論
7.6 桃園導航的機器視覺
7.6.1 引言
7.6.2 導航視覺反饋系統(tǒng)
7.6.3 實驗地面車輛平臺
7.7 結論
參考文獻
第 8 章 機器視覺、模型和應用中的立體視覺系統(tǒng)
8.1 引言
8.2 雙目視覺系統(tǒng)
8.2.1 人工生物視覺模型
8.2.2 其他雙目視覺模型
8.3 多目視覺系統(tǒng)
8.3.1 三目視覺模型
8.3.2 多相機模型
8.4 應用
8.4.1 雙目視覺系統(tǒng)的應用
8.4.2 多目視覺系統(tǒng)應用
8.5 結論
參考文獻
第 9 章 基于無損卡爾曼濾波的
。。。。。。。。。。。。。