前言
第1章绪论
1.1机器视觉
1.1.1机器视觉的发展
1.1.2机器视觉与其他领域的关系
1.2机器视觉研究的任务、基本内容、
应用领域与困难
1.2.1任务
1.2.2基本内容
1.2.3应用领域
1.2.4困难
1.2.5机器视觉与人的视觉关系
1.3马尔视觉理论
1.3.1视觉信息加工过程
1.3.2视觉系统研究的三个层次
1.3.3视觉系统处理的三个阶段
1.4机器视觉与计算成像
1.4.1单光子成像
1.4.2单像素成像
1.4.3偏振成像
1.4.4光场成像
1.4.5事件相机
【本章小结】
【课后习题】
第2章相机成像与标定
2.1射影几何与几何变换
2.1.1空间几何变换
2.1.2三维到二维投影
2.2相机标定基础
2.2.1线性模型
2.2.2非线性模型
2.2.3空间坐标系及变换
2.3相机标定方法
2.3.1Tsai相机标定
2.3.2DLT标定
2.3.3张正友标定
2.3.4PNP标定
2.4相机标定的MATLAB与OpenCV
实现
2.4.1MATLAB棋盘格标定
2.4.2OpenCV棋盘格标定
2.5圆形板标定方法
2.5.1单目相机标定
2.5.2双目相机标定
2.6单相机与光源系统标定
2.6.1背景
2.6.2原理与方法
2.7案例-机器人手眼标定
2.7.1机械臂坐标系
2.7.2手眼标定
【本章小结】
【课后习题】
第3章双目立体视觉
3.1双目立体视觉原理
3.1.1双目立体视觉测深原理
3.1.2极线约束
3.2双目立体视觉系统
3.2.1双目立体视觉系统分析
3.2.2平行光轴的系统结构
3.2.3非平行光轴的系统结构
3.2.4双目立体视觉的精度分析
3.3图像特征点
3.3.1SIFT特征点
3.3.2SURF特征点
3.3.3ORB特征点
3.3.4基于深度学习的特征点
3.4立体匹配
3.4.1稀疏匹配
3.4.2稠密匹配
3.5案例-双目立体视觉实现深度
测量
3.5.1相机标定
3.5.2实验图片采集和矫正
3.5.3圆心坐标提取
3.5.4视差和深度计算
3.5.5计算三维坐标并三维输出空间
位置
3.6双目立体成像
3.6.1立体摄相机原理
3.6.2立体摄相机拍摄技术
3.7案例-双目立体视觉三维测量
3.7.1相机标定
3.7.2立体匹配
3.7.3三维重建
3.8案例-基于深度网络的自由双目
三维重建
3.8.1实验系统
3.8.2立体匹配实验
3.8.3点云拼接
【本章小结】
【课后习题】
第4章面结构光三维视觉
4.1单幅相位提取方法
4.1.1窗傅里叶变换法
4.1.2窗傅里叶脊法
4.1.3二维连续小波变换法
4.1.4BEMD法
4.1.5VMD法
4.1.6变分图像分解法
4.2多幅相位提取方法
4.3相位展开方法
4.3.1格雷码
4.3.2外差多频
4.3.3三频相位展开方法
4.3.4双互补相位编码
4.4案例-基于条纹投影结构光
三维扫描仪的牙模扫描
4.5案例-鞋底打磨
【本章小结】
【课后习题】
第5章线结构光三维测量
5.1线结构光提取
5.1.1线结构光特点
5.1.2线结构光中心线提取方法
研究
5.2单目线结构光测量原理
5.2.1激光三角法简介
5.2.2单目线结构光的光平面标定
方法
5.2.3系统设计与搭建
5.2.4结果与分析
5.3双目线结构光测量原理
5.3.1外极线约束原理
5.3.2系统设计与搭建
5.4三维人体扫描
5.4.1激光三角法应用于三维人体
扫描仪
5.4.2三维人体扫描仪的系统构成
5.4.3系统设计与搭建
5.5结构光引导的大型压力容器
内部焊接系统
5.5.1系统总体方案
5.5.2结构光视觉传感系统设计
5.5.3系统软件设计与搭建
5.5.4结果与分析
【本章小结】
【课后习题】
第6章深度相机三维测量
6.1飞行时间测量方法
6.1.1深度相机基本原理
6.1.2相位解调技术
6.2散斑结构光测量方法
6.2.1双目测量方法
6.2.2单目测量方法
6.3激光雷达测量方法
6.3.1激光雷达测距原理
6.3.2激光雷达三维形貌测量原理
6.3.3车载激光雷达
6.3.4激光雷达生成点云
6.4视觉SLAM
6.4.1经典视觉SLAM
6.4.2视觉SLAM方法
6.5案例-RGB-D视觉SLAM地图
重建
6.5.1前端算法设计
6.5.2后端算法设计
6.5.3实验设计与结果分析
6.6案例-大场景三维重建
6.6.1三维激光扫描技术原理
6.6.2法如三维激光扫描仪使用基本
流程
6.6.3测量试验与结果
6.7案例-基于平面约束的三维
重建
6.7.1技术原理
6.7.2准备工作
6.7.3实验结果
【本章小结】
【课后习题】
第7章三维形状恢复方法
7.1光度立体
7.1.1典型算法介绍
7.1.2典型算法实现
7.1.3算法实例
7.2从明暗恢复形状
7.2.1SFS问题的起源
7.2.2SFS问题的解决方案
7.2.3最小值方法
7.2.4演化方法
7.2.5局部分析法
7.2.6线性化方法
7.3从运动恢复形状
7.3.1光流与运动场
7.3.2多视图恢复形状
7.4NeRF技术
7.4.1神经辐射场简介
7.4.2体素渲染
7.4.3位置编码
7.4.4网络结构
7.4.5对比效果
7.5案例-从阴影恢复形状
7.5.1三维缺陷自动检测
7.5.2气泡大小的自动检测
7.5.3对生活物品的三维恢复
【本章小结】
【课后习题】
第8章机器视觉案例应用
8.1Open3D应用案例
8.2智能车道线检测
8.3三维机器视觉引导机器人打磨
抛光
8.3.1双目视觉导引机器人自主打磨
系统
8.3.2系统标定实验
8.3.3机器人自主打磨实验
8.3.4视觉引导机器人自主打磨性能
评价
8.4三维机器视觉引导机器人自主
焊接
8.4.1系统组成部分
8.4.2系统标定
8.4.3焊接点位提取和姿态解算
8.5机器视觉引导机器人垃圾识别
与分拣
8.5.1智能垃圾分拣系统设计方案
8.5.2垃圾分拣系统的标定
8.5.3垃圾分类中的定位与目标
检测
8.5.4垃圾姿态检测算法
8.5.5智能垃圾分拣系统测试
8.6车轴检测
8.6.1图像分析法
8.6.2全站仪
8.6.3加权LM算法
8.6.4车轴测量系统实验
8.7云台视觉跟踪
8.7.1云台视觉跟踪设计方法原理
8.7.2实验与分析
8.7.3云台跟踪系统测试
【本章小结】
参考文献