机器视觉原理及应用教程
全新正版现货
￥ 55.8 7.1折 ￥ 79 全新
库存2件
四川成都
认证卖家担保交易快速发货售后保障
作者宋丽梅 朱新军 李云鹏 等编著
出版社机械工业出版社
ISBN9787111733300
出版时间2023-09
装帧平装
开本16开
纸张胶版纸
定价79元
货号29634750
上书时间2024-07-19
- 在售商品 暂无
- 平均发货时间 17小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版全新
- 商品描述
-
【编辑推荐】:
本书作者将多年的工程项目开发案例写入教材，引导读者进行机器视觉技术实际工程能力的锻炼，本书在讲解机器视觉工程技术知识的同时，也弘扬了社会主义核心价值观，坚定文化自信，推进工程技术的改革创新。<br><br>本书的内容的编写除了保证内容的先进性，还需要考虑讲解内容的经典性，使读者容易理解讲解内容的原理、理论知识。成像模型和透视投影模型中借鉴《Robot Vision》的思路和方法。使学生掌握摄像机标定、空间坐标系、相机坐标系等基础知识和内容。在案列的程序设计方面，采用Matlab和OpenCV (C )语言同时实现，加强学生对程序的编写、算法实现的能力，从而增强其在机器视觉方面的软件开发能力。此外，本书还增加了微软Kinect，以及Intel Real Sense产品在机器学习方面的具体应用实例
【内容简介】:
机器视觉的应用越来越广泛，目前已经成功的被应用到机器人、自动驾驶、成像和监控、视频分析等诸多领域，甚至已将跟踪用于武器装备等高精尖分析项目中。本教材为读者提供了重要的机器视觉分析及实现工具，全书内容共9章。第1章为基础铺垫，主要包括机器视觉的相关概念，机器视觉的发展、基本任务、应用领域与困难以及Marr视觉理论等；第2章至第5章主要为机器视觉中对图像处理的核心环节，内容包括机器视觉图像处理基础知识、相机成像、相机标定以及图像恢复（Shape from X）；第6章至第8章则开始重点介绍三维空间中机器视觉关键技术，即双目立体视觉、结构光三维视觉以及深度相机；后第9章为机器视觉领域的应用，包括机器学习在模式识别、图像超分辨率重建，以及基于飞桨的百度智能车道线检测、大场景三维重建、人体三维视觉扫描案例、三维机器视觉引导机器人打磨抛光、自主焊接、垃圾识别与分拣等目前较受关注的应用项目。本书配套资源齐全，可提供全部源代码、课程PPT以及二维码演示视频。 本书可作为普通高等院校人工智能类、计算机类、自动化类、电气类、电子信息类等专业的本科及研究生学习机器视觉及计算机视觉课程的教材，也可以供从事人工智能、机器视觉和图像处理等研究与应用的科技人员参考。
【作者简介】:
2012年获得香港桑麻奖教金； 2014年获得天津市5.1劳动奖章； 2015年入选天津市“131”一层次人才，获得天津工业大学教学质量一等奖； 2016年获得天津市“三八红旗手”称号； 2019年获得天津市工程专业学位优秀指导教师奖、天津市工程专业学位硕士研究生优秀学位论文指导教师奖、天津市工程专业学位优秀教学成果奖一等奖，主编的《数字图像处理基础及工程应用》获得天津市工程专业学位优秀教材二等奖； 2021年，主讲课程入选天津市一流课程，正在参加国家一流课程的评选。
【目录】:
前言<br>第1章绪论<br>1.1机器视觉<br>1.1.1机器视觉的发展<br>1.1.2机器视觉与其他领域的关系<br>1.2机器视觉研究的任务、基本内容、<br>应用领域与困难<br>1.2.1任务<br>1.2.2基本内容<br>1.2.3应用领域<br>1.2.4困难<br>1.2.5机器视觉与人的视觉关系<br>1.3马尔视觉理论<br>1.3.1视觉信息加工过程<br>1.3.2视觉系统研究的三个层次<br>1.3.3视觉系统处理的三个阶段<br>1.4机器视觉与计算成像<br>1.4.1单光子成像<br>1.4.2单像素成像<br>1.4.3偏振成像<br>1.4.4光场成像<br>1.4.5事件相机<br>
【本章小结】:<br>
【课后习题】:<br>第2章相机成像与标定<br>2.1射影几何与几何变换<br>2.1.1空间几何变换<br>2.1.2三维到二维投影<br>2.2相机标定基础<br>2.2.1线性模型<br>2.2.2非线性模型<br>2.2.3空间坐标系及变换<br>2.3相机标定方法<br>2.3.1Tsai相机标定<br>2.3.2DLT标定<br>2.3.3张正友标定<br>2.3.4PNP标定<br>2.4相机标定的MATLAB与OpenCV<br>实现<br>2.4.1MATLAB棋盘格标定<br>2.4.2OpenCV棋盘格标定<br>2.5圆形板标定方法<br>2.5.1单目相机标定<br>2.5.2双目相机标定<br>2.6单相机与光源系统标定<br>2.6.1背景<br>2.6.2原理与方法<br>2.7案例-机器人手眼标定<br>2.7.1机械臂坐标系<br>2.7.2手眼标定<br>
【本章小结】:<br>
【课后习题】:<br>第3章双目立体视觉<br>3.1双目立体视觉原理<br>3.1.1双目立体视觉测深原理<br>3.1.2线约束<br>3.2双目立体视觉系统<br>3.2.1双目立体视觉系统分析<br>3.2.2平行光轴的系统结构<br>3.2.3非平行光轴的系统结构<br>3.2.4双目立体视觉的精度分析<br>3.3图像特征点<br>3.3.1SIFT特征点<br>3.3.2SURF特征点<br>3.3.3ORB特征点<br>3.3.4基于深度学习的特征点<br>3.4立体匹配<br>3.4.1稀疏匹配<br>3.4.2稠密匹配<br>3.5案例-双目立体视觉实现深度<br>测量<br>3.5.1相机标定<br>3.5.2实验图片采集和矫正<br>3.5.3圆心坐标提取<br>3.5.4视差和深度计算<br>3.5.5计算三维坐标并三维输出空间<br>位置<br>3.6双目立体成像<br>3.6.1立体摄相机原理<br>3.6.2立体摄相机拍摄技术<br>3.7案例-双目立体视觉三维测量<br>3.7.1相机标定<br>3.7.2立体匹配<br>3.7.3三维重建<br>3.8案例-基于深度网络的自由双目<br>三维重建<br>3.8.1实验系统<br>3.8.2立体匹配实验<br>3.8.3点云拼接<br>
【本章小结】:<br>
【课后习题】:<br>第4章面结构光三维视觉<br>4.1单幅相位提取方法<br>4.1.1窗傅里叶变换法<br>4.1.2窗傅里叶脊法<br>4.1.3二维连续小波变换法<br>4.1.4BEMD法<br>4.1.5VMD法<br>4.1.6变分图像分解法<br>4.2多幅相位提取方法<br>4.3相位展开方法<br>4.3.1格雷码 <br>4.3.2外差多频<br>4.3.3三频相位展开方法<br>4.3.4双互补相位编码<br>4.4案例-基于条纹投影结构光<br>三维扫描仪的牙模扫描<br>4.5案例-鞋底打磨<br>
【本章小结】:<br>
【课后习题】:<br>第5章线结构光三维测量<br>5.1线结构光提取<br>5.1.1线结构光特点<br>5.1.2线结构光中心线提取方法<br>研究<br>5.2单目线结构光测量原理<br>5.2.1激光三角法简介<br>5.2.2单目线结构光的光平面标定<br>方法<br>5.2.3系统设计与搭建<br>5.2.4结果与分析<br>5.3双目线结构光测量原理<br>5.3.1外线约束原理<br>5.3.2系统设计与搭建<br>5.4三维人体扫描<br>5.4.1激光三角法应用于三维人体<br>扫描仪<br>5.4.2三维人体扫描仪的系统构成<br>5.4.3系统设计与搭建<br>5.5结构光引导的大型压力容器<br>内部焊接系统<br>5.5.1系统总体方案<br>5.5.2结构光视觉传感系统设计<br>5.5.3系统软件设计与搭建<br>5.5.4结果与分析<br>
【本章小结】:<br>
【课后习题】:<br>第6章深度相机三维测量<br>6.1飞行时间测量方法<br>6.1.1深度相机基本原理<br>6.1.2相位解调技术<br>6.2散斑结构光测量方法<br>6.2.1双目测量方法<br>6.2.2单目测量方法<br>6.3激光雷达测量方法<br>6.3.1激光雷达测距原理<br>6.3.2激光雷达三维形貌测量原理<br>6.3.3车载激光雷达<br>6.3.4激光雷达生成点云<br>6.4视觉SLAM<br>6.4.1经典视觉SLAM<br>6.4.2视觉SLAM方法<br>6.5案例-RGB-D视觉SLAM地图<br>重建<br>6.5.1前端算法设计<br>6.5.2后端算法设计<br>6.5.3实验设计与结果分析<br>6.6案例-大场景三维重建<br>6.6.1三维激光扫描技术原理<br>6.6.2法如三维激光扫描仪使用基本<br>流程<br>6.6.3测量试验与结果<br>6.7案例-基于平面约束的三维<br>重建<br>6.7.1技术原理<br>6.7.2准备工作<br>6.7.3实验结果<br>
【本章小结】:<br>
【课后习题】:<br>第7章三维形状恢复方法<br>7.1光度立体<br>7.1.1典型算法介绍<br>7.1.2典型算法实现<br>7.1.3算法实例<br>7.2从明暗恢复形状<br>7.2.1SFS问题的起源<br>7.2.2SFS问题的解决方案<br>7.2.3小值方法<br>7.2.4演化方法<br>7.2.5局部分析法<br>7.2.6线性化方法<br>7.3从运动恢复形状<br>7.3.1光流与运动场<br>7.3.2多视图恢复形状<br>7.4NeRF技术<br>7.4.1神经辐射场简介<br>7.4.2体素渲染<br>7.4.3位置编码<br>7.4.4网络结构<br>7.4.5对比效果<br>7.5案例-从阴影恢复形状<br>7.5.1三维缺陷自动检测<br>7.5.2气泡大小的自动检测<br>7.5.3对生活物品的三维恢复<br>
【本章小结】:<br>
【课后习题】:<br>第8章机器视觉案例应用<br>8.1Open3D应用案例<br>8.2智能车道线检测<br>8.3三维机器视觉引导机器人打磨<br>抛光<br>8.3.1双目视觉导引机器人自主打磨<br>系统<br>8.3.2系统标定实验<br>8.3.3机器人自主打磨实验<br>8.3.4视觉引导机器人自主打磨性能<br>评价<br>8.4三维机器视觉引导机器人自主<br>焊接<br>8.4.1系统组成部分<br>8.4.2系统标定<br>8.4.3焊接点位提取和姿态解算<br>8.5机器视觉引导机器人垃圾识别<br>与分拣<br>8.5.1智能垃圾分拣系统设计方案<br>8.5.2垃圾分拣系统的标定<br>8.5.3垃圾分类中的定位与目标<br>检测<br>8.5.4垃圾姿态检测算法<br>8.5.5智能垃圾分拣系统测试<br>8.6车轴检测<br>8.6.1图像分析法<br>8.6.2全站仪<br>8.6.3加权LM算法<br>8.6.4车轴测量系统实验<br>8.7云台视觉跟踪<br>8.7.1云台视觉跟踪设计方法原理<br>8.7.2实验与分析<br>8.7.3云台跟踪系统测试<br>
【本章小结】:<br>参考文献
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价