本书全面系统地介绍了机器视觉的基础理论、关键技术和典型应用。全书从机器视觉的基本概念和发展趋势入手，详细阐述了视觉系统的硬件组成与选型原则，包括光源、相机和镜头的设计方法；在算法层面，既涵盖传统的图像预处理、特征提取与目标识别技术，又深入探讨了基于深度学习的目标检测、语义分割等前沿方法，并介绍了三维视觉中的核心算法；同时，通过路面病害检测、工厂智能监控和无人机视觉导航三个典型应用案例，展示了机器视觉技术的实际应用价值。
本书适合机器视觉相关领域工程技术人员阅读学习，也可供自动化、计算机科学与技术等相关专业的高校师生参考。
第1章 机器视觉概述 001
1.1 机器视觉的概念 002
1.2 机器视觉的研究与应用现状 004
1.3 机器视觉的发展趋势 005
第2章 机器视觉系统硬件总体设计 006
2.1 机器视觉系统成像模型 007
2.1.1 重合模型 007
2.1.2 分离模型 011
2.2 机器视觉系统成像参数设计 014
2.3 机器视觉系统硬件组成 016
2.3.1 照明设备 017
2.3.2 镜头 018
2.3.3 图像传感器 018
2.3.4 通信模块 019
2.4 机器视觉系统分类及选用 019
2.4.1 一维机器视觉系统 019
2.4.2 二维机器视觉系统 019
2.4.3 三维机器视觉系统 020
第3章 机器视觉系统光源的选用 022
3.1 光源的作用、分类和照明方式 023
3.1.1 光源的作用 023
3.1.2 光源的分类 024
3.1.3 光源的照明方式 032
3.2 常见的机器视觉光源及适用条件 034
3.2.1 点光源 034
3.2.2 线光源 035
3.2.3 AOI 光源 037
3.2.4 局部可调光源 038
3.2.5 低角度光源 039
3.2.6 多角度光源 040
3.2.7 结构光源 041
3.3 机器视觉系统光源的选用原则 042
3.4 机器视觉光源控制器的选用 043
第4章 机器视觉系统相机的选型 045
4.1 机器视觉系统相机的作用、分类和参数 046
4.1.1 相机的作用 046
4.1.2 相机的分类 046
4.1.3 相机的参数 048
4.2 机器视觉系统相机的选型方法 052
第5章 机器视觉系统镜头的选型 055
5.1 机器视觉系统镜头的作用、分类和参数 056
5.1.1 镜头的作用 056
5.1.2 镜头的分类 057
5.1.3 镜头的参数 063
5.2 机器视觉系统镜头的选型方法 070
5.3 机器视觉系统镜头的配件及选用 073
第6章 机器视觉系统预处理算法 077
6.1 相机标定与手眼标定算法 078
6.1.1 相机标定基础 078
6.1.2 相机标定方法 079
6.1.3 手眼标定方法 084
6.2 机器视觉系统的成像失真校正算法 086
6.2.1 几何失真校正 086
6.2.2 应用实例——圆柱曲面透视投影失真的图像校正 089
6.3 机器视觉系统的图像增强算法 095
6.3.1 灰度映射 095
6.3.2 直方图修正 096
6.3.3 应用实例——细节增强的多曝光图像融合方法 099
第7章 传统图像处理目标识别算法 104
7.1 特征点提取与匹配算法 105
7.1.1 斑点提取 105
7.1.2 角点提取 110
7.1.3 特征点匹配 112
7.2 边缘特征提取算法 118
7.3 传统图像分割算法 121
7.3.1 阈值处理 121
7.3.2 区域分割法 122
7.3.3 形态学分水岭分割法 124
7.3.4 使用聚类和超像素的区域分割 128
7.4 形状检测与识别算法 131
7.4.1 线段的检测 131
7.4.2 圆形的检测 133
7.4.3 矩形的检测 134
第8章 深度学习目标识别方法 138
8.1 深度学习目标检测 139
8.1.1 引言 139
8.1.2 深度学习 139
8.1.3 两阶段目标检测方法 145
8.1.4 单阶段目标检测方法 148
8.2 语义分割与实例分割 151
8.2.1 语义分割 151
8.2.2 实例分割 157
8.3 改善深度学习识别效果的方法 160
8.3.1 数据 160
8.3.2 模型选择 162
8.3.3 超参数 163
8.3.4 其他优化方法 164
第9章 三维重建算法 167
9.1 双目立体视觉 168
9.1.1 双目视觉系统 168
9.1.2 视差 168
9.1.3 双目系统测距基本原理 169
9.1.4 双目系统的运作流程 169
9.2 结构光三维视觉 170
9.2.1 线结构光三维重建 170
9.2.2 面结构光三维重建 172
9.3 多聚焦三维重建 173
9.3.1 聚焦形貌恢复 173
9.3.2 离焦形貌恢复 179
第10章 面向公路养护的路面病害检测应用 181
10.1 应用背景简介 182
10.2 基于传统图像处理的路面病害检测方法 182
10.2.1 基于边缘检测的病害检测算法 183
10.2.2 基于阈值分割的病害检测算法 185
10.2.3 基于区域生长的病害检测算法 187
10.2.4 基于小波变换的病害检测算法 188
10.2.5 应用实例——基于车道区域及车道线区域提取的路面病害检测算法 189
10.3 基于深度学习的路面病害检测方法 197
10.3.1 基于目标检测的方法 197
10.3.2 基于语义分割的方法 198
10.3.3 应用实例1——基于语义分割的路面病害检测模型 199
10.3.4 应用实例2——基于改进YOLOv5的路面裂缝检测方法 205
10.3.5 应用实例3——采用多尺度特征增强的路面病害检测模型 207
第11章 工厂人员作业规范智能监控应用 212
11.1 应用背景简介 213
11.2 作业区域人员穿戴规范识别 214
11.2.1 穿戴规范识别的技术原理 214
11.2.2 常用穿戴规范的识别方法 216
11.3 作业区域人员行为规范识别 216
11.3.1 行为规范识别的技术原理 216
11.3.2 应用实例——基于ASW-YOLO 的香烟小目标检测算法 218
第12章 基于视觉的无人机沿道路中央自主飞行控制应用 223
12.1 应用背景简介 224
12.2 基于视觉的无人机沿道路飞行横向定位方法 225
12.2.1 路面区域识别方法 225
12.2.2 无人机横向定位方法 228
12.3 无人机沿道路中央飞行控制 229
12.3.1 横向与高度PID 控制 230
12.3.2 旋转角度控制 231
12.3.3 航点飞行控制 233
参考文献 235
书单推荐
