新書推薦：
《
清华大学藏战国竹简校释（柒）：《楚居》诸篇
》
售價：HK$
132.0
《
任伯年册页精选
》
售價：HK$
330.0
《
国之大道G219自驾攻略图——314国道喀什至红其拉甫口岸、独库公路
》
售價：HK$
52.8
《
中国近代史（名家导读版）
》
售價：HK$
90.2
《
《四库全书总目》子部辨证与学术批评研究（全三册）
》
售價：HK$
404.8
《
古代城邦（修订版）（经典与解释·古今丛编）
》
售價：HK$
109.8
《
诱捕：青春穿越小说 穿书系统×双向救赎
》
售價：HK$
52.8
《
战后日本对外文化战略研究（1945—1972）
》
售價：HK$
107.8
|
| 編輯推薦： |
|
本书遵循教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。
|
| 內容簡介： |
本书重点讲述工业机器视觉技术及其应用，共分为9章。首先概述了工业机器视觉系统，并介绍了二维/三维视觉信息获取技术；然后介绍了工业机器视觉感知分析理论方法，包括经典二维/三维视觉处理算法、基于深度学习的机器视觉处理算法和机器视觉系统标定；最后介绍了机器视觉软件开发平台与机器视觉系统应用案例，软件开发平台包括OpenCV、HALCON、VisionPro，应用案例为面向典型工业场景的机器视觉系统。本书力求系统性与实用性相结合，覆盖工业机器视觉领域主要技术，兼顾学科发展趋势与前沿方向，并在章节中加入具体案例，让读者能够融会贯通、学以致用。
本书可以作为高等院校自动化、机器人工程、人工智能、电子信息工程、机械设计制造及其自动化、智能制造工程等相关专业高年级本科生和研究生的教材，也可以作为工业机器视觉领域研究人员的参考书。
|
| 關於作者： |
|
余洪山，研究领域：机器人视觉感知，近五年主持国家自然科学基金联合基金重点项目1项、面上项目3项、军委科技委173基金重点项目1项、国家重点研发项目课题、湖南省杰出青年基金项目、湖南省科技领军人才项目、湖南省重点研发项目等等多国家和省部级重点项目，开展复杂作业场景下的目标高速高精度三维成像、目标级精细语义感知、场景级高精度三维建模与自定位等基础理论与应用研究。
|
| 目錄：
|
前言
第1章 绪论1
1.1 机器视觉概述1
1.2 工业机器视觉系统构成2
1.3 工业机器视觉应用3
1.4 工业机器视觉的展望与挑战5
本章小结6
第2章 二维视觉信息获取7
2.1 光源与照明7
2.1.1 光源类型7
2.1.2 光源颜色8
2.1.3 光源照明方案10
2.2 工业相机14
2.2.1 CCD相机14
2.2.2 CMOS相机16
2.2.3 相机参数18
2.3 镜头19
2.3.1 镜头的类型与参数20
2.3.2 镜头畸变模型25
2.3.3 镜头与相机的接口27
2.3.4 镜头的选择28
2.4 图像传输接口29
2.4.1 模拟视频信号传输接口30
2.4.2 数字视频信号传输接口32
本章小结36
参考文献36
第3章 三维视觉信息获取37
3.1 多视图三维成像37
3.1.1 双目视觉成像37
3.1.2 多视图立体视觉46
3.1.3 网格重建与纹理贴图51
3.2 激光三角测量成像52
3.2.1 激光三角法测量模型52
3.2.2 线结构光中心线的提取54
3.2.3 光平面标定61
3.2.4 三维重建62
3.3 面结构光三维成像64
3.3.1 相位主值解算64
3.3.2 相位展开算法67
3.3.3 Gamma校正72
3.3.4 三维重建74
3.4 飞行时间三维成像77
3.4.1 飞行时间测距系统77
3.4.2 直接飞行时间测量技术78
3.4.3 间接飞行时间测量技术79
本章小结80
参考文献80
第4章 经典二维视觉处理算法82
4.1 数字图像基础82
4.1.1 二维视觉处理概述82
4.1.2 数字图像及其表示83
4.2 图像预处理84
4.2.1 灰度变换与直方图操作84
4.2.2 空间域与频率域滤波87
4.2.3 Retinex算法91
4.3 几何变换92
4.3.1 像素坐标变换92
4.3.2 非刚性变换94
4.4 形态学处理96
4.4.1 腐蚀和膨胀96
4.4.2 开运算与闭运算97
4.4.3 基本形态学算法98
4.5 特征提取100
4.5.1 边缘检测101
4.5.2 边界特征与角点检测102
4.5.3 形状特征与纹理特征104
4.5.4 经典特征提取算法106
4.6 几何基元的分割和拟合111
4.6.1 直线检测与拟合111
4.6.2 圆与椭圆的检测112
4.6.3 霍夫变换与随机抽样一致性算法113
4.7 图像分割115
4.7.1 图像分割的基本原则115
4.7.2 基本分割理论117
4.7.3 经典分割算法120
4.8 目标检测126
4.8.1 静态目标检测126
4.8.2 动态目标检测132
本章小结137
参考文献137
第5章 经典三维视觉处理算法139
5.1 三维数据的基本概念139
5.1.1 三维数据的基本表现形式139
5.1.2 典型三维数据格式140
5.2 点云数据预处理143
5.2.1 点云降噪143
5.2.2 点云数据补全145
5.2.3 法向量估计149
5.3 点云特征提取152
5.3.1 局部特征与全局特征152
5.3.2 局部特征描述符153
5.3.3 全局特征计算158
5.4 点云分割160
5.4.1 基于边缘检测的点云分割161
5.4.2 基于区域增长的点云分割163
5.4.3 基于模型拟合的点云分割164
5.4.4 基于属性聚类的点云分割165
5.5 点云配准167
5.5.1 迭代最近点算法168
5.5.2 正态分布变换算法169
5.5.3 基于特征的配准169
5.5.4 三维模板匹配170
本章小结172
参考文献173
第6章 基于深度学习的机器视觉处理算法174
6.1 深度学习基础174
6.1.1 深度学习的兴起与发展历程174
6.1.2 深度学习基本术语178
6.1.3 卷积神经网络的基本结构181
6.1.4 视觉Transformer的基本结构186
6.1.5 目标损失函数的构造192
6.1.6 目标损失函数的优化193
6.2 图像目标信息处理195
6.2.1 图像目标检测195
6.2.2 图像语义分割201
6.2.3 目标运动信息建模204
6.3 目标点云信息处理207
6.3.1 典型点云处理网络207
6.3.2 层级特征提取网络210
6.3.3 三维目标检测网络215
6.3.4 三维点云刚性配准网络217
6.4 多模态信息处理221
6.4.1 多模态信息处理定义221
6.4.2 多模态信息处理技术223
6.4.3 多模态预训练模型225
本章小结230
参考文献231
第7章 机器视觉系统标定236
7.1 成像器件标定236
7.1.1 单目相机标定236
7.1.2 投影仪标定244
7.1.3 立体视觉标定246
7.2 机械臂标定248
7.2.1 机械臂运动学建模248
7.2.2 机械臂运动参数的标定方法250
7.2.3 工具坐标系标定253
7.3 手眼标定256
7.3.1 手眼标定系统建模256
7.3.2 空间手眼标定258
7.3.3 平面手眼标定261
7.3.4 多机械臂坐标系标定262
本章小结263
参考文献263
第8章 机器视觉软件开发平台265
8.1 OpenCV265
8.1.1 OpenCV概述265
8.1.2 OpenCV安装266
8.1.3 OpenCV功能270
8.2 HALCON272
8.2.1 HALCON概述272
8.2.2 HALCON安装274
8.2.3 HALCON功能275
8.2.4 HALCON使用278
8.3 VisionPro284
8.3.1 VisionPro概述285
8.3.2 VisionPro安装285
8.3.3 VisionPro功能289
8.3.4 VisionPro使用291
本章小结292
参考文献293
第9章 机器视觉系统应用案例294
9.1 酒瓶标签印刷缺陷视觉检测系统294
9.1.1 酒瓶标签印刷缺陷检测系统设计294
9.1.2 酒瓶标签印刷缺陷图像处理与识别算法297
9.2 车灯外观缺陷视觉检测系统306
9.2.1 车灯外观缺陷检测系统设计306
9.2.2 车灯外观缺陷图像处理与识别算法308
9.3 高铁接触网视觉检测系统318
9.3.1 高铁接触网开口销视觉检测系统设计318
9.3.2 高铁接触网开口销深度学习检测网络319
9.4 三维视觉引导的汽车发动机曲轴瓦盖自动送料系统325
9.4.1 汽车发动机曲轴瓦盖自动送料系统设计325
9.4.2 汽车发动机曲轴瓦盖定位与检测方法327
9.5 散乱工件的六维位姿估计341
9.5.1 六维位姿估计问题定义341
9.5.2 改进基于点对特征的散乱工件六维位姿估计方法342
9.5.3 工业散乱多目标检测与定位系统设计347
9.6 基于深度学习的散乱工件六维位姿估计350
9.6.1 基于PointNet的点云编码器350
9.6.2 基于TearingNet的点云解码器351
9.6.3 基于增强倒角距离的损失函数352
9.6.4 散乱DB9工件六维姿态估计354
本章小结355
参考文献355
|
| 內容試閱：
|
前言
本书讲什么本书介绍了工业机器视觉技术及其应用。机器视觉（Machine Vision）赋予机器以“视觉”感知世界的能力，助力机器实现更加精准、高效的决策。在智能制造和工业4.0发展的浪潮下，机器视觉技术有效助推了工业制造领域的变革。如产品质量的高速及高精度检测，智能化的加工装配，产品自动上下料、分拣、转运等，极大地提高了生产效率和产品质量，帮助企业降低了人力成本，实现了更加智能化和柔性化的生产方式。
工业机器视觉技术包括高质量二维/三维视觉信息获取及智能处理分析、机器视觉系统标定、机器视觉软件开发等核心内容，涉及光、机、电、人工智能等多学科领域，兼具理论性、前沿性和实践性。本书紧密围绕该主题，主要内容简述如下。
二维视觉信息获取技术旨在综合运用光源、工业相机和镜头等组件，高效获取物体或场景的视觉信息。光源照明方案是机器视觉系统的基础，可以突出检测特征，减少干扰，保证成像质量。工业相机将光信号转换为电信号，实现目标的高稳定性、高质量、快速图像采集和传输。光学镜头负责将目标图像清晰聚焦在图像传感器上。本书系统介绍了典型光源照明方案和特性、工业相机和镜头的核心参数及选型依据，为构建高质量二维机器视觉成像系统提供理论和技术支撑。
三维视觉信息包含场景目标的三维信息，是机器人或智能装备执行三维精密测量、灵巧操作等复杂作业任务的基础。如何根据机器作业任务需求和目标特性选择有效的三维视觉信息获取方案，是实现工业三维机器视觉系统的前提。本书系统介绍了多视图三维成像、激光三角测量成像、面结构光三维成像、飞行时间三维成像等典型三维成像的原理、方法和具体实现方案，可为读者提供三维成像基础理论知识，也可为自主研制或选购高质量三维机器视觉成像系统提供技术支撑。
机器视觉处理算法是面向具体任务的工业机器视觉系统的核心技术支撑。经典机器视觉处理算法由于具有可解释性强、速度快、计算资源依赖性低、可重复性高等优势，依然是工业机器视觉系统的首选。在经典二维视觉处理算法部分，本书详细介绍了数字图像基础、图像预处理、几何变换、形态学处理、特征提取、几何基元的分割和拟合、图像分割、目标检测等关键模块的基本原理、典型方法及实现。在经典三维视觉处理算法部分，本书详细介绍了三维数据的基本概念、点云数据预处理、点云特征提取、点云分割、点云配准等核心技术的基本原理、典型算法等。
近年来，深度学习算法在工业机器视觉领域展现出突出优势和广泛应用潜力。本书首先介绍了深度学习的基础知识，然后详细介绍了二维视觉处理经典任务算法模型（图像目标检测、图像语义分割、目标运动信息建模等）和三维视觉处理经典任务算法模型（典型点云处理网络、层级特征提取网络、三维目标检测网络、三维点云配准网络等），最后探讨了多模态信息处理。
机器视觉系统标定是机器视觉系统与机器人或智能装备的桥梁，是将机器视觉系统的决策结果实现执行控制的关键。为此，本书首先详细介绍了成像器件标定的方法，包括单目相机标定、投影仪标定和立体视觉标定等；然后介绍了机械臂标定，包括机械臂运动学建模、机械臂运动参数的标定方法及工具坐标系标定；最后介绍了手眼标定，包括手眼标定系统建模、空间手眼标定、平面手眼标定、多机械臂坐标系标定等。上述内容可为视觉引导的智能机器作业提供系统的理论技术支撑，实现从视觉感知决策到机器执行控制的有效关联。
机器视觉软件开发平台是实现面向具体任务的机器视觉系统落地和部署的重要工具及支撑。为帮助读者更好地理解和应用这些工具，本书选择主流的OpenCV、HALCON、VisionPro三大机器视觉软件开发平台，系统介绍了软件的基本功能、系统安装配置和使用方法。通过对这些典型机器视觉软件开发平台的学习，读者能够更好地选择和使用合适的软件工具，以满足不同机器视觉系统的快速开发需求。
为了让读者更加系统地理解本书的内容，并快速掌握工业机器视觉系统的设计、开发和集成能力，结合作者的实际科研项目，本书给出了6个工业机器视觉系统的典型案例，可为读者进行具体工业机器视觉系统开发提供有益参考。
如何使用本书1.结构及主要内容本书是理论与实践并重的一本教材，涉及工业机器视觉系统设计、视觉处理算法、机器视觉软件开发和机器视觉系统部署实施等内容。内容涉及较多的数学理论，从二维/三维成像模型、经典的视觉处理理论到先进的深度学习模型，均蕴藏着数学的智慧。为便于工科学生理解并快速掌握本书内容，作者努力把这些抽象的数学知识与工业机器视觉应用案例紧密结合。本书分为3部分。
第一部分为工业机器视觉系统信息获取技术，具体包括：1）工业机器视觉系统构成、应用、展望与挑战。
2）二维视觉信息获取技术，重点包括光源、工业相机和镜头等机器视觉系统关键组件的原理、参数及选型等，以实现目标高质量二维信息的获取。
3）三维视觉信息获取技术，重点包括多视图三维成像、激光三角测量成像、面结构光三维成像、飞行时间三维成像等技术原理和具体实现，以实现目标高质量三维信息的获取。
第二部分为工业机器视觉感知分析技术，具体包括：1）经典二维/三维视觉处理算法。
2）基于深度学习的机器视觉处理算法。
3）机器视觉系统标定方法，涵盖成像器件标定、机械臂标定和手眼标定方法。
第三部分为工业机器视觉软件开发平台与机器视觉系统应用案例，具体包括：1）OpenCV、HALCON、VisionPro这3种典型的机器视觉软件开发平台。
2）典型工业机器视觉系统应用实施案例。
2.阅读本书的前提阅读本书需要有一定的基础，读者在阅读本书之前需具备以下知识：1）高等数学、线性代数、概率论和数理统计基础。这些数学知识是构成机器视觉理论与方法的重要基石。例如，高等数学中的微积分、级数等概念对于理解图像处理中的梯度计算、滤波操作等至关重要，线性代数中的矩阵运算、特征分解等广泛用于图像变换、特征提取等环节，概率论与数理统计知识则是学习目标检测、跟踪及识别算法不可或缺的内容。
2）C++语言和Python语言基础。C++作为一种高效、性能卓越的面向对象编程语言，具有强大的库支持和执行速度，是处理二维/三维视觉信息、实现复杂视觉算法的首选语言；而Python也是当前非常流行的脚本语言，简单明了，非常适合编程新手入门。本书的实例基于这两种语言讲述。
3）专业基础课程知识。工业机器视觉技术涉及传感器、数字图像处理技术、数字信号处理技术、模式识别与机器学习、深度学习等基础课程知识，这些知识不仅能够帮助读者构建对工业机器视觉技术的总体认识，还能指导读者在实际应用中设计出更加有效、鲁棒性更好的机器视觉系统。
作 者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
