第1章 機(jī)器視覺(jué)概述 001 1.1　機(jī)器視覺(jué)的基礎(chǔ)知識(shí) 002 1.1.1　機(jī)器視覺(jué)技術(shù)的工作原理 002 1.1.2　機(jī)器視覺(jué)技術(shù)的發(fā)展歷程 004 1.1.3　機(jī)器視覺(jué)系統(tǒng)的關(guān)鍵部分 006 1.1.4　機(jī)器視覺(jué)技術(shù)的發(fā)展趨勢(shì) 008 1.2　機(jī)器視覺(jué)產(chǎn)業(yè)鏈圖譜 010 1.2.1　典型機(jī)器視覺(jué)系統(tǒng)組成 010 1.2.2　機(jī)器視覺(jué)產(chǎn)業(yè)鏈分析 011 1.2.3　國(guó)外機(jī)器視覺(jué)主流廠商 014 1.2.4　國(guó)內(nèi)機(jī)器視覺(jué)主流廠商 015 1.3　雙目立體視覺(jué)系統(tǒng)原理 017 1.3.1　雙目視覺(jué)的視差與深度 017 1.3.2　雙目相機(jī)的相關(guān)坐標(biāo)系 018 1.3.3　雙目相機(jī)的畸變系數(shù) 020 1.3.4　雙目相機(jī)的標(biāo)定方法 021 1.3.5　雙目立體匹配的算法 023 第2章 機(jī)器視覺(jué)的硬件系統(tǒng)構(gòu)成 026 2.1　工業(yè)相機(jī)的類型與選型參數(shù) 027 2.1.1　工業(yè)相機(jī)的類型劃分 027 2.1.2　工業(yè)相機(jī)的主要參數(shù) 029 2.1.3　工業(yè)相機(jī)的選型步驟 031 2.2　工業(yè)鏡頭的分類與主要參數(shù) 032 2.2.1　根據(jù)有效像場(chǎng)劃分 032 2.2.2　根據(jù)鏡頭焦距分類 032 2.2.3　根據(jù)接口類型劃分 033 2.2.4　特殊用途的工業(yè)鏡頭 034 2.2.5　工業(yè)鏡頭的主要參數(shù) 034 2.3　工業(yè)光源的類型與選型技巧 039 2.3.1　影響光源選擇的因素 039 2.3.2　工業(yè)光源的照明設(shè)計(jì) 040 2.3.3　LED光源的特點(diǎn)與類型 041 2.3.4　光源的選型技巧與要點(diǎn) 045 第3章 基于主動(dòng)學(xué)習(xí)的圖像分類 047 3.1　主動(dòng)學(xué)習(xí)圖像分類的基礎(chǔ)知識(shí) 048 3.1.1　主動(dòng)學(xué)習(xí)的概念與框架 048 3.1.2　主動(dòng)學(xué)習(xí)圖像分類方法 049 3.1.3　圖像數(shù)據(jù)預(yù)處理的方法 050 3.1.4　樣本的選擇策略與設(shè)計(jì) 051 3.2　基于模型驅(qū)動(dòng)的圖像分類算法 052 3.2.1　基于深度學(xué)習(xí)的模型 052 3.2.2　基于生成對(duì)抗網(wǎng)絡(luò) 056 3.2.3　基于深度強(qiáng)化學(xué)習(xí) 057 3.2.4　基于Transformer結(jié)構(gòu) 058 3.3　基于數(shù)據(jù)驅(qū)動(dòng)的模型分類算法 059 3.3.1　基于圖像增廣的分類算法 059 3.3.2　基于特征插值的分類算法 063 3.3.3　基于數(shù)據(jù)分布的分類算法 064 3.3.4　主動(dòng)學(xué)習(xí)圖像分類面臨的挑戰(zhàn) 065 3.3.5　主動(dòng)學(xué)習(xí)圖像分類的研究方向 066 第4章 圖像處理與識(shí)別技術(shù) 068 4.1　機(jī)器視覺(jué)的圖像處理技術(shù) 069 4.1.1　圖像采集 069 4.1.2　特征提取 071 4.1.3　圖像預(yù)處理 072 4.1.4　圖像增強(qiáng) 073 4.1.5　圖像分割 074 4.1.6　圖像壓縮編碼 076 4.1.7　圖像復(fù)原 077 4.2　機(jī)器視覺(jué)的圖像識(shí)別技術(shù) 078 4.2.1　圖像識(shí)別原理與特點(diǎn) 078 4.2.2　圖像識(shí)別的關(guān)鍵技術(shù) 080 4.2.3　基于機(jī)器視覺(jué)的機(jī)器人 082 4.2.4　機(jī)器人的視覺(jué)識(shí)別過(guò)程 084 4.3　機(jī)器視覺(jué)圖像識(shí)別的方法 085 4.3.1　統(tǒng)計(jì)法 085 4.3.2　句法識(shí)別法 086 4.3.3　神經(jīng)網(wǎng)絡(luò)方法 086 4.3.4　模板匹配法 087 4.3.5　霍夫變換法 088 4.3.6　深度學(xué)習(xí)法 088 4.3.7　Blob分析法 092 第5章 目標(biāo)檢測(cè)與跟蹤技術(shù) 094 5.1　基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法 095 5.1.1　運(yùn)動(dòng)目標(biāo)檢測(cè)圖像處理及算法 095 5.1.2　基于候選區(qū)域的目標(biāo)檢測(cè)模型 096 5.1.3　基于回歸的圖像目標(biāo)檢測(cè)模型 099 5.1.4　基于Anchor-free的目標(biāo)檢測(cè)模型 101 5.2　視頻目標(biāo)檢測(cè)與跟蹤的方法 103 5.2.1　視頻目標(biāo)跟蹤的基礎(chǔ)知識(shí) 103 5.2.2　視頻目標(biāo)跟蹤的應(yīng)用場(chǎng)景 105 5.2.3　視頻目標(biāo)跟蹤的運(yùn)動(dòng)模型 106 5.2.4　視頻目標(biāo)跟蹤的特征提取 107 5.2.5　視頻目標(biāo)跟蹤的模型更新 108 5.2.6　視頻目標(biāo)跟蹤的數(shù)據(jù)集 109 5.3　視頻目標(biāo)跟蹤的觀測(cè)模型 111 5.3.1　基于子空間學(xué)習(xí)的跟蹤算法 111 5.3.2　基于稀疏表達(dá)的跟蹤算法 111 5.3.3　基于SVM的跟蹤算法 112 5.3.4　基于相關(guān)濾波器的跟蹤算法 112 5.3.5　基于分類網(wǎng)絡(luò)的跟蹤算法 114 5.3.6　基于雙路網(wǎng)絡(luò)的跟蹤算法 114 第6章 機(jī)器視覺(jué)的圖像分割技術(shù) 116 6.1　機(jī)器視覺(jué)圖像分割的經(jīng)典算法 117 6.1.1　基于閾值的圖像分割方法 117 6.1.2　基于區(qū)域的圖像分割方法 118 6.1.3　基于邊緣檢測(cè)的分割方法 119 6.1.4　基于聚類的圖像分割方法 121 6.1.5　基于圖論的圖像分割算法 123 6.2　圖像語(yǔ)義分割的應(yīng)用場(chǎng)景 124 6.2.1　圖像語(yǔ)義分割概述 124 6.2.2　應(yīng)用1：自動(dòng)駕駛 125 6.2.3　應(yīng)用2：醫(yī)學(xué)影像 126 6.2.4　應(yīng)用3：視頻解析 127 6.3　基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分割 128 6.3.1　基于深度學(xué)習(xí)的圖像分割算法 128 6.3.2　深度學(xué)習(xí)在醫(yī)學(xué)影像分割中的應(yīng)用 130 6.3.3　基于深度學(xué)習(xí)的腦部影像分割方法 131 6.3.4　醫(yī)學(xué)圖像分割的應(yīng)用挑戰(zhàn)與實(shí)踐對(duì)策 133 第7章 機(jī)器視覺(jué)的缺陷檢測(cè)技術(shù) 135 7.1　汽車漆面缺陷檢測(cè)技術(shù)與應(yīng)用 136 7.1.1　隧道式缺陷檢測(cè)系統(tǒng) 136 7.1.2　機(jī)器人式缺陷檢測(cè)系統(tǒng) 138 7.1.3　汽車漆面缺陷檢測(cè)算法 138 7.1.4　機(jī)器人式漆面缺陷檢測(cè)系統(tǒng)應(yīng)用案例 140 7.2　玻璃表面缺陷檢測(cè)技術(shù)應(yīng)用 141 7.2.1　傳統(tǒng)玻璃檢測(cè)存在的問(wèn)題 141 7.2.2　玻璃表面缺陷檢測(cè)系統(tǒng)原理 142 7.2.3　機(jī)器視覺(jué)玻璃表面缺陷檢測(cè)技術(shù) 143 7.3　鋰電池缺陷檢測(cè)技術(shù)與應(yīng)用 144 7.3.1　鋰電池缺陷檢測(cè)與定位技術(shù) 144 7.3.2　鋰電池缺陷圖像分類技術(shù) 146 7.3.3　基于Qt Creator的檢測(cè)平臺(tái) 147 第8章 機(jī)器視覺(jué)的行業(yè)實(shí)踐 149 8.1　機(jī)器視覺(jué)在汽車工業(yè)中的應(yīng)用 150 8.1.1　機(jī)器視覺(jué)賦能智能工業(yè) 150 8.1.2　應(yīng)用場(chǎng)景1：特征識(shí)別 151 8.1.3　應(yīng)用場(chǎng)景2：視覺(jué)引導(dǎo) 154 8.1.4　應(yīng)用場(chǎng)景3：尺寸測(cè)量 154 8.2　機(jī)器視覺(jué)在物流領(lǐng)域的應(yīng)用 156 8.2.1　物流條形碼讀取 156 8.2.2　快遞物流自動(dòng)分揀 158 8.2.3　AMR機(jī)器人環(huán)境感知 160 8.2.4　倉(cāng)儲(chǔ)物流中的視覺(jué)應(yīng)用 161 8.2.5　生產(chǎn)物流中的視覺(jué)應(yīng)用 162 8.3　機(jī)器視覺(jué)在農(nóng)業(yè)領(lǐng)域的應(yīng)用 163 8.3.1　機(jī)器視覺(jué)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用 163 8.3.2　機(jī)器視覺(jué)在農(nóng)業(yè)機(jī)械中的應(yīng)用 165 8.3.3　機(jī)器視覺(jué)在農(nóng)業(yè)應(yīng)用中的挑戰(zhàn) 166 參考文獻(xiàn) 168