《裝卸機(jī)器視覺及其應(yīng)用》系統(tǒng)闡述了自動(dòng)化集裝箱碼頭自主裝卸的多源機(jī)器視覺的處理特點(diǎn)和幾種圖像融合理解的模型框架。全書主要針對裝卸機(jī)器視覺的各個(gè)層次展開闡述，從視覺數(shù)據(jù)采集方式，到數(shù)據(jù)處理與識(shí)別算法，再到模式識(shí)別算法逐級(jí)深入。在《裝卸機(jī)器視覺及其應(yīng)用》的最后，以案例形式講解了裝卸機(jī)器視覺在港口自動(dòng)化方面的具體應(yīng)用。全書主要圍繞裝卸機(jī)器視覺常用的兩類視覺形式——圖像與三維激光點(diǎn)云的相關(guān)知識(shí)進(jìn)行闡述，并講述了模式識(shí)別人工智能方面的入門知識(shí)和綜合應(yīng)用案例，可為廣大從事裝卸機(jī)器視覺工作和學(xué)習(xí)的讀者提供相關(guān)的技術(shù)參考。
第1章緒論
1.1機(jī)器視覺概述
1.2裝卸機(jī)器視覺的應(yīng)用
1.3裝卸機(jī)器視覺研究現(xiàn)狀
第2章圖像成像與數(shù)據(jù)采集
2.1常見圖像傳感器原理與結(jié)構(gòu)
2.2圖像傳感器的性能特點(diǎn)和選型
2.3圖像傳感器的通信及計(jì)算機(jī)接口
2.4圖像數(shù)據(jù)結(jié)構(gòu)與編碼方式
第3章圖像處理與識(shí)別算法
3.1圖像增強(qiáng)算法
3.1.1灰度級(jí)修正
3.1.2平滑空間濾波
3.1.3銳化空間濾波
3.2圖像的幾何運(yùn)算
3.2.1灰度級(jí)插值
3.2.2空間變換
3.3圖像分割算法
3.3.1基于閾值的分割方法
3.3.2基于區(qū)域的分割方法
3.3.3基于邊緣的分割方法
3.4圖像形態(tài)學(xué)與幾何形狀識(shí)別算法
3.4.1圖像形態(tài)學(xué)
3.4.2幾何形狀識(shí)別
第4章激光點(diǎn)云成像與數(shù)據(jù)采集
4.1常見激光點(diǎn)云傳感器原理與結(jié)構(gòu)
4.2二維激光雷達(dá)的性能特點(diǎn)與選型說明
4.3二維激光雷達(dá)的通信及計(jì)算機(jī)接口
4.4二維激光雷達(dá)點(diǎn)云數(shù)據(jù)結(jié)構(gòu)與編碼方式
第5章激光點(diǎn)云處理與識(shí)別算法
5.1激光點(diǎn)云濾波與降噪算法
5.1.1激光點(diǎn)云濾波與降噪算法概述
5.1.2有序點(diǎn)云數(shù)據(jù)濾波算法
5.1.3無序點(diǎn)云濾波算法
5.2激光點(diǎn)云修補(bǔ)與增強(qiáng)算法
5.2.1點(diǎn)云修補(bǔ)算法
5.2.2點(diǎn)云增強(qiáng)算法
5.3激光點(diǎn)云形態(tài)學(xué)與形狀擬合算法
5.3.1點(diǎn)云拼接算法
5.3.2點(diǎn)云擬合算法
第6章機(jī)器視覺模式識(shí)別模型與算法
6.1機(jī)器視覺特征提取算法
6.1.1顏色灰度特征
6.1.2紋理特征
6.1.3形狀輪廓特征
6.1.4空間關(guān)系特征
6.2圖像識(shí)別常用分類器算法
6.2.1樸素貝葉斯分類
6.2.2支持向量機(jī)
6.2.3AdaBoost
6.2.4人工神經(jīng)網(wǎng)絡(luò)
6.2.5深度學(xué)習(xí)
6.3聚類算法
6.3.1聚類算法基本概念
6.3.2相似性度量
6.3.3聚類準(zhǔn)則
6.3.4聚類算法
第7章裝卸機(jī)器視覺應(yīng)用案例
7.1基于圖像的集裝箱箱號(hào)識(shí)別
7.1.1圖像預(yù)處理
7.1.2箱號(hào)定位
7.1.3字符分割
7.1.4字符識(shí)別
7.2基于圖像的集裝箱鎖孔識(shí)別案例
7.2.1預(yù)處理
7.2.2圖像分割
7.2.3特征提取與識(shí)別
7.3基于圖像的散貨堆場人形識(shí)別案例
7.3.1HOG優(yōu)化算法
7.3.2支持向量機(jī)
7.3.3多尺度檢測融合算法
7.4基于激光雷達(dá)的散貨船艙特征識(shí)別
7.4.1點(diǎn)云數(shù)據(jù)采集
7.4.2船型表面三維重建
7.4.3船舶三維模型平面化
7.4.4散貨船艙特征提取
參考文獻(xiàn)
書單推薦
