第1章 緒論
1.1 機器視覺概述
1.2 裝卸機器視覺的應用
1.3 裝卸機器視覺研究現狀
第2章 圖像成像與數據采集
2.1 常見圖像傳感器原理與結構
2.2 圖像傳感器的性能特點和選型
2.3 圖像傳感器的通信及計算機接口
2.4 圖像數據結構與編碼方式
第3章 圖像處理與識別算法
3.1 圖像增強算法
3.1.1 灰度級修正
3.1.2 平滑空間濾波
3.1.3 銳化空間濾波
3.2 圖像的幾何運算
3.2.1 灰度級插值
3.2.2 空間變換
3.3 圖像分割算法
3.3.1 基於閾值的分割方法
3.3.2 基於區域的分割方法
3.3.3 基於邊緣的分割方法
3.4 圖像形態學與幾何形狀識別算法
3.4.1 圖像形態學
3.4.2 幾何形狀識別
第4章 激光點雲成像與數據采集
4.1 常見激光點雲傳感器原理與結構
4.2 二維激光雷達的性能特點與選型說明
4.3 二維激光雷達的通信及計算機接口
4.4 二維激光雷達點雲數據結構與編碼方式
第5章 激光點雲處理與識別算法
5.1 激光點雲濾波與降噪算法
5.1.1 激光點雲濾波與降噪算法概述
5.1.2 有序點雲數據濾波算法
5.1.3 無序點雲濾波算法
5.2 激光點雲修補與增強算法
5.2.1 點雲修補算法
5.2.2 點雲增強算法
5.3 激光點雲形態學與形狀擬合算法
5.3.1 點雲拼接算法
5.3.2 點雲擬合算法
第6章 機器視覺模式識別模型與算法
6.1 機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 空間關系特征
6.2 圖像識別常用分類器算法
6.2.1 朴素貝葉斯分類
6.2.2 支持向量機
6.2.3 AdaBoost
6.2.4 人工神經網絡
6.2.5 深度學習
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 聚類准則
6.3.4 聚類算法
第7章 裝卸機器視覺應用案例
7.1 基於圖像的集裝箱箱號識別
7.1.1 圖像預處理
7.1.2 箱號定位
7.1.3 字符分割
7.1.4 字符識別
7.2 基於圖像的集裝箱鎖孔識別案例
7.2.1 預處理
7.2.2 圖像分割
7.2.3 特征提取與識別
7.3 基於圖像的散貨堆場人形識別案例
7.3.1 HOG優化算法
7.3.2 支持向量機
7.3.3 多尺度檢測融合算法
7.4 基於激光雷達的散貨船艙特征識別
7.4.1 點雲數據采集
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
