《机器人视觉技术》求取 ⇩

目录1

第一章　引论1

1.1　机器人和机器人视觉1

1.2　机器人视觉技术6

1.3　机器人视觉技术的应用9

第二章　机器人视觉系统14

2.1　机器人视觉系统的组成14

2.2　景物和距离传感器16

2.2.1　电视摄像机17

2.2.2　CCD像感器35

2.2.3　超声波传感器54

2.3　视觉信号数字化技术64

2.3.1　视频信号数字化技术的作用64

2.3.2　黑白视频信号数字化仪的原理和设计65

2.3.3　彩色视频信号数字化技术77

2.3.4　数字式彩色电视解码电路在视频信号数字化82

技术中的应用82

2.4.1　视频数字信号快速处理器的作用94

2.4　视频数字信号快速处理器94

2.4.2　基于DSP的视频信号快速处理器97

2.4.3　流水线结构的图像处理机106

2.4.4　混合型视觉计算机112

2.5 几种商业通用视觉系统简介118

2.5.1　VS-100和OMS视觉系统118

2.5.2　PUMA260和BLOB-1视觉演示系统123

3.1 引言131

3.2　图像的生成131

第三章　图像的生成和变换131

3.2.1　透视投影132

3.2.2　正交投影133

3.3 图像模型134

3.3.1 图像函数134

3.3.2　成像几何135

3.3.3　辐射模型139

3.3.4　彩色图像模型140

3.3.5　数字图像145

3.4.1　图像变换的一般公式156

3.4 离散二维图像的正交变换156

3.4.2　离散傅里叶变换162

3.4.3　离散余弦变换193

3.4.4　离散沃尔什变换219

3.4.5　离散K—L变换234

第四章　图像的预处理242

4.1 用直方图修改技术进行图像增强242

4.1.1　灰度直方图242

4.1.2　直方图均衡化处理技术244

4.1.3　直方图规定化处理技术251

4.2 图像的平滑255

4.2.1　邻域平均法255

4.2.2　模板法257

4.2.3　中值滤波258

4.2.4　多图像平均法261

4.2.5　低通滤波262

4.3 图像的锐化268

4.3.1　微分尖锐化268

4.3.2　高通滤波273

4.4 图像的同态滤波处理276

4.5　伪彩色图像处理278

4.5.1　密度分层技术278

4.5.2　灰度到彩色的映射变换280

4.5.3　滤波法280

第五章　分割283

5.1 灰度级阈值法283

5.1.1　像素分类283

5.1.2　阈值选择286

5.1.3　颜色分割290

5.2　边缘检测291

5.2.1　差分边缘检测292

5.2.2　梯度边缘检测294

5.2.3　拉普拉斯算子边缘检测297

5.2.4　二阶差分边缘检测299

5.2.5　检测给定形状的曲线——Hough变换300

5.2.6　利用图论方法进行边缘检测306

5.3　边缘匹配与拟合310

5.3.1　掩模板匹配311

5.3.2　阶跃匹配313

5.3.3　斜面和曲面拟合318

5.4　跟踪和增长321

5.4.1　边界跟踪321

5.4.2　区域跟踪与增长327

5.5　迭代分割—松弛法332

5.5.1　概率松弛法332

5.5.2　模糊松弛法343

5.5.3　离散松弛法347

5.6　运动分割349

5.6.1　基本方法350

5.6.2　累计差351

5.6.3　建立参考图像354

第六章　描述356

6.1 表示356

6.1.1　行程码和二叉树357

6.1.2　中轴变换和4叉树360

6.1.3　三维物体表示362

6.1.4　近似表示367

6.2　二值图像的几何特性369

6.2.1　二值图像369

6.2.2　简单的几何特性370

6.2.3　离散二值图像379

6.3　二值图像的拓扑特性379

6.3.1　多个物体379

6.3.2　局部计算和迭代修改387

6.4　边界描述399

6.4.1　链码和隙码跟踪399

6.4.2　特征图404

6.4.3　多边形近似406

6.4.4　形状数410

6.5　域描述符413

6.5.1　某些简单的域描述符413

6.5.2　纹理419

6.5.3　扩展和收缩423

6.5.4　细化和骨架425

6.5.5　线性特征描述——不变距430

7.1 引言433

第七章 识别433

7.2　决策理论方法436

7.2.1　最近邻域分类法437

7.2.2　最近重心分类法439

7.2.3　利用概率密度模型进行分类441

7.2.4　不同形状聚集区域的分类法442

7.3 结构方法444

7.3.1　匹配形状数444

7.3.2　串匹配446

7.3.3　句法方法449

第八章　图像的知识表达和使用456

8.1 引言456

8.2　语义网络457

8.2.1　语义网络表达方法简介457

8.2.2　语义网络的应用462

8.2.3　语义网络推理466

8.2.4　连接词在语义网络中的表示法471

8.3.1　框架表示方法简介474

8.3 框架474

8.3.2　框架推理478

8.4 匹配479

8.4.1　图匹配及其应用481

8.4.2　图匹配算法484

8.4.3　实践中的匹配488

第九章　基于CAD模型的多传感器视觉系统（CMMS）491

9.1 引言491

（CMMS）的系统结构494

9.2 基于CAD模型的多传感器视觉系统494

9.3　视觉建模子系统497

9.3.1　视觉建模子系统总体框图497

9.3.2　三维物体的表示500

9.3.3　扩展高斯图像507

9.3.4　物体稳定位置的计算517

9.3.5　主特征选择与匹配策略的生成524

9.4　多传感器信息处理子系统535

9.4.1　多视角图像投影三维信息的获取536

9.4.2　基于预测的物体识别和定位540