掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
機器人視覺 版權(quán)信息
- ISBN：9787111770435
- 條形碼：9787111770435 ; 978-7-111-77043-5
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
機器人視覺 本書特色
本書遵循教指委相關(guān)指導(dǎo)文件和高等院校學生學習規(guī)律編寫而成。踐行四新理念，融入思政元素，注重理論與實踐相結(jié)合。
機器人視覺 內(nèi)容簡介
本書以機器人視覺為主題，系統(tǒng)地介紹了該領(lǐng)域的基礎(chǔ)理論、核心技術(shù)以及相關(guān)應(yīng)用與發(fā)展趨勢。本書詳細講解了圖像成像原理、圖像處理技術(shù)、立體視覺、深度估計、視覺特征提取與匹配、視覺定位與建圖、目標識別、目標位姿估計等多個方面的內(nèi)容，不僅為讀者提供了扎實的理論基礎(chǔ)知識，也能幫助其了解*新的技術(shù)進展和應(yīng)用實例。本書圍繞機器人視覺主題，按照理論發(fā)展的順序和知識體系的內(nèi)在邏輯對各個章節(jié)的內(nèi)容進行了嚴謹?shù)木幣牛恳徽录泉毩⒊善峙c其他章的內(nèi)容有機結(jié)合，全書內(nèi)容連貫，邏輯清晰。 本書可作為普通高校機器人、自動化、人工智能、智能制造等專業(yè)的教材，也可作為相關(guān)專業(yè)的工程技術(shù)人員深入了解和掌握機器人視覺技術(shù)的學習資料。無論是對于初學者還是有一定基礎(chǔ)的專業(yè)人士，相信本書都可以成為他們深入了解和掌握機器人視覺技術(shù)的重要工具。 本書配有電子課件、教學大綱、習題答案等教學資源，歡迎選用本書作教材的教師登錄www.cmpedu.com注冊后下載。
機器人視覺機器人視覺 前言
人工智能和機器人等新一代信息技術(shù)正在推動著多個行業(yè)的變革和創(chuàng)新，促進了多個學科的交叉融合，已成為國際競爭的新焦點。《中國制造2025》《“十四五”機器人產(chǎn)業(yè)發(fā)展規(guī)劃》《新一代人工智能發(fā)展規(guī)劃》等國家重大發(fā)展戰(zhàn)略規(guī)劃都強調(diào)人工智能與機器人兩者需深度結(jié)合，需加快發(fā)展機器人技術(shù)與智能系統(tǒng)，推動機器人產(chǎn)業(yè)的不斷轉(zhuǎn)型和升級。開展人工智能與機器人的教材建設(shè)及推動相關(guān)人才培養(yǎng)符合國家重大需求，具有重要的理論意義和應(yīng)用價值。
為全面貫徹黨的二十大精神，深入貫徹落實習近平總書記關(guān)于教育的重要論述，深化新工科建設(shè)，加強高等學校戰(zhàn)略性新興領(lǐng)域卓越工程師培養(yǎng)，根據(jù)《普通高等學校教材管理辦法》（教材〔2019〕3號）有關(guān)要求，經(jīng)決定組織開展戰(zhàn)略性新興領(lǐng)域“十四五”高等教育教材體系建設(shè)工作。
機器人視覺 目錄
第1章?緒論 1
1.1?機器人視覺概述 1
1.1.1?人類視覺的組成與功能 1
1.1.2?機器人視覺的定義 3
1.1.3?機器人視覺的特點與優(yōu)勢 4
1.2?機器人視覺系統(tǒng)組成 5
1.2.1?視覺傳感器 6
1.2.2?光源 7
1.2.3?圖像采集模塊 8
1.2.4?視覺計算模塊 9
1.3?機器人視覺任務(wù)分類 10
1.3.1?空間感知任務(wù) 10
1.3.2?類別感知任務(wù) 11
1.4?機器人視覺的應(yīng)用領(lǐng)域 13
1.4.1?工業(yè)制造 14
1.4.2?智能交通 15
1.4.3?醫(yī)療健康 16
1.4.4?農(nóng)業(yè) 17
1.4.5?安防 18
1.4.6?服務(wù)機器人 19
1.5?機器人視覺未來挑戰(zhàn)與發(fā)展趨勢 20
1.6?本書的內(nèi)容安排 21
習題與思考題 23
參考文獻 23
第2章?相機成像和投影理論 26
2.1?成像原理簡介 26
2.2?相機模型 27
2.3?相機標定 29
2.3.1?棋盤格定義和檢測 30
2.3.2?相機位姿、內(nèi)參和畸變參數(shù)求解 31
2.3.3?非線性優(yōu)化標定 33
2.3.4?工具箱 34
2.4?投影理論 34
2.4.1?平面幾何 35
2.4.2?消失點理論 37
2.4.3?距離測量 39
本章小結(jié) 40
習題與思考題 41
參考文獻 41
第3章?機器人視覺圖像處理基礎(chǔ) 42
3.1?圖像的表示和存儲 42
3.1.1?圖像的基本概念 42
3.1.2?數(shù)字圖像表示 42
3.1.3?圖像的分類 44
3.2?圖像的基本操作 45
3.2.1?圖像變換 46
3.2.2?灰度變換 51
3.3?圖像的濾波和增強 53
3.3.1?圖像的濾波 53
3.3.2?圖像的增強 56
3.4?圖像的檢測與分割 57
3.4.1?圖像的檢測 57
3.4.2?圖像的分割 69
本章小結(jié) 76
習題與思考題 76
參考文獻 77
第4章?雙目視覺和對極幾何 78
4.1?雙目視覺原理 78
4.2?雙目視覺標定 79
4.3?對極幾何及雙目矯正 81
4.3.1?雙目的對極幾何約束 81
4.3.2?基礎(chǔ)矩陣 83
4.3.3?雙目矯正 83
4.4?雙目匹配及深度估計 85
4.4.1?雙目匹配 86
4.4.2?深度估計 88
4.4.3?誤差分析 89
4.5?主動雙目視覺 90
本章小結(jié) 91
習題與思考題 91
參考文獻 92
第5章 特征提取與匹配 93
5.1 視覺特征 93
5.2 特征提取方法 94
5.2.1 角點提取 94
5.2.2 快速計算 96
5.2.3 不變性 98
5.2.4 尺度不變性 99
5.3 特征描述方法 100
5.3.1 主方向 101
5.3.2 尺度不變特征變換 102
5.4 特征的匹配 103
本章小結(jié) 104
習題與思考題 104
參考文獻 105
第6章 機器人位姿估計 106
6.1 機器人位姿估計的概念與數(shù)字表示 106
6.1.1 狀態(tài)估計簡介 106
6.1.2 位姿估計的數(shù)學表示 106
6.2 基于特征點法的視覺里程計 109
6.2.1 基于對極幾何的2D-2D位姿求解 109
6.2.2 基于PnP的2D-3D位姿求解 113
6.2.3 基于ICP的3D-3D位姿求解 117
6.3 基于直接法的視覺里程計 119
6.3.1 光流估計 120
6.3.2 直接法求解機器人位姿 122
6.4 關(guān)鍵幀的概念及其選取策略 124
6.4.1 關(guān)鍵幀的概念 124
6.4.2 關(guān)鍵幀選取策略 125
本章小結(jié) 126
習題與思考題 127
參考文獻 127
第7章 機器人視覺同時定位與建圖 128
7.1 SLAM概述 128
7.1.1 SLAM的概念與分類 128
7.1.2 經(jīng)典視覺SLAM算法框架 129
7.2 前端設(shè)計方案 131
7.2.1 傳感器選型 131
7.2.2 里程計估計方法 132
7.3 后端優(yōu)化方法 132
7.3.1 濾波器方法 133
7.3.2 圖優(yōu)化方法 136
7.4 閉環(huán)檢測 139
7.4.1 閉環(huán)檢測的概念與意義 139
7.4.2 詞袋模型 139
7.4.3 相似度計算 141
7.5 全局地圖構(gòu)建與表示 144
7.5.1 面向機器人應(yīng)用的地圖表達與存儲 144
7.5.2 典型地圖表示方法 146
本章小結(jié) 148
習題與思考題 148
參考文獻 148
第8章 機器人目標識別 150
8.1 目標識別的基本任務(wù)和分類 150
8.2 目標分類方法 150
8.2.1 基于聚類的方法 151
8.2.2 基于機器學習的算法 154
8.2.3 基于深度學習的算法 158
8.3 目標檢測方法 163
8.3.1 兩階段檢測 163
8.3.2 一階段檢測 167
8.4 目標分割方法 173
8.4.1 全卷積網(wǎng)絡(luò) 173
8.4.2 U-Net網(wǎng)絡(luò) 175
8.4.3 SegNet網(wǎng)絡(luò) 176
8.4.4 DeepLab系列 177
8.4.5 PSPNet網(wǎng)絡(luò) 179
8.4.6 Transformer 180
本章小結(jié) 185
習題與思考題 186
參考文獻 186
第9章 機器人目標位姿估計 188
9.1 面向抓取的目標位姿估計應(yīng)用背景 188
9.1.1 工業(yè)場景 188
9.1.2 家用場景 189
9.1.3 目標位姿估計技術(shù)難點 189
9.2 目標3D位姿表示與描述 191
9.2.1 變換矩陣 191
9.2.2 歐拉角與四元數(shù) 192
9.2.3 評價指標 194
9.3 目標位姿估計方法分類 196
9.3.1 基于特征點匹配的目標位姿估計 196
9.3.2 基于深度學習的目標位姿估計 198
9.4 基于深度學習的3D目標位姿估計 198
9.4.1 基于深度學習的非端到端目標位姿估計 199
9.4.2 基于深度學習的端到端目標位姿估計 202
9.4.3 發(fā)展趨勢 204
本章小結(jié) 206
習題與思考題 207
參考文獻 207
1.1?機器人視覺概述 1
1.1.1?人類視覺的組成與功能 1
1.1.2?機器人視覺的定義 3
1.1.3?機器人視覺的特點與優(yōu)勢 4
1.2?機器人視覺系統(tǒng)組成 5
1.2.1?視覺傳感器 6
1.2.2?光源 7
1.2.3?圖像采集模塊 8
1.2.4?視覺計算模塊 9
1.3?機器人視覺任務(wù)分類 10
1.3.1?空間感知任務(wù) 10
1.3.2?類別感知任務(wù) 11
1.4?機器人視覺的應(yīng)用領(lǐng)域 13
1.4.1?工業(yè)制造 14
1.4.2?智能交通 15
1.4.3?醫(yī)療健康 16
1.4.4?農(nóng)業(yè) 17
1.4.5?安防 18
1.4.6?服務(wù)機器人 19
1.5?機器人視覺未來挑戰(zhàn)與發(fā)展趨勢 20
1.6?本書的內(nèi)容安排 21
習題與思考題 23
參考文獻 23
第2章?相機成像和投影理論 26
2.1?成像原理簡介 26
2.2?相機模型 27
2.3?相機標定 29
2.3.1?棋盤格定義和檢測 30
2.3.2?相機位姿、內(nèi)參和畸變參數(shù)求解 31
2.3.3?非線性優(yōu)化標定 33
2.3.4?工具箱 34
2.4?投影理論 34
2.4.1?平面幾何 35
2.4.2?消失點理論 37
2.4.3?距離測量 39
本章小結(jié) 40
習題與思考題 41
參考文獻 41
第3章?機器人視覺圖像處理基礎(chǔ) 42
3.1?圖像的表示和存儲 42
3.1.1?圖像的基本概念 42
3.1.2?數(shù)字圖像表示 42
3.1.3?圖像的分類 44
3.2?圖像的基本操作 45
3.2.1?圖像變換 46
3.2.2?灰度變換 51
3.3?圖像的濾波和增強 53
3.3.1?圖像的濾波 53
3.3.2?圖像的增強 56
3.4?圖像的檢測與分割 57
3.4.1?圖像的檢測 57
3.4.2?圖像的分割 69
本章小結(jié) 76
習題與思考題 76
參考文獻 77
第4章?雙目視覺和對極幾何 78
4.1?雙目視覺原理 78
4.2?雙目視覺標定 79
4.3?對極幾何及雙目矯正 81
4.3.1?雙目的對極幾何約束 81
4.3.2?基礎(chǔ)矩陣 83
4.3.3?雙目矯正 83
4.4?雙目匹配及深度估計 85
4.4.1?雙目匹配 86
4.4.2?深度估計 88
4.4.3?誤差分析 89
4.5?主動雙目視覺 90
本章小結(jié) 91
習題與思考題 91
參考文獻 92
第5章 特征提取與匹配 93
5.1 視覺特征 93
5.2 特征提取方法 94
5.2.1 角點提取 94
5.2.2 快速計算 96
5.2.3 不變性 98
5.2.4 尺度不變性 99
5.3 特征描述方法 100
5.3.1 主方向 101
5.3.2 尺度不變特征變換 102
5.4 特征的匹配 103
本章小結(jié) 104
習題與思考題 104
參考文獻 105
第6章 機器人位姿估計 106
6.1 機器人位姿估計的概念與數(shù)字表示 106
6.1.1 狀態(tài)估計簡介 106
6.1.2 位姿估計的數(shù)學表示 106
6.2 基于特征點法的視覺里程計 109
6.2.1 基于對極幾何的2D-2D位姿求解 109
6.2.2 基于PnP的2D-3D位姿求解 113
6.2.3 基于ICP的3D-3D位姿求解 117
6.3 基于直接法的視覺里程計 119
6.3.1 光流估計 120
6.3.2 直接法求解機器人位姿 122
6.4 關(guān)鍵幀的概念及其選取策略 124
6.4.1 關(guān)鍵幀的概念 124
6.4.2 關(guān)鍵幀選取策略 125
本章小結(jié) 126
習題與思考題 127
參考文獻 127
第7章 機器人視覺同時定位與建圖 128
7.1 SLAM概述 128
7.1.1 SLAM的概念與分類 128
7.1.2 經(jīng)典視覺SLAM算法框架 129
7.2 前端設(shè)計方案 131
7.2.1 傳感器選型 131
7.2.2 里程計估計方法 132
7.3 后端優(yōu)化方法 132
7.3.1 濾波器方法 133
7.3.2 圖優(yōu)化方法 136
7.4 閉環(huán)檢測 139
7.4.1 閉環(huán)檢測的概念與意義 139
7.4.2 詞袋模型 139
7.4.3 相似度計算 141
7.5 全局地圖構(gòu)建與表示 144
7.5.1 面向機器人應(yīng)用的地圖表達與存儲 144
7.5.2 典型地圖表示方法 146
本章小結(jié) 148
習題與思考題 148
參考文獻 148
第8章 機器人目標識別 150
8.1 目標識別的基本任務(wù)和分類 150
8.2 目標分類方法 150
8.2.1 基于聚類的方法 151
8.2.2 基于機器學習的算法 154
8.2.3 基于深度學習的算法 158
8.3 目標檢測方法 163
8.3.1 兩階段檢測 163
8.3.2 一階段檢測 167
8.4 目標分割方法 173
8.4.1 全卷積網(wǎng)絡(luò) 173
8.4.2 U-Net網(wǎng)絡(luò) 175
8.4.3 SegNet網(wǎng)絡(luò) 176
8.4.4 DeepLab系列 177
8.4.5 PSPNet網(wǎng)絡(luò) 179
8.4.6 Transformer 180
本章小結(jié) 185
習題與思考題 186
參考文獻 186
第9章 機器人目標位姿估計 188
9.1 面向抓取的目標位姿估計應(yīng)用背景 188
9.1.1 工業(yè)場景 188
9.1.2 家用場景 189
9.1.3 目標位姿估計技術(shù)難點 189
9.2 目標3D位姿表示與描述 191
9.2.1 變換矩陣 191
9.2.2 歐拉角與四元數(shù) 192
9.2.3 評價指標 194
9.3 目標位姿估計方法分類 196
9.3.1 基于特征點匹配的目標位姿估計 196
9.3.2 基于深度學習的目標位姿估計 198
9.4 基于深度學習的3D目標位姿估計 198
9.4.1 基于深度學習的非端到端目標位姿估計 199
9.4.2 基于深度學習的端到端目標位姿估計 202
9.4.3 發(fā)展趨勢 204
本章小結(jié) 206
習題與思考題 207
參考文獻 207
展開全部
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
羅曼·羅蘭讀書隨筆-精裝
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
朝聞道
- >
月亮虎
- >
詩經(jīng)-先民的歌唱
- >
羅庸西南聯(lián)大授課錄
- >
有舍有得是人生
本類暢銷
