机器视觉与传感器技术

本书基于OpenCV框架和机器人系统中的传感器技术，用通俗易懂的语言深入浅出地介绍了图像识别和传感器的工作原理，此外书中相关算法和实例均配有相应的代码程序。

 

本书基于OpenCV框架和机器人系统中的传感器技术，用通俗易懂的语言深入浅出地介绍了图像识别和传感器的工作原理，包括传统的图像处理方法原理、目前流行的OpenCV的使用方法和典型传感器的原理及应用。书中配有丰富的图片、公式和表格来帮助读者更好地理解相关知识点，并且给出了具有代表性的实际应用案例来辅助读者进行学习。此外，书中相关算法和实例均配有相应的代码程序。全书分两部分：第一部分(第1～6章)为机器视觉部分，内容包括机器视觉概论、OpenCV使用环境配置、OpenCV入门实例、图像处理和识别技术、单目和双目视觉系统；第二部分(第7～12章)为传感器技术部分，内容包括传感器技术概论、机器人姿态感知传感器、机器人环境感知传感器、适用于机器人的典型传感器、MEMS惯性传感器以及MINS/GPS/GM组合导航原理及误差分析。全书提供了充足的应用实例，同时在每章的最后附有课后习题。本书原理与实践并重，易于理解且可操作性强，适合机器视觉方向的初学者、大学生、研究人员和开发人员使用，也可作为高等院校计算机、软件工程、电子工程等相关专业本科生、研究生的教材，还可供机器视觉、图像处理、机器人等领域从事项目开发、科学研究的人员参考。

邢博闻，男，汉族，中共党员，1989年3月生，上海海洋大学工程学院副教授，硕士生导师，机器人工程专业负责人，控制理论与控制工程专业博士，2018年入选上海市青年科技英才扬帆计划，主要从事机器人控制、海洋环境监测等领域科研，在相关领域主持省部级科研项目3项、重点实验室开放课题2项、涉海科研院所及职能部门委托课题6项，期间发表SCI/EI检索论文二十余篇；申请发明专利三十余件，18件获国家授权；授权国际专利5件，第一完成人获上海海洋科学技术进步奖二等奖、国际工业博览会高校展区优秀展品奖一等奖等荣誉近十项。

第1章机器视觉(1)

1.1概述(1)

1.2机器视觉的作用(1)

1.3机器视觉在智慧城市的应用(3)

1.4机器视觉的硬件构成(4)

1.5机器视觉与5G的协同效应(6)

1.6机器视觉、机器人和智能装备(7)

课后习题(8)

第2章OpenCV图像处理(9)

2.1概述(9)

2.2OpenCV介绍(9)

2.3OpenCV下载及安装(10)

2.4OpenCV图像处理基础(14)

课后习题(27)

第3章OpenCV入门实例(28)

3.1概述(28)

3.2准备工作(28)

3.3OpenCV实例讲解(29)

课后习题(34)

第4章图像处理与识别(35)

4.1概述(35)

4.2OpenCV图像增强(35)

4.3OpenCV图像边缘检测(43)

4.4OpenCV分类器的训练(48)

课后习题(52)

第5章单目视觉(53)

5.1概述(53)

5.2单目视觉系统的硬件组成(53)

5.3摄像机模型(54)

5.4摄像机标定(57)

5.5标定尺检测(58)

5.6结果分析(62)

5.7标识点扫描与检测(63)

课后习题(66)

第6章双目视觉(67)

6.1概述(67)

6.2双目视觉系统的结构(67)

6.3摄像机标定(70)

6.4标定测量(74)

课后习题(77)

第7章传感器技术概论(78)

7.1概述(78)

7.2传感器的基本知识(78)

7.3传感器命名方法(80)

7.4传感器的标定与特性(82)

7.5典型的机器人传感器(87)

7.6传感器技术的发展(89)

课后习题(92)

机器视觉与传感器技术目录第8章机器人姿态感知传感器(93)

8.1概述(93)

8.2位置传感器(93)

8.3速度传感器(98)

8.4加速度传感器(99)

8.5倾角传感器(101)

8.6MEMS传感器(104)

课后习题(105)

第9章机器人环境感知传感器(106)

9.1概述(106)

9.2光电传感器(106)

9.3超声波传感器(116)

9.4激光雷达(119)

课后习题(123)

第10章机器人搭载的典型传感器(124)

10.1概述(124)

10.2工业机器人作业检测传感器(124)

10.3服务机器人环境检测传感器(129)

课后习题(134)

第11章MEMS惯性传感器(135)

11.1概述(135)

11.2导航技术分析(135)

11.3国内外研究现状及趋势(136)

11.4MINS/GPS/GM组合导航系统研究现状及趋势(139)

11.5组合导航滤波算法研究现状及趋势(141)

课后习题(141)

第12章MINS/GPS/GM组合

导航原理及误差分析(142)

12.1概述(142)

12.2SINS导航原理及误差分析(142)

12.3GPS导航原理及误差分析(153)

12.4GM导航原理及误差分析(155)

12.5MINS/GPS/GM组合导航基本原理(160)

课后习题(162)

参考文献(163) 

在人工智能时代，机器视觉技术日新月异，现在已经成为图像处理领域中一个热门的研究方向，也是人工智能技术的一个重要组成部分。机器视觉的出现不仅推动了图像处理技术的发展，还促进了人工智能技术的革新，相关技术已经成功应用在数据处理、目标识别分类、工业生产等领域，具有巨大的发展潜力和价值。OpenCV作为机器视觉技术的重要工具，自推出后得到了广泛的应用。无论是工业界还是工程研究人员，使用OpenCV进行机器视觉的研究和开发均已经成为主流。随着科技的发展，机器人技术也逐渐在人们的生活中占据越来越重要的地位，从传统的工业生产机器人到现在的扫地机器人，机器人技术的应用场景变得更加灵活多样，使生产生活更加便捷。对机器人系统来说，实现环境感知、姿态感知，完成自身作业任务都需要传感器技术的参与。传感器技术是机器人系统检测环境、采集数据不可缺少的部分，因此现在也有非常多的企业和研究机构对机器人的传感器技术进行研究。本书总结了笔者使用OpenCV进行机器视觉开发和学习的成果，其中循序渐进地介绍了OpenCV进行机器视觉开发中的重要概念、术语，对OpenCV在图像平滑、形态学处理、图像增强、边缘检测等领域的应用进行了深入浅出的探索，同时扩展性地介绍了单目和双目视觉测量的相关知识。本书除了讲述机器视觉的理论知识与应用技术外，还精心准备了相关的研究实例，目的在于帮助读者在学习OpenCV的过程中快速领悟其原理。本书理论实践并举，易于理解且可操作性强，对于初学者和正在使用OpenCV进行深度学习的大学生、研究生或开发人员，可作为快速上手OpenCV的指南。同时基于对机器人系统的研究经验，本书对机器人中所常用的传感器种类和工作原理进行了详细的介绍和分析，从任务需求的角度出发，帮助读者准确认识不同传感器的特点和应用场景。此外，本书还准备了相关的课后习题来帮助读者巩固并加强学习基础和效果。本书共12章，各章内容概述如下：第1章介绍机器视觉的作用和硬件构成，分析了机器视觉与5G的协同效应以及应用机器视觉技术的智能设备。第2章介绍OpenCV的基本信息和下载安装步骤，以及如何使用OpenCV进行基础的图像处理。第3章介绍OpenCV的入门实例，包括图像阈值化、图像平滑和形态学处理。第4章介绍图像处理与识别技术，包括使用OpenCV实现图像增强、图像边缘检测和分类器训练。第5章介绍单目视觉系统的硬件组成、摄像机模型、摄像机标定、标定尺检测等。第6章介绍双目视觉系统的结构、摄像机标定和标定测量方法。第7章为传感器技术概论，包括传感器的基本知识、命名方法、典型实例和发展历程。第8章介绍了几种常见的机器人姿态感知传感器，包括位置传感器、速度传感器、加速度传感器、倾角传感器和MEMS传感器。第9章介绍机器人环境感知传感器，包括光电传感器、超声波传感器和激光雷达。第10章介绍工业机器人和服务机器人所搭载的典型传感器。第11章介绍了MEMS惯性传感器、组合导航系统及其滤波算法的研究现状和发展趋势。第12章介绍SINS、GPS、GM的导航原理和误差分析，并对基于这几种导航方法的组合导航基本原理进行了研究。本书是一本综合介绍机器视觉和传感器技术的入门书，从基本概念入手讲解，语言通俗，图文并茂，非常易于理解。在讲解对应内容的基础知识后，辅以实操案例，帮助读者准确理解。对相关的程序示例也进行了详细说明。本书的内容较为丰富，有助于读者在学习OpenCV的基础上广泛了解机器视觉在更多领域的实现和应用，对机器人系统典型传感器的基础知识和原理建立一个清晰的认知体系，了解传感器技术的种类、发展历史和研究现状。本书提供了相关案例的源码文件，可方便读者参考练习。机器视觉和传感器技术都是发展快速、多学科交叉的研究领域，在其理论及应用方面均存在大量尚未解决的问题。由于笔者的水平有限，书中难免有不妥和错误之处，敬请同行专家和读者指正。编者 2023年5月