本书全面系统地介绍了机器视觉的基础理论、关键技术和典型应用。全书从机器视觉的基本概念和发展趋势入手，详细阐述了视觉系统的硬件组成与选型原则，包括光源、相机和镜头的设计方法；在算法层面，既涵盖传统的图像预处理、特征提取与目标识别技术，又深入探讨了基于深度学习的目标检测、语义分割等前沿方法，并介绍了三维视觉中的核心算法；同时，通过路面病害检测、工厂智能监控和无人机视觉导航三个典型应用案例，展示了机器视觉技术的实际应用价值。
本书适合机器视觉相关领域工程技术人员阅读学习，也可供自动化、计算机科学与技术等相关专业的高校师生参考。

第1章 机器视觉概述 001
1.1 机器视觉的概念 002
1.2 机器视觉的研究与应用现状 004
1.3 机器视觉的发展趋势 005

第2章 机器视觉系统硬件总体设计 006
2.1 机器视觉系统成像模型 007
2.1.1 重合模型 007
2.1.2 分离模型 011
2.2 机器视觉系统成像参数设计 014
2.3 机器视觉系统硬件组成 016
2.3.1 照明设备 017
2.3.2 镜头 018
2.3.3 图像传感器 018
2.3.4 通信模块 019
2.4 机器视觉系统分类及选用 019
2.4.1 一维机器视觉系统 019
2.4.2 二维机器视觉系统 019
2.4.3 三维机器视觉系统 020

第3章 机器视觉系统光源的选用 022
3.1 光源的作用、分类和照明方式 023
3.1.1 光源的作用 023
3.1.2 光源的分类 024
3.1.3 光源的照明方式 032
3.2 常见的机器视觉光源及适用条件 034
3.2.1 点光源 034
3.2.2 线光源 035
3.2.3 AOI 光源 037
3.2.4 局部可调光源 038
3.2.5 低角度光源 039
3.2.6 多角度光源 040
3.2.7 结构光源 041
3.3 机器视觉系统光源的选用原则 042
3.4 机器视觉光源控制器的选用 043

第4章 机器视觉系统相机的选型 045
4.1 机器视觉系统相机的作用、分类和参数 046
4.1.1 相机的作用 046
4.1.2 相机的分类 046
4.1.3 相机的参数 048
4.2 机器视觉系统相机的选型方法 052

第5章 机器视觉系统镜头的选型 055
5.1 机器视觉系统镜头的作用、分类和参数 056
5.1.1 镜头的作用 056
5.1.2 镜头的分类 057
5.1.3 镜头的参数 063
5.2 机器视觉系统镜头的选型方法 070
5.3 机器视觉系统镜头的配件及选用 073

第6章 机器视觉系统预处理算法 077
6.1 相机标定与手眼标定算法 078
6.1.1 相机标定基础 078
6.1.2 相机标定方法 079
6.1.3 手眼标定方法 084
6.2 机器视觉系统的成像失真校正算法 086
6.2.1 几何失真校正 086
6.2.2 应用实例——圆柱曲面透视投影失真的图像校正 089
6.3 机器视觉系统的图像增强算法 095
6.3.1 灰度映射 095
6.3.2 直方图修正 096
6.3.3 应用实例——细节增强的多曝光图像融合方法 099

第7章 传统图像处理目标识别算法 104
7.1 特征点提取与匹配算法 105
7.1.1 斑点提取 105
7.1.2 角点提取 110
7.1.3 特征点匹配 112
7.2 边缘特征提取算法 118
7.3 传统图像分割算法 121
7.3.1 阈值处理 121
7.3.2 区域分割法 122
7.3.3 形态学分水岭分割法 124
7.3.4 使用聚类和超像素的区域分割 128
7.4 形状检测与识别算法 131
7.4.1 线段的检测 131
7.4.2 圆形的检测 133
7.4.3 矩形的检测 134

第8章 深度学习目标识别方法 138
8.1 深度学习目标检测 139
8.1.1 引言 139
8.1.2 深度学习 139
8.1.3 两阶段目标检测方法 145
8.1.4 单阶段目标检测方法 148
8.2 语义分割与实例分割 151
8.2.1 语义分割 151
8.2.2 实例分割 157
8.3 改善深度学习识别效果的方法 160
8.3.1 数据 160
8.3.2 模型选择 162
8.3.3 超参数 163
8.3.4 其他优化方法 164

第9章 三维重建算法 167
9.1 双目立体视觉 168
9.1.1 双目视觉系统 168
9.1.2 视差 168
9.1.3 双目系统测距基本原理 169
9.1.4 双目系统的运作流程 169
9.2 结构光三维视觉 170
9.2.1 线结构光三维重建 170
9.2.2 面结构光三维重建 172
9.3 多聚焦三维重建 173
9.3.1 聚焦形貌恢复 173
9.3.2 离焦形貌恢复 179

第10章 面向公路养护的路面病害检测应用 181
10.1 应用背景简介 182
10.2 基于传统图像处理的路面病害检测方法 182
10.2.1 基于边缘检测的病害检测算法 183
10.2.2 基于阈值分割的病害检测算法 185
10.2.3 基于区域生长的病害检测算法 187
10.2.4 基于小波变换的病害检测算法 188
10.2.5 应用实例——基于车道区域及车道线区域提取的路面病害检测算法 189
10.3 基于深度学习的路面病害检测方法 197
10.3.1 基于目标检测的方法 197
10.3.2 基于语义分割的方法 198
10.3.3 应用实例1——基于语义分割的路面病害检测模型 199
10.3.4 应用实例2——基于改进YOLOv5的路面裂缝检测方法 205
10.3.5 应用实例3——采用多尺度特征增强的路面病害检测模型 207

第11章 工厂人员作业规范智能监控应用 212
11.1 应用背景简介 213
11.2 作业区域人员穿戴规范识别 214
11.2.1 穿戴规范识别的技术原理 214
11.2.2 常用穿戴规范的识别方法 216
11.3 作业区域人员行为规范识别 216
11.3.1 行为规范识别的技术原理 216
11.3.2 应用实例——基于ASW-YOLO 的香烟小目标检测算法 218

第12章 基于视觉的无人机沿道路中央自主飞行控制应用 223
12.1 应用背景简介 224
12.2 基于视觉的无人机沿道路飞行横向定位方法 225
12.2.1 路面区域识别方法 225
12.2.2 无人机横向定位方法 228
12.3 无人机沿道路中央飞行控制 229
12.3.1 横向与高度PID 控制 230
12.3.2 旋转角度控制 231
12.3.3 航点飞行控制 233

参考文献 235

随着人工智能、计算机视觉和自动化技术的飞速发展，机器视觉作为一项核心技术，正在工业检测、智能交通、医疗影像、安防监控、无人机导航等领域发挥着越来越重要的作用。机器视觉通过模拟人类视觉系统的功能，利用相机、镜头、光源等硬件设备捕捉图像，再结合图像处理与模式识别算法，实现对目标的检测、识别、测量和分析。其高效性、精确性和非接触性使其成为现代智能制造和智能化社会中不可或缺的一部分。
本书旨在系统介绍机器视觉的基础理论、关键技术及典型应用，为相关领域的工程师、研究人员提供一本理论与实践相结合的参考书。全书共分为12章，内容涵盖机器视觉系统的硬件设计、图像处理算法、深度学习目标识别方法、三维重建技术以及实际应用案例，从基础到前沿，从理论到实践，全面展现机器视觉的技术脉络和应用场景。
第1章为机器视觉概述，介绍机器视觉的基本概念、研究现状及发展趋势，帮助读者建立对机器视觉的整体认识。第2章详细阐述机器视觉系统的硬件总体设计，包括成像模型、成像参数设计、硬件组成及分类选用方法，为后续章节奠定硬件基础。
第3～5章聚焦机器视觉系统的三大核心硬件——光源、相机和镜头的选用与设计，深入分析其作用、分类、参数及选型原则，为实际工程应用提供指导。
第6～9章是本书的核心技术部分。第6章介绍机器视觉系统的预处理算法，包括相机标定、手眼标定、成像失真校正和图像增强算法，为后续目标识别提供高质量的图像数据。第7章探讨传统图像处理目标识别算法，包括特征点提取与匹配、边缘特征提取、图像分割以及形状检测与识别方法，这些算法在工业检测等领域具有重要价值。第8章重点讲解深度学习目标识别方法，涵盖目标检测、语义分割、实例分割及模型优化技术，展现人工智能在机器视觉中的强大能力。第9章介绍三维重建算法，包括双目立体视觉、结构光三维视觉和多聚焦三维重建技术，为三维场景的感知与分析提供解决方案。
第10～12章通过三个典型应用案例，展示机器视觉技术的实际应用价值。第10章以公路养护为背景，详细介绍基于传统图像处理和深度学习的路面病害检测方法，为解决道路安全问题提供技术支持。第11章以工厂人员作业规范监控为例，探讨穿戴规范和行为规范的智能识别技术，助力工业安全生产。第12章介绍基于视觉的无人机沿道路中央自主飞行控制方法，展现机器视觉在无人机导航中的创新应用。
本书在编写过程中注重理论与实践的结合，不仅详细讲解技术原理，还通过丰富的应用实例和算法实现帮助读者深入理解。无论是从事机器视觉研究的研究人员，还是相关领域的工程师，都能从本书中获得启发和实用的技术指导。
由于机器视觉技术发展迅速，书中难免存在不足之处，恳请广大读者批评指正。希望本书能为推动机器视觉技术的发展和应用贡献一份力量。

编者