基于机器视觉的汽车桩考系统
| 第一章 机器视觉 | 第1-15页 |
| 1．1 Marr视觉计算理论 | 第12-13页 |
| 1．2 机器视觉的应用 | 第13-14页 |
| 1．3 机器视觉面临的困难 | 第14页 |
| 1．4 小结 | 第14-15页 |
| 第二章 基于机器视觉的汽车自动桩考系统实现方案 | 第15-20页 |
| 2．1 汽车桩考规则及系统的软、硬件实现 | 第15-17页 |
| 2．2 基于机器视觉的汽车自动桩考系统实现方案 | 第17-19页 |
| 2．3 小结 | 第19-20页 |
| 第三章 图像预处理 | 第20-35页 |
| 3．1 图像增强 | 第20-25页 |
| 3．1．1 灰度变换 | 第20-22页 |
| 3．1．2 平滑 | 第22-24页 |
| 3．1．3 锐化 | 第24-25页 |
| 3．2 图像分割 | 第25-34页 |
| 3．2．1 图像边缘检测 | 第26-28页 |
| 3．2．2 图像的二值化 | 第28-34页 |
| 3．2．3 噪声的去除 | 第34页 |
| 3．3 小结 | 第34-35页 |
| 第四章 桩考系统数据的初始化 | 第35-44页 |
| 4．1 场地的边界信息 | 第35-41页 |
| 4．1．1 二值图像的处理 | 第35-38页 |
| 4．1．2 图像的几何校正 | 第38-39页 |
| 4．1．3 Hough变换 | 第39-41页 |
| 4．2 获取汽车边框数据 | 第41-42页 |
| 4．3 汽车的初始位置和角度 | 第42-43页 |
| 4．4 小结 | 第43-44页 |
| 第五章 模式识别与汽车桩考的判决 | 第44-63页 |
| 5．1 模式识别 | 第44-46页 |
| 5．2 模式识别的方法 | 第46-52页 |
| 5．2．1 形状分析 | 第46-50页 |
| 5．2．2 基于模板的目标匹配 | 第50-51页 |
| 5．2．3 神经网络 | 第51-52页 |
| 5．2．4 模式识别其它的方法 | 第52页 |
| 5．3 标志圆的搜索和识别 | 第52-58页 |
| 5．3．1 标志圆的搜索 | 第53-55页 |
| 5．3．2 标志圆的识别 | 第55-56页 |
| 5．3．3 改进算法 | 第56-58页 |
| 5．3．4 区域搜索的自适应化 | 第58页 |
| 5．4 汽车桩考的判决 | 第58-62页 |
| 5．5 小结 | 第62-63页 |
| 第六章 基于机器视觉的桩考系统的总结与展望 | 第63-64页 |
| 参考书目： | 第64-67页 |
