《机器视觉》课程教学大纲（本科）.pdf

机器视觉 一、课程基本情况 课程代码：1191239023 课程名称（中/英文）：机器视觉/cine Vision 课程类别：专业核心课程 学分：2.0 总学时：32 理论学时：24 实验/实践学时：8 适用专业：机器人工程 适用对象：本科 先修课程：高等数学，软件技术基础 教学环境：多媒体教室 开课学院：机器人学院 二、课程简介 1.课程任务与目的 图像处理与机器视觉是当今计算机科学中的一个热门研究方向，应用广泛，发展前景乐 观。近年来，伴随着人工智能、模式识别学科以及人机智能技术的飞速发展，机器视觉的研 究正在不断升温。 《机器视觉》是一门涉及多个交叉学科领域的课程。本课程从基础的数字图像处理相关 知识教授起步，逐步将课程内容进阶到模式识别中。整个课程充分重视理论与实践相结合， 理论讲解完成后，都将通过编程将相应的理论进行实践，以便让学生学以致用，能够根据具 体问题进行分析，选取不同的图像处理算法进行结合，解决相关的视觉检测以及视觉识别的 任务。理论内容讲解后，结合实际案例进行教学实践，让理论知识落脚于实践。 课程中会根据讲授知识，不断对涉及到的机器视觉研究现状进行介绍，提升的学术素养； 并讨论未来的发展趋势，帮助学生确立机器视觉相关的研究方向。 2.对接培养的岗位能力 通过本课程的学习，能够胜任初级的机器视觉、计算机视觉工程师职位，能够达到机器 人工程师职位中视觉部分工作要求。 三、 课程教学目标 1.了解专业发展现状及趋势:课程中会根据讲授知识，不断对涉及到的机器视觉研究现 状进行介绍，提升的学术素养；并讨论未来的发展趋势，帮助学生确立机器视觉相关的研究 方向。 2.掌握机器人学科基础知识和基础理论：机器视觉是机器人决策的重要组成部分，人体 百分之 70 以上的信息都是通过视觉获取的，而现今图像处理以及图像识别阶段的研究任务 大都已经完成，在课程中，会对常用的图像处理的基础知识和基础理论进行教学；对初级的 图像识别技术进行讲解，同时给与学生指导后期的图像识别技术的学习路径以及资料；对现 今未能解决的图像理解在课堂进行讨论，帮助学生形成自己对未来研究方向的认识。 3.能根据工程问题的需要编制简单的程序，具有常用软件的应用能力。课程的所有理论 都会通过编程进行实现，对集成了图像处理识别功能的软件能够快速上手。 4.具有利用工程与信息技术、工具进行实验和仿真实验的能力，并能够对数据进行分析 和解释。机器视觉课程中运用 OpenCV 开源软件工具帮助进行实验，不必进行算法重写，开 发进度以及工程问题解决；通过课程中不断地实践，印证理论，并积累经验，对实验结果以 及数据有自己的分析和解释。 四、教学课时安排 （一）学时分配 完成课程 总 学时 教学目标 主题或知识点 教学内容 学 讲 实 实 时 课 验 践 什么是数字图像——数字图像 2 2 的显示、分类、实质、表示以及 图像的空间和灰度级分辨率 数字图像处理与机器视觉—— 初识数字图像 从图像处理到图像识别，什么是 处理与机器视 机器视觉，数字图像处理和识别 觉、Visual C++ 图 的应用实例