《机器视觉》课程教学大纲（本科）.docx

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。 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 主题或知识点 教学内容 总学时 学时 完成课程 教学目标 讲课 实验 实践 初识数字图像处理与机器视觉、Visual C++图像处理编程基础、OpenCV安装 什么是数字图像——数字图像的显示、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——从图像处理到图像识别，什么是机器视觉，数字图像处理和识别的应用实例 数字图像处理的预备知识——邻接性、连通性、区域和边界，距离度量的几种方法，基本的图像操作 位图文件及其C++操作 CImg类以及其基础操作 2 2 1 6 12 视觉硬件系统的构成、OpenCV安装 光源的种类和作用 相机的种类和原理 镜头以及其参数意义 视觉系统与机械臂配合完成视觉分拣工作站示例 OpenCV安装 2 1 1 1 2 3 5 图像数字化、空间域图像处理——均值滤波、中值滤波、高斯滤波、图像锐化 OpenCV中的t类，如何构造单通道t对象，获取单通道t的基本信息，访问单通道t对象的值，将灰度图像转化为t 图像增强的理论基础，空间域滤波的原理，图像平滑、中值滤波以及图像锐化的C++实现 2 1 1 1 2 工业检测应用案例——彩色物体检测分类、多方位视觉检测 流水线上彩色物体分拣系统，彩色物体分拣方法，多方位视觉检测工作站，传送带控制，瑕疵检测原理与实现 2 1 1 3 图像分割原理与实现、模板匹配原理与实现 图像分割的应用领域和意义，边缘检测原理以及C++实现，阈值分割原理以及C++实现，区域分割原理以及C++实现；模式识别的应用领域以及意义，模式识别的几种方法，距离分类器和模板匹配，运用C++实现基于相关的模板匹配 2 1 1 1 2 固高Kestrel系列智能相机的使用、TCP通信实现、手眼标定 智能相机硬件讲解，智能相机与计算机的连接，智能相机识别目标物体操作；TCP通信原理与实现；智能相机与网络通信助手进行通信实现；手眼标定算法原理与实现 2 1 1 5 SIFT与ORB算法 SIFT算法原理与实现 ORB算法原理与实现 2 1 1 1 2 Pyton开发环境搭建、Pyton快速入门 Pyton开发环境搭