lovelyfairyer的博客

本书是关于机器人学和机器视觉的实用参考书， 第壹部分“基础知识”（第2章和第3章）介绍机器人及其操作对象的位置和姿态描述，以及机器人路径和运动的表示方法；第二部分“移动机器人”（第4章至第6章）介绍其基本运动控制模式及其导航和定位方法；第三部分“臂型机器人”（第7章至第9章）介绍其运动学、动力学和控制方面的知识；第四部分“计算机视觉”（第10章至第14章）包括光照与色彩，图像形成和处理技术，图像特征提取，以及基于多幅图像的立体视觉技术；第五部分“机器人学、 视学与控制”（第15章和第16章）分别讨论基于位置和基于图像的视觉伺服及更先进的混合视觉伺服方法。本书将机器人学与机器视觉知识有机结合，给出了实例算法和程序。作者有完备的代码可下载，用于验证书中知识点和实例，注重如何利用视觉信息控制机器人的运动。

计算机视觉是一门实践性很强的课程，虽然已经有了不少教科书，但大多数都只重 视其中的理论和算法，很少有实践指导书。因而对于学习者而言，如果希望在实践 中学习，往往需要编写大量的程序。在这方面，本书的出版可以算是一个有效的补 充，相信本书将成为计算机视觉学习者的一个重要参考。 作为一本面向计算机视觉编程的书，本书涉及了这一学科中相对成熟并且被以往实 践验证有效的部分典型算法，因而具有很好的实用性。例如第 2 章描述子部分选择 了 Harris 角点检测器和 SIFT 描述子及其实现加以介绍；第 3 章则以全景图的创建 为例，给出了 RANSAC 的实现；第 9 章图像分割中讨论了 Graph Cut 的实现等。这 些方法大多数具有很好的通用性，因而为读者提供了一种实现范例。 本书的另一个特点是对介绍的单一方法，通过综合运用提升学习者灵活应用这些方 法的能力。例如第 4 章给出的增强现实的例子，以及第 8 章给出的数独图像校正的 例子。这些例子能够帮助进一步提升学习者对前述方法的感性认识。 与早期计算机视觉领域多数程序都是由 C/C++ 写就的情形不同。随着计算机硬件速 度越来越快，研究者在考虑选择实现算法语言的时候会更多地考虑编写代码的效率 和易用性，而不 是像早年那样把算法的执行效率放在首位。这直接导致近年来越来 越多的研究者选择 Python 来实现算法。与此同时， Python 的开放性使不同领域的 研究者能够有机会在 Python 中加入他们需要的特性，甚至可以纳入 Python 的标准 库，这也大大吸引了众多研究者对 Python 的参与。 本书的第三个特点是提供了与 OpenCV 接口的介绍。这为利用 OpenCV 中的资源提 供了方便的途径