《装卸机器视觉及其应用》系统阐述了自动化集装箱码头自主装卸的多源机器视觉的处理特点和几种图像融合理解的模型框架。全书主要针对装卸机器视觉的各个层次展开阐述，从视觉数据采集方式，到数据处理与识别算法，再到模式识别算法逐级深入。在《装卸机器视觉及其应用》的最后，以案例形式讲解了装卸机器视觉在港口自动化方面的具体应用。
　　《装卸机器视觉及其应用》主要围绕装卸机器视觉常用的两类视觉形式——图像与三维激光点云的相关知识进行阐述，并讲述了模式识别人工智能方面的入门知识和综合应用案例，可为广大从事装卸机器视觉工作和学习的读者提供相关的技术参考。

第1章 绪论
1．1 机器视觉概述
1．2 装卸机器视觉的应用
1．3 装卸机器视觉研究现状

第2章 图像成像与数据采集
2．1 常见图像传感器原理与结构
2．2 图像传感器的性能特点和选型
2．3 图像传感器的通信及计算机接口
2．4 图像数据结构与编码方式

第3章 图像处理与识别算法
3．1 图像增强算法
3．1．1 灰度级修正
3．1．2 平滑空间滤波
3．1．3 锐化空间滤波
3．2 图像的几何运算
3．2．1 灰度级插值
3．2．2 空间变换
3．3 图像分割算法
3．3．1 基于阈值的分割方法
3．3．2 基于区域的分割方法
3．3．3 基于边缘的分割方法
3．4 图像形态学与几何形状识别算法
3．4．1 图像形态学
3．4．2 几何形状识别

第4章 激光点云成像与数据采集
4．1 常见激光点云传感器原理与结构
4．2 二维激光雷达的性能特点与选型说明
4．3 二维激光雷达的通信及计算机接口
4．4 二维激光雷达点云数据结构与编码方式

第5章 激光点云处理与识别算法
5．1 激光点云滤波与降噪算法
5．1．1 激光点云滤波与降噪算法概述
5．1．2 有序点云数据滤波算法
5．1．3 无序点云滤波算法
5．2 激光点云修补与增强算法
5．2．1 点云修补算法
5．2．2 点云增强算法
5．3 激光点云形态学与形状拟合算法
5．3．1 点云拼接算法
5．3．2 点云拟合算法

第6章 机器视觉模式识别模型与算法
6．1 机器视觉特征提取算法
6．1．1 颜色灰度特征
6．1．2 纹理特征
6．1．3 形状轮廓特征
6．1．4 空间关系特征
6．2 图像识别常用分类器算法
6．2．1 朴素贝叶斯分类
6．2．2 支持向量机
6．2．3 AdaBoost
6．2．4 人工神经网络
6．2．5 深度学习
6．3 聚类算法
6．3．1 聚类算法基本概念
6．3．2 相似性度量
6．3．3 聚类准则
6．3．4 聚类算法

第7章 装卸机器视觉应用案例
7．1 基于图像的集装箱箱号识别
7．1．1 图像预处理
7．1．2 箱号定位
7．1．3 字符分割
7．1．4 字符识别
7．2 基于图像的集装箱锁孔识别案例
7．2．1 预处理
7．2．2 图像分割
7．2．3 特征提取与识别
7．3 基于图像的散货堆场人形识别案例
7．3．1 HOG优化算法
7．3．2 支持向量机
7．3．3 多尺度检测融合算法
7．4 基于激光雷达的散货船舱特征识别
7．4．1 点云数据采集
7．4．2 船型表面三维重建
7．4．3 船舶三维模型平面化
7．4．4 散货船舱特征提取
参考文献