机器人视觉课程实例.pptVIP

机器视觉 高朋飞 2015200781 2 2 视觉检测技术是精密测试技术领域内最具有发展潜力的新技术，它综合运用了电子学、光电探测、图象处理和计算机技术，将机器视觉引入到工业检测中，实现对物体（产品或零件）三维尺寸或位置的快速测量，具有非接触、速度快、柔性好等突出优点，在现代制造业中有着重要的应用前景。 视觉检测技术 机器视觉主要由视觉传感器（如工业相机）代替人眼获取客观事物的图像，利用计算机来模拟人或再现与人类视觉有关的某些职能行为，从图像中提取信息，并进行处理与分析，最终用于实际的检测、测量与控制。 3 3 机器视觉（Machine Vision）是指光学的装置和非接触的传感器自动的接受和处理一个真实物体的图像，通过分析图像获得所需信息或用于控制机器运动的装置。 机器视觉系统： （1）精确性（2）重复性（3）速度（4）客观性（5）成本 机器视觉 4 4 机器视觉 2机器人视觉: 用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上(即料斗拣取问题)。至于小范围内的操作和行动，还需要借助于触觉传感技术。 视觉的应用 1检测：（1）高精度定量检测(例如显微照片的细胞分类、机械零部件的尺寸和位置测量) （2）不用量器的定性或半定量检测(例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测) 5 5 机器视觉 典型的机器视觉系统：光源，镜头，相机，图像处理单元（图像捕获卡），图像处理软件，监视器，通信/输入输出单元等。 视觉检测中图像处理流程图 6 6 光源 光源是影响机器视觉系统图像质量的重要因素，照明对输入数据的影响至少占到30%。 选择机器视觉光源时应该考虑的主要特征： 亮度 （当两种光源可以选择是，最佳选择是选择更亮的） 光源均匀性 （不均匀的光会造成不均匀的反射） 光谱特征 （光源的颜色及测量物体表面的颜色决定反射到摄像头的光能的大小及波长） 寿命特性 （光源一般要持续使用） 对比度 （对比度对机器视觉来说非常重要，保证需要检测的特征） 7 7 相机 感光芯片 CCD芯片:是一种半导体器件，能够把光学影像转化为数字信号。 CMOS芯片:将晶体管放在硅块上的技术 8 8 相机 输出图像格式 模拟相机 数字相机 特性 输出信号形式为标准的模拟量视频信号，需要配用专用的图像采集卡才能转化为计算机可以处理的数字信息 内部集成了A/D转换电路，可直接将图像信号转化为数字信号 优缺点 优点：通用性好、成本低 不足: 分辨率低、采集速度慢，在图像传输中容易受到噪声干扰，导致图像质量下降 优点：可以有效的避免图像传输路线中的干扰，对外信号的输出可以使用更加高速和灵活的数字信号协议，可以做各种分辨率形式 缺点：成本高 像元排列方式 面阵相机 线阵相机 适用性 面阵CCD相机：拍摄速度快，对拍摄景物及光照条件无特殊要求 线阵CCD相机：用于被测物体运动的场合，尤其适用于运动速度较快，分辨率要求较高的情况 10 10 图像采集卡 图像采集卡（Image Grabber),它将摄像机的图像视频信号，以帧为单位，送到计算机的内存和VGA帧存，供计算机处理、存储、显示和传输等使用。 图像采集卡 图像采集卡的基本组成模块 11 11 图像预处理 图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。 图像预处理 图像增强 空间滤波 均值滤波 中值滤波 12 12 边缘检测 人眼视觉系统认识目标： 把图像边缘与背景分离出来 感知图像细节，并辨认出图像的轮廓 数字图像的边缘检测 边缘检测算法： 滤波(滤波器在降低噪声的同时也导致了边缘强度的损失) 增强（边缘增强一般通过计算梯度幅值来完成） 检测（确定那些点是梯度幅值—梯度幅值阈值判据） 定位（边缘位置可在子像素分辨率上估计） 13 13 阈值分割 图像分割是用数字、文字、符号、几何图形或其组合表示图像的内容和特征，对图像景物的详尽描述和解释。 阈值是在分割时作为区分物体与背景像素的门限，大于或等于阈值的像素属于物体，而其他属于物体 阈值分割基本原理：通过设定不同的特征阈值，将图像像素点分为若干类 灰度 彩色 14 图像特征提取与匹配 图像匹配是通过对图像内容、特征、结构、关系、纹理以及灰度等的对应关系，相似性和一致性分析，寻求相同目标的方法。 基于灰度的特征提取与匹配（灰度在视觉中是指明度，就是由黑到白的过渡色，这些过渡色具有深浅程度） 图像的高斯金字塔模型 15 15 图像特征提取与匹配 基于不变矩阵的特征提取与匹配 基于