机器人驱动与运动控制 课件 第10章 机器视觉.pptx

第10章机器视觉;

10.1机器视觉概述;

1.机器视觉技术的发展现状

人类感知外部世界主要通过视觉、触觉、听觉和嗅觉等感觉器官，其中约80%的信息是通过视觉器官获取的。视觉器官感知环境信息的效率很高，它不仅指对光信号的感受，还包括对视觉信息的获取、传输、处理、存储与理解的全过程。对人类而言，视觉信息传入大脑之后，由大脑根据已有的知识进行信息处理，进而判定和识别。机器视觉系统就是通过相机和计算机来对外部环境进行测量、识别和判定的。;

机器视觉技术是计算机视觉理论在具体问题中的应用。20世纪70年代，DavidMarr提出了视觉计算理论，该理论从信息处理的角度系统概括了当时解剖学、心理学、生理学、神经学等方面已取得的成果，明确规定了视觉研究体系。

20世纪80年代以来，机器视觉一直是非常活跃的研究领域，并经历了从实验室走向实际应用的发展阶段，从简单的二值图像处理到高分辨率、多灰度的图像处理以至于彩色图像处理，从一般的二维信息处理到三维视觉模型和算法的研究都取得了很大进展。;

目前，发展最快、使用最多的机器视觉技术主要集中在欧洲各国、美国、日本等发达国家和地区。发达国家在针对工业现场的实际情况开发机器视觉硬件产品的同时，对软件产品的研究也投入了大量的人力和财力。

在国内，由于半导体及电子行业属于新兴领域，机器视觉产品普及还不够深入，导致机器视觉技术在相关行业的应用十分有限。值得一提的是，借助于国际电子、半导体制造业向我国珠三角、长三角等地区的延伸和转移，这些地区已成为机器视觉技术应用最前沿和最优质的集聚地。;

国内在机器视觉产品(包括视觉软件、相机系统、光源等)研发方面虽然取得了一些成果，但与国外先进的机器视觉产品相比，还有较大的差距。目前，国内在机器视觉产品研发方面主要存在技术水平较低、应用面窄、开发成本高、效率低等问题，基本处于软硬件定制的专用视觉系统研发和应用阶段；在机器视觉算法研究方面，我国仍采用经典的数字图像处理算法和通用软件编程开发，组态集???开发能力弱；在产品方面，具有自主知识产权的机器视觉技术与系统产品较少，不利于批量生产和广泛推广。;

2.机器视觉技术的应用

机器视觉技术的应用主要包括如下几个方面。

1)在工业检测中的应用

工业检测是指在工业生产中运用一定的测试技术和手段对生产环境、工况、产品等进行测试和检验，其检测结果是对生产过程进行控制的重要指标，直接影响着生产效率和质量。在现代自动化大生产中，视觉检测往往是不可缺少的重要环节。;

人工检测的弊端很多，主要体现在以下6个方面。

(1)人工检测劳动强度大、生产效率低。

(2)人工检测没有严格统一的质量标准，直接影响产品的检验一致性。

(3)在一些高速的生产环节，人工检测无法实现实时全检，只能对部分产品进行抽检。

(4)在高精度检测要求下，人工检测很难达到精度要求，而且检测成本居高不下。

(5)在某些高温或有毒生产现场，无法通过人工方式对产品质量进行检测。

(6)人工检测的数据无法及时、准确地纳入质量管理系统，不利于测控管理系统的集成。;

2)在医学图像诊断中的应用

目前，医学图像已经广泛用于医学诊断，成像方法包括传统的X射线成像、显微成像、B超、红外、层析成像(CT)和核磁共振成像(MRI)等，主要通过人眼对图像中的信息进行分析和判断，从而对病情、病因做出诊断。

机器视觉技术在医学图像诊断方面有两类应用：一是对图像进行增强、标记、染色等，帮助医生诊断疾病，并协助医生对感兴趣的区域进行测量和比较；二是利用专家知识系统对图像进行分析和解释，给出建议诊断结果。此外，三维机器视觉技术可以分析物体的三维信息与运动参数。;

3)在智能交通中的应用

机器视觉技术在智能交通中可以完成自动导航和交通状况监测等任务。在自动导航中，机器视觉可以通过双目立体视觉等检测方法获得场景中的路况信息，然后利用这些信息进行道路识别、障碍识别等。自动导航装置可以将立体图像和运动信息组合起来，与周围环境进行自主交互，这种装置已用于无人汽车、无人机和无人战车等。机器视觉技术可以用于交通状况监测，如交通事故现场勘察、车场监视、车牌识别、车辆识别与“可疑”目标跟踪等。;

10.1.1机器视觉系统的组成

机器视觉系统是指通过机器视觉产品(图像采集装置)获取图像，然后将获取的图像传送至处理单元，通过数字化图像处理进行目标尺寸、形状、颜色等的判别，进而根据判别的结果控制现场设备。一个典型的机器视觉系统涉及多个领域的技术交叉与融合，包括光源照明技术、光学成像技术、传感器技术、数字图像处理技术、模拟与数字视频技术、机械工程技术、控制技术、计算机软硬件技术、人机接口技术等。;

机器视觉系统主要由硬件与软件