SLAM：使用G2O-ORB-SLAM

SLAM：使用G2O-ORB-SLAM

SLAM：使用G2O-ORB-SLAM前言：

没有新雪，看看自己所做的事情，有没有前人做过。果然，EKF_SLAM的版本出现了Android版本的OpenEKFMonoSLAM, G2O-ORB SLAM也出现了VS2012版本。...

2016-01-05 11:40

阅读(43)

评论(0)SLAM: Ubuntu14.04_Kylin安装ROS-Indigo参考连接：ROS－Indigo版在Ubuntu上的安装

第一步：软件源配置

1 增加下载源（增加ubuntu版的ros数据仓库，即下载源）（通用指令适合任何版本的ros）

sudo sh -c 'echo "deb

https://www.sodocs.net/doc/259599819.html,/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.lis...

2015-12-17 10:41

阅读(28)

评论(0)各种维度图像的逻辑描述形式在图像分析处理领域，

图像的逻辑描述形式是计算机处理图像的基础，逻辑形式在逻辑层面描述出：图像到底是什么？

1.几何空间：

在几何数学中，空间作为集合的存在形式，根据不同的约束可以划分为不同的空间。具有拓扑结构的集合构成拓扑空间，局部可度量且正交的拓扑空间为流形，全部可度量的（只用一个坐标系即可标定）且元素集合为实数域上的线性空间为欧式空间。...

2015-11-18 11:08

阅读(42)

评论(0)协方差的意义和计算公式、Code原文链接：https://www.sodocs.net/doc/259599819.html,/goodshot/article/details/8611178...

2015-11-13 10:13

阅读(38)

评论(0)SLAM: Inverse Depth Parametrization for Monocular SALM使用标记点地图构建SLAM的方法，有一种EKFmonocularSLAM的存在，详细方法和代码见官方网站：https://www.sodocs.net/doc/259599819.html,/

EKFSLAM使用EKF方法，所使用的方法参考两篇

论文：

Long Description

This code contains a complete EKF SLAM system from a...

2015-10-28 14:11

阅读(90)

评论(0)SLAM: SLAM系统研究点-摘要SLAM系统的研究点介绍

本文主要谈谈SLAM中的各个研究点，为研究生们（应该是博客的多数读者吧）作一个提纲挈领的摘要。然后，我们再就各个小问题，讲讲经典的算法与分类。

1. 前言

在《SLAM for Dummy》中，有一句话说的好：”SLAM 并不是一种算法，而是一个概念。（SLAM is more like a concept than a sin...

2015-10-26 15:20

阅读(73)

评论(0)SLAM: 基于运动和视觉里程方法的实时三维构建：Kalman Filter Predict/Refined代码二、根据EKF预测状态，更新特征信息！

//2. EKF prediction (state and measurement prediction)

o_EKfPreor.ekf_prediction(filter, features_info );

使用类：...

2015-10-26 12:21

阅读(58)

评论(0)图像角点检测的Fast算法（OpenCV文档）官方链接：

https://www.sodocs.net/doc/259599819.html,/trunk/doc/py_tutorials/py_feature2d/ py_fast/py_fast.html#fast-algorithm-for-corner-detection 原文链接：

https://www.sodocs.net/doc/259599819.html,/candycat1992/article/details/22285979 ...

2015-08-25 15:13

阅读(70)

评论(0)多点透视cvSolvePNP的替代函数在调试JNI程序时，所有的Shell都已经加载完成，而唯一真正核心的

cv::SolvePnP却不能在JNI里面获得通行证，经过反复测试都不能运行，因此只能忍痛舍弃，自行编写一个具有相似功能的函数对其进行替代。

元函数是这样的：

void rec3D::reconstruct3D(const vector&

image_points, Mat& rvecs, Mat& tvecs...

2015-08-01 15:34

阅读(123)

评论(0)VTK初始化New返回Null问题原文链接：

https://www.sodocs.net/doc/259599819.html,/mythma/archive/2013/08/02/vtk-6 -new-null.html

在使用VTK6.0时候，会遇到X::New()返回为null 的情况，需要全局初始化一下：

#define vtkRenderingCore_AUTOINIT

4(vtkInteractionStyle,vtkRende...

2015-05-24 23:19

阅读(79)

评论(0)VTK嵌入MFC成功VTK作为医学显示库，得到较多使用。作为较为上层的设计，对OpenGL进行了封装，并且有Windows、Linux、安卓等开发版本，可移植性较强。...

2015-05-21 09:55

阅读(124)

评论(0)VS2013编译PCL1.8.0VS2013社区版对个人开发者

免费，终于可以不用该死的盗版了。Win10科技预览版X64系统开发版本下载，与Vs2013可以完美融合。

PCL的源代码版本已经进化到1.8.0，不知道增加了多少新特性，还是拿来编译一下试一试。对于VS2012无法编译PCL1.7.2的问题，原因是OpenNI不支持1600以上数字的编译器，即最高支持到VC10。

以下是注意事...

2014-12-27 16:04

阅读(1077)

评论(1)Ubuntu下安装配置PCL一：安装PCL

依据官网介绍：...

2014-10-03 10:47

阅读(633)

评论(0)PCL嵌入VTK/QT显示中国人真是太不知道分享了，启发性链接：

https://www.sodocs.net/doc/259599819.html,/QT-PCLVisualizer-mostly-workin g-td3285187.html...

2014-07-08 14:57

阅读(682)

评论(2)Matplotlib 画柱状图原文链接：

https://www.sodocs.net/doc/259599819.html,/ikerpeng/article/details/20523679

有少量修改，如有疑问，请访问原作者...

2014-05-03 15:39

阅读(2649)

评论(0)使用PCL::GPU::遇到问题一：使用GPU进行点云分割，理论上可以极大地加快分割速度；

于是对PCL1.7.1进行了编译，回到32位...

2014-04-23 15:38

阅读(431)

评论(0)关于MFC程序不能定位输入点过程：找完整个工程文件夹：

APS为资源文件；...

2014-04-22 08:49

阅读(317)

评论(0)基于内容的三维形状检索原文链接：

https://www.sodocs.net/doc/259599819.html,/blog-39479-228617.html

1、引言

在互联网、计算机辅助设计（CAD）、分子生物学（3D蛋白

质模型）、计算机图形学、医药以及考古学等不同领域中，大型的三维（3D）数据库变得越来越普遍。近期在激光扫描技术的进展使我们可以方便地构造一个物体精确的3D几何模型。这方面的应用包括对文化遗产的重建，例如斯坦福大学的数字米可朗...

2014-04-17 19:07

阅读(335)

评论(0)三维建模方法之CSG与B-Rep比较萨维模型特征表示方法：

计算机中表示三维形体的模型，按照几何特点进行分类，大体上可以分为三种：线框模型、表面模型和实体模型。如果按照表示物体的方法进行分类，实体模型基本上可以分为分解表示、构造表示CSG（Constructive Solid Geometry）和边界表示BREP（Boundary Representation）三大类。

常用的分解表示法有：四叉树、八叉...

2014-02-17 10:38

阅读(396)

评论(0)三维曲面总结：平面拟合、RANSAC、ICP算法ACM 算法分类：

https://www.sodocs.net/doc/259599819.html,/algorithm/20080229/4071.html (1):拟合一个平面：

空间平面方程的一般表达式为：

则有：

对于空间中n个点（n3）:

根据最小二乘法则用这n个点拟合上述平面方程，则要使下式的值最小：

（下...

2013-12-23 16:10

阅读(621)

评论(0)

机器视觉检测的基础知识[大全]

机器视觉检测的基础知识~相机 容来源网络，由“机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在机械展. 相机都有哪些种类？我们常说的CCD就是相机么？除了2D平面相机，是否还有其他种类的相机，原理又是什么？下面这篇文章给您一一道来。 一，相机就是CCD么？ 通常，我们把所有相机都叫作CCD，CCD已经成了相机的代名词。正在使用被叫做CCD的很可能就是CMOS。其实CCD和CMOS都称为感光元件，都是将光学图像转换为电子信号的半导体元件。他们在检测光时都采用光电二极管，但是在信号的读取和制造方法上存在不同。两者的区别如下： 二，像素。 所谓像素，是指图像的最小构成单位。电脑中的图像，是通过像素（或者称为PIXEL）这一规则排列的点的集合进行表现的。每一个点都拥有色调和阶调等色彩信息，由此就可以描绘出彩色的图像。 ▼例如：液晶显示器上会显示「分辨率：1280×1024」等。这表示横向的像素数为1280，纵向的像素数为1024。这样的显示器的像素总数即为1280×1024＝1,310,720。由于像素数越多，则越可以表现出图像的细节，因此也可以说「清晰度更高」。

三，像素直径。 所谓像素直径，是指每个CCD元件的大小，通常使用μm作为单位。严谨的说，这个大小中包含了受光元件与信号传送通路。（＝像素间距，即某个像素的中心到邻近一个像素的中心的距离。）。也就是说，像素直径与像素间距的值是一样的。如果像素直径较小，则图像将通过较小的像素进行描绘，因此可以获得更加精细的图像。可以通过像素直径和有效像素数，求出CCD元件的受光部的大小。 假设某个 CCD 元件的条件如下所示： ·有效像素数…768 × 484 ·像素直径…8.4 μm× 9.8μm 则受光部的大小为 ·横向768 × 8.4μm＝ 6.4512 mm ·纵向484 × 9.8μm＝ 4.7432 mm 四，CCD的大小。 ▼CCD感光元件的大小，一般分为采用英寸单位表示和采用APS-C大小等规格表示这2种方式。采用英寸表示时，该尺寸并不是拍摄的实际尺寸，而是相当于摄像管的对角长度。例如，1/2英寸的CCD表示「拥有相当于1/2英寸的摄像管的拍摄围」。为什么如此计算呢，这是由于当初制造CCD的目的就是用来代替电视机录像机的摄像管的。当时，由于想要继续使用镜头等光学用品的需求比较强烈，由此就诞生了这种奇怪的规格。主要的英寸规格的尺寸如下表所示。

机器视觉基础知识详解模板

机器视觉基础知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：

为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 案例一：机器人+视觉自动上下料定位的应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 案例二：视觉检测在电子元件的应用： 此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对每个元器件定位后，使用斑点工具检测产品固定区域的灰度值，来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。当出现产品不良时，立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。

视觉SLAM漫淡

视觉SLAM漫谈 1. 前言 开始做SLAM（机器人同时定位与建图）研究已经近一年了。从一年级开始对这个方向产生兴趣，到现在为止，也算是对这个领域有了大致的了解。然而越了解，越觉得这个方向难度很大。总体来讲有以下几个原因： ?入门资料很少。虽然国内也有不少人在做，但这方面现在没有太好的入门教程。《SLAM for dummies》可以算是一篇。中文资料几乎没有。 ?SLAM研究已进行了三十多年，从上世纪的九十年代开始。其中又有若干历史分枝和争论，要把握它的走向就很费工夫。 ?难以实现。SLAM是一个完整的系统，由许多个分支模块组成。现在经典的方案是“图像前端，优化后端，闭环检测”的三部曲，很多文献看完了自己实现不出来。 ?自己动手编程需要学习大量的先决知识。首先你要会C和C++，网上很多代码还用了11标准的C++。第二要会用Linux。第三要会cmake，vim/emacs及一些编程工具。第四要会用openCV, PCL, Eigen等第三方库。只有学会了这些东西之后，你才能真正上手编一个SLAM 系统。如果你要跑实际机器人，还要会ROS。 当然，困难多意味着收获也多，坎坷的道路才能锻炼人（比如说走着走着才发现Linux和C++才是我的真爱之类的。）鉴于目前网上关于视觉SLAM的资料极少，我于是想把自己这一年多的经验与大家分享一下。说的不对的地方请大家批评指正。 这篇文章关注视觉SLAM，专指用摄像机，Kinect等深度像机来做导航和探索，且主要关心室内部分。到目前为止，室内的视觉SLAM仍处于研究阶段，远未到实际应用的程度。一方面，编写和使用视觉SLAM需要大量的专业知识，算法的实时性未达到实用要求；另一方面，视觉SLAM生成的地图（多数是点云）还不能用来做机器人的路径规划，需要科研人员进一步的探索和研究。以下，我会介绍SLAM的历史、理论以及实现的方式，且主要介绍视觉（Kinect）的实现方式。 2. SLAM问题 SLAM，全称叫做Simultaneous Localization and Mapping，中文叫做同时定位与建图。啊不行，这么讲下去，这篇文章肯定没有人读，所以我们换一个讲法。 3. 小萝卜的故事 从前，有一个机器人叫“小萝卜”。它长着一双乌黑发亮的大眼睛，叫做Kinect。有一天，它被邪恶的科学家关进了一间空屋子，里面放满了杂七杂八的东西。

视觉检测基础知识

视觉检测的基础知识

内容概略： 一、光源 二、镜头 三、相机 四、分辨率、精度、公差间的关系

视觉检测的基础知识（一）光源 觉检测硬件构成的基本部分和光源相关的最重要的两个参数就是光源颜色和光源形状。2016-7A p o l工业机器视觉系统的前沿应用视 一、什么是颜色？ 颜色是通过眼、脑和我们的生活经验所产生的一种对光的视觉效应，我们肉眼所见到的光线，是由波长范围很窄的电磁波产生的，不同波长的电磁波表现为不同的颜色，对色彩的辨认是肉眼受到电磁波辐射能刺激后所引起的一种视觉神经的感觉。颜色具有三个特性，即色相，饱和度和明亮度。 ▼简单讲就是光线照到物体，反射到眼中的部分被大脑感知，引起的一种感觉。通过色相Hue，，饱和度Saturation和明亮度Value来表示，即我们常说的HSV。当然，颜色有不止一种表示方法，RGB三原色也是另外一种表示方法。但是对人类最直观感受的方式是HSV。 二，什么是HSV？ 色相Hue ▼如果将色彩分类，可分为含有颜色的有彩色与不含颜色的无彩色（黑、白、灰）两种。在有彩色中，红、蓝、黄等颜色的种类即称为“色相（Hue）”。

▼作为主要色相有红、黄、绿、蓝、紫。以这些色相为中心，按照颜色的光谱将颜色排列成环状的图形我们称之为“色相环”。使用此色相环我们即可求得中间色与补色。 饱和度Saturation ▼饱和度（Saturation）是指颜色的鲜艳度，表示色相的强弱。颜色较深鲜艳的色彩表示“饱和度较高”，相反颜色较浅发暗的色彩表示“饱和度较低”。饱和度最高的颜色称为“纯色”，饱和度最低的颜色（完全没有鲜艳度可言的颜色）即为无彩色。 明亮度Value ▼明亮度（Value）表示颜色的明暗程度。无论有彩色还是无彩色都具有明亮度。明亮的颜色表示“明亮度较高”，相反暗的颜色表示“明亮度较低”。无论有彩色还是无彩色，明亮度最高的颜色即为白色，明亮度最低的颜色即为黑色。也就是说，有彩色的明亮度可用与该亮度对应的无彩色的程度进行表示。

机器视觉检测

研究背景： 产品表面质量是产品质量的重要组成部分，也是产品商业价值的重要保障。产品表面缺陷检测技术从最初的依靠人工目视检测到现在以 CCD 和数字图像处理技术为代表的计算机视觉检测技术，大致经历了三个阶段，分别是传统检测技术阶段、无损检测技术阶段、计算机视觉检测技术阶段。[] 传统检测技术 （1）人工目视检测法 （2）频闪检测法 无损检测技术 （1）涡流检测法 （2）红外检测法 （3）漏磁检测法 计算机视觉检测技术 （1）激光扫描检测法 （2）CCD 检测法 采用荧光管等照明设备，以一定方向照射到物体表面上，使用CCD摄像机来扫描物体表面，并将获得的图像信号输入计算机，通过图像预处理、缺陷区域的边缘检测、缺陷图像二值化等图像处理后，提取图像中的表面缺陷的相关特征参数，再进行缺陷图像识别，从而判断出是否存在缺陷及缺陷的种类信息等。 优点：实时性好，精确度高，灵活性好，用途易于扩充，非接触式无损检测。 基于机器视觉的缺陷检测系统优点： 集成化生产缩短产品进入市场时间改进生产流程 100%质量保证实时过程监控提高产量精确检测 100%检测 由于经济和技术原因国内绝大多数图像处理技术公司都以代理国外产品为主，没有或者很少涉足拥有自主知识产权的机器视觉在线检测设备，对视觉技术的开发应用停留在比较低端的小系统集成上，对需要进行大数据量的实时在线检测的研究很少也很少有成功案例，但是随着国内经济发展和技术手段不断提高对产品质量检测要求就更高，对在线检测设备的需求也就更大具有巨大的市场潜力。 机器视觉图像处理技术是视觉检测的核心技术 铸件常见缺陷：砂眼气孔缩孔披缝粘砂冷隔掉砂毛刺浇不足缺陷变形 问题的提出： 1.水渍、污迹等不属于铸件缺陷，但由于其外观形貌与缺陷非常类似, 因此易被检测系统误识为缺陷。从目前发表的文献来看，对于伪缺陷的识别率较低。 2.不同种缺陷之间可能存在形状、纹理等方面的相似性，造成缺陷误判。 国外研究发展现状： 20 世纪 90 年代后，基于机器视觉检测系统的自动化功能和实用化水平得到了进一步的提高。 1990 年芬兰Rautaruukki New Technology公司研制了Smartivis表面检测系统[]，该系统具有自学习分类功能，应用机器学习方法对决策树结构进行自动设计优化。 1996 年美国Cognex公司研发了一套iLearn自学习分类器软件系统并应用于其研制了iS-2000 自动检测系统。通过这两套系统的无缝衔接，极大地提高了检测系统实时的运算速度，有效的改进了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面的不足之处[]。 2004 年Parsytec公司发布了新一代表面质量检测产品Parsytec5i，该系统运用了自学习

多维度对比激光SLAM与视觉SLAM

多维度对比激光SLAM与视觉SLAM SLAM（同步定位与地图构建），是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程，解决机器人等在未知环境下运动时的定位与地图构建问题。目前，SLAM 的主要应用于机器人、无人机、无人驾驶、AR、VR 等领域。其用途包括传感器自身的定位，以及后续的路径规划、运动性能、场景理解。 由于传感器种类和安装方式的不同，SLAM 的实现方式和难度会有一定的差异。按传感器来分，SLAM 主要分为激光SLAM 和VSLAM 两大类。其中，激光SLAM 比VSLAM 起步早，在理论、技术和产品落地上都相对成熟。基于视觉的SLAM 方案目前主要有两种实现路径，一种是基于RGBD 的深度摄像机，比如Kinect；还有一种就是基于单目、双目或者鱼眼摄像头的。VSLAM 目前尚处于进一步研发和应用场景拓展、产品逐渐落地阶段。 激光SLAM：早在2005 年的时候，激光SLAM 就已经被研究的比较透彻，框架也已初步确定。激光SLAM，是目前最稳定、最主流的定位导航方法。 激光SLAM 地图构建 VSLAM（基于视觉的定位与建图）：随着计算机视觉的迅速发展，视觉SLAM 因为信息量大，适用范围广等优点受到广泛关注。 （1）基于深度摄像机的Vslam，跟激光SLAM 类似，通过收集到的点云数据，能直接计算障碍物距离； （2）基于单目、鱼眼相机的VSLAM 方案，利用多帧图像来估计自身的位姿变化，再通过累计位姿变化来计算距离物体的距离，并进行定位与地图构建； 视觉SLAM 地图构建，图片来源：百度AI 一直以来，不管是产业界还是学术界，对激光SLAM 和VSLAM 到底谁更胜一筹，谁是未来的主流趋势这一问题，都有自己的看法和见解。下面就简单从几个方面对比了一下

机器视觉基础知识详解

机器视觉基础知识详解 随着工业4、0时代的到来,机器视觉在智能制造业领域的作用越来越重要,为了能让更多用户获取机器视觉的相关基础知识,包括机器视觉技术就是如何工作的、它为什么就是实现流程自动化与质量改进的正确选择等。小编为您准备了这篇机器视觉入门学习资料。 机器视觉就是一门学科技术,广泛应用于生产制造检测等工业领域,用来保证产品质量,控制生产流程,感知环境等。机器视觉系统就是将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布与亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。 机器视觉优势:机器视觉系统具有高效率、高度自动化的特点,可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触,安全可靠。人工检测与机器视觉自动检测的主要区别有: 为了更好地理解机器视觉,下面,我们来介绍在具体应用中的几种案例。 案例一:机器人+视觉自动上下料定位的应用:

现场有两个振动盘,振动盘1作用就是把玩偶振动到振动盘2中,振动盘2作用就是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统,该系统通过判断玩偶正反面,把玩偶处于正面的坐标值通过串口发送给机器人,机器人收到坐标后运动抓取产品,当振动盘中有很多玩偶处于反面时,VD200视觉定位系统需判断反面玩偶数量,当反面玩偶数量过多时,VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶就是否处于正面,计算出玩偶中心点坐标,发送给机器人。通过VD200视觉定位系统实现自动上料,大大减少人工成本,大幅提高生产效率。 案例二:视觉检测在电子元件的应用: 此产品为电子产品的按钮部件,产品来料为料带模式,料带上面为双排产品。通过对每个元器件定位后,使用斑点工具检测产品固定区域的灰度值,来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的DragonVision视觉系统方案,使用两个相机及光源配合机械设备,达到每次检测双面8个产品,每分钟检测大约1500个。当出现产品不良时,立刻报警停机,保证了产品的合格率与设备的正常运行,提高生产效率。 案例三:啤酒厂采用的填充液位检测系统案例:

1 光与视觉的基础知识介绍

光与视觉的基础知识 郭奉杰 杭州浙大三色仪器有限公司

人眼的视觉特性 ?光是一种电磁波，广义上它的波长从几个纳米至一毫米左右，而人眼所能看见的只是一小部分，通常波长范围为380nm至780nm，我们把这部分光称为可见光。

?可见光的波长不同，引起人眼的颜色感觉就不同。 单色光波长由长至短，对应的颜色感觉由红到紫。 一般认为: ?红色780nm～620nm 橙色620nm～590nm 黄色590nm～560nm ?黄绿色560nm～530nm 绿色530nm～500nm 青色550nm～470nm ?蓝色470nm～430nm 紫色430nm～380nm ?上述的范围只是根据人们的习惯大致划分。实际 上随着波长的变化，颜色是连续渐变的，没有严 格的界限。

?物体分为发光体和不发光体。 ?发光体的颜色由它本身发出的光谱所确定，如白炽灯发黄和日光灯发白。 ?不发光体的颜色与照射光的光谱和不发光体对照射光的反射、透射特性有关。如绿叶反射绿色的光、吸收其他颜色的光而呈现绿色；绿叶拿到暗室的红灯下观察成了黑色。 ?由此可见，光是一种客观存在的物质，而色是人眼对这种物质的视觉反应

白炽灯卤粉荧光灯低压汞灯 三基色荧光灯三基色绿粉蓝色LED

色温与标准光源 ?照明光源的作用非常重要，其光谱功率分布情况会直接影响被照物体的颜色。通常的照明光源，如太阳光、日光等发的光虽然都是白光，但它们的光谱成分相差很大，用它们照射相同物体时，呈现的颜色则相差较大。根据CIE （国际照明委员会）的规定，使用的标准光源主要有A、B、 C、D 、E五种，并以“色温”来表征。 65 ? 1. 色温 ?光源的色温是用来描述光源的光谱分布的物理量。在色度学上，它通常用光源的光与绝对黑体发出的光相比较，并用绝对黑体的绝对温度来表征。

机器视觉入门知识详解

机器视觉入门知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：

为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 啤酒厂采用的填充液位检测系统为例来进行说明： 当每个啤酒瓶移动经过检测传感器时，检测传感器将会触发视觉系统发出频闪光，拍下啤酒瓶的照片。采集到啤酒瓶的图像并将图像保存到内存后，视觉软件将会处理或分析该图像，并根据啤酒瓶的实际填充液位发出通过-未通过响应。如果视觉系统检测到一个啤酒瓶未填充到位，即未通过检测，视觉系统将会向转向器发出信号，将该啤酒瓶从生产线上剔除。操作员可以在显示屏上查看被剔除的啤酒 瓶和持续的流程统计数据。

机器人视觉引导玩偶定位应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 视觉检测在电子元件的应用：

光和色的基本知识

光和色的基本知识 我们所看到的影像，都是景物的光影像。它是光源照射到物体上，被其表面反射出的那部分光线。光影照射入人眼中，刺激视网膜，使我们感受到物体的存在——也就是看到了景物。 物体的颜色 人眼感知的物体的颜色取决于该物体对人眼入射光的光谱功率分布情况。发光物体的颜色取决于自身的光谱分布情况。不发光物体通过反射光或透射光被人眼感知，其颜色由反射光或透视光的光谱功率分布所决定。决定物体反射光或透视光的光谱功率分布的因素有两个：物体本身的反射特性或透视特性；照明光源的光谱功率分布。 彩色光的三要素 彩色光作用于人眼，使之产生彩色视觉，为了能确切地表示某一彩色光，可用亮度、色调和色饱和度等三个物理量来描述，这三个量称之为彩色光的三要素。 亮度：是描述光刺激人眼时所引起视觉的明暗程度。彩色光辐射的功率越大，亮度越高，反之则亮度越低；对于不发光的物体，其亮度取决于它反射光功率的大小，与光照强度及物体的反射率有关。亮度所转换的电信号称之为亮度信号，是黑白电视的主要物理量，也是彩色电视要传送的信号之一。 色调：是颜色的类别，例如红色，绿色、蓝色等不同颜色。不同波长的光呈现不同的颜色，某物体的色调取决于它本身辐射的光谱成分或在光的照射下所反射的光谱成分，例如，树叶在阳光照射下，它反射绿色光谱成分而吸收其它光谱成份，所以呈现绿色。 色饱和度：是指颜色的深浅程度(或浓度)。对于同一种色调的颜色，饱和度越高，颜色越深，如深红、深绿、深蓝等，饱和度越低，则颜色越淡，如淡红、淡绿、淡蓝等。高饱和度的深色光可渗入白光而被冲淡，变为低饱和度的淡色光。 色调和色饱和度是表征颜色的两个物理量，在彩色电视中又被称为色度，它的电信号称为色度信号或色信号。彩色图像既有亮度，又有色度。黑白图像只有亮度，没有色度。 人眼的彩色视觉

机器视觉与视觉检测知识点归纳

一总介 使用机器视觉系统五个主要原因： 1.精确性（无人眼限制） 2.重复性（相同方法检测无疲惫） 3.速度（更快检测） 4.客观性（无情绪主观性） 5.成本（一台机器可承担好几人工作） 机器视觉系统构成： 光学：1.相机与镜头；2.光源； 过渡：3.传感器（判断被测对象位置及状态）；4.图像采集卡（把相机图像传到电脑主机）； 电学（计算机）：5.PC平台；6.视觉处理软件；7.控制单元。 机器视觉系统一般工作过程：1.图像采集；2.图像处理；3.特征提取；4.判决和控制。 机器视觉系统的特点：1.非接触测量；2.具有较宽的光谱响应范围；3.连续性；4.成本较低；5.机器视觉易于实现信息集成；6.精度高；7.灵活性。 机器视觉应用领域两大类：科学研究和工业应用 科学研究主要对运动和变化的规律作分析； 工业方面主要是在线检测产品，机器视觉所能提供的标准检测功能主要有：有/无判断、

面积检测、方向检测、角度测量、尺寸测量、位置检测、数量检测、图形匹配、条形码识别、字符识别、颜色识别等。 二机器视觉系统的构成 相机的主要特性参数： 分辨率：衡量相机对物象中明暗细节的分辨能力。 最大帧率：相机采集传输图像的速率。 曝光方式和快门速度；o(*￣)￣*)o？ 像素深度：每一个像素数据的位数。 固定图像噪声：不随像素点的空间坐标改变的噪声。 动态范围等 CCD相机和CMOS相机的区别： 1.设计：CCD是单一感光器，CMOS是感光器连接放大器。 2.灵敏度：同样面积下，CCD灵敏度高；CMOS由于感光开口小，灵敏度低。 3.成本：CCD线路品质影响程度高，成本高；CMOS由整合集成，成本低。 4.解析度：CCD连接复杂度低，解析度高；CMOS新技术解析度高。 5.噪点比：CCD信号单一放大，噪点低；CMOS百万放大（每个像素都有各自的 放大器），噪点高。 6.功耗比：CCD需外加电压，功耗高；CMOS直接放大，功耗低。

机器视觉基础知识详解

机器视觉基础知识详解 随着工业 4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让 更多用户获取机器视觉的相关基础知识， 包括机器视觉技术是如何工作的、 它为什么是实现 流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量， 控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号, 传送给专用的 I 图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信 号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 光源 机器视觉优势：机器视觉系统具有高效率、 高度自动化的特点， 可以实现很高的分辨率精度 与速度。机器视觉系统与被检测对象无接触， 安全可靠。人工检测与机器视觉自动检测的主 要区别有: C C D 相机 高題 T 作时闻 工仙『可肖限 不易信息■棗成 人;」和倉理或本不斬上升 不适合齡和措辭境 V 工件 可靠性

为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 案例一：机器人+ 视觉 自动上下料定位的应用: 从反面振动为正面。该应用采用了深圳视觉龙公司 VD200视觉定位系统，该系统通过判断玩 偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人， 机器人收到坐标后运动抓取产 品，当振动盘中有很多玩偶处于反面时， VD200视觉定位系统需判断反面玩偶数量，当反面 玩偶数量过多时，VD200视觉系统发送指令给振动盘 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面， 计算出玩偶中心点坐标，发 送给机器人。通过VD200视觉定位系统实现自动上料， 大大减少人工成本， 大幅提高生产效 率。 案例二：视觉检测在电子元件的应用: 此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对 每个元器件定位后，使用斑点工具检测产品固定区域的灰度值， 来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的 Drag on Visi on 视觉系统方案，使用两个相机及光源配 合机械设备，达到每次检测双面 8个产品，每分钟检测大约 1500个。当出现产品不良时, 立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。 2把反面玩偶振成正面。 SB 3^ I i- I" 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘 2中，振动盘2作用是把玩偶

光的基础知识

光的基础知识 光的基础知识 1、光的本质： 光的本质是电磁波,是整个电磁波谱中极小范围的一部分光是能量的一种形态； 可见光是电磁辐射谱中能够引起人眼视觉的部分。 可见光组成了所谓电磁光谱的一部分，电磁光谱存在于收音机和电视信号中，包括红外和紫外辐射，x射线，核辐射和宇宙辐射。在这些电磁辐射中，只有光波是动物和人眼可见的。该光谱也包括标准的50赫兹交流电（波长6000千米）和波长380-780纳米（=10-9米）的可见光部分。不同的波长给人眼造成不同的颜色感觉，从红、橙、黄、绿、蓝、靛（即蓝紫）到紫。 2、光通量（光束）： 为光源所发出的光线（条数），单位为流明（lm）,例如一节能灯的发出780（条）光线，则总光通量（光束）为780流明。 3、照度： 为每一单位面积所通过的光线，单位为lx.（lm/m2） 4、亮度： 与照度定义几乎相同，如果我们把每一物体都视为光源的话，那么亮度就是描述光源光亮的程度，而照度正好是把每一物体都作为被照物体，用一块木板来举例说明，当一定光束照到木板时我们讲木板有多少照度，然后木板将多少光束反射到人眼，就称为木板的多少亮度，那么有如下式子：亮度等于照度乘以反射率。 在同一房间同一位置一块白布和一块黑布的照度是相同的，而亮度是不同的。 5、光强： 为通过1立体角的光线条数，（通光束的密度）。光强的单位是光度测定的基本单位，也是国际单位制的基本单位之一。为了复现光强度的单位，光的基准器最初为蜡烛，所以光强度单位早称为（烛光）。后来随着科技发展，光基准器改为钨丝灯，又改为黑体，1948年后，光强度单位正式定名为坎德拉（cd）。 6、眩光、怎样控制眩光： 视野内有亮度极亮的物体或强烈的亮度对比，则可引起不舒适或造成视觉降低的现象，称为眩光。造成人眼视力降低的眩光称失能眩光；使人有不快之感的眩光称为不舒适眩光。一般有两种控制眩光的方法：1、直接控制光源的亮度或采用透光材料减弱眩光；2、用灯具保护角控制眩光。 7、光源的色表（色温），色温与心理： 由于人们是用与光源的色度相等或近似的完全辐射体的绝对温度来描述光源的色表，因此光源的色表又称为光源的色温。 色温：光源发射光的颜色与黑体在某一温度下辐射光色相同时，黑体的温度称为该光源的色温。色温在3300K以下有稳重的气氛，温暖的感觉；色温在3000--5000K为中间色温，有爽快的感觉；色温在5000K以上有冷的感觉。高色温光源照射下，如亮度不高则给人们有一种阴气的气氛；低色温光源照射下，亮度过高会给人们有一种闷热感觉。在同一空间使用两种光色差很大的光源，其对比将会出现层次效果，光色对比大时，在获得亮度层次的同时，又可获得光色的层次。 显色性是指光源的光照射到物体上所产生的客观效果。如果各色物体受照的效果和标准

机器视觉检测

机器视觉检测 一、概念 视觉检测是指通过机器视觉产品（即图像摄取装置，分 CMOS和 CCD 两种）将被 摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、 颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的 特征，进而根据判别的结果来控制现场的设备动作。机器视觉检测的特点是提高生 产的柔性和自动化程度。 二、典型结构 五大块：照明、镜头、相机、图像采集卡、软件 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。目前没有通用的照明设备，具体应用场景选择相应的照明装置。照射方法可分为：分类具体说明优点 背向照明被测物放在光源和摄像机之间能获得高对比度的图像 前向照明光源和摄像机位于被测物的同侧便于安装 结构光将光栅或线光源等投射到被测物上，根 据它们产生的畸变，解调出被测物的三 维信息 频闪光照明将高频率的光脉冲照射到物体上，摄像 机拍摄要求与光源同步 2.镜头 镜头的选择应注意以下几点：焦距、目标高度、影像高度、放大倍数、影响至目 标的距离、中心点 / 节点、畸变。 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。 要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描 CCD和面阵CCD；单色相机和彩色相机。 为优化捕捉到的图像，需要对光圈、对比度和快门速度进行调整。 4.图像采集卡 图像采集卡是图像采集部分和图像处理部分的接口。将图像信号采集到电脑中， 以数据文件的形式保存在硬盘上。通过它，可以把摄像机拍摄的视频信号从摄像 带上转存到计算机中。 5.软件 视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。是视觉检测的核心部分，最终形成缺陷的判断并能向后续执行机构发出指令。常用的包括，搜索工具，边界工具，特征分析工具，过程工具，视觉打印工具等。 三、关键——光源的选择 1.光源选型基本要素：

Kinect视觉SLAM技术介绍 – 视觉机器人

Kinect视觉SLAM技术介绍–视觉机器人 本文介绍SLAM的历史、理论以及实现的方式，且主要介绍基于视觉（Kinect）的实现方式。 1. 前言 开始做SLAM（机器人同时定位与建图）研究已经近一年了。从一年级开始对这个方向产生兴趣，到现在为止，也算是对这个领域有了大致的了解。然而越了解，越觉得这个方向难度很大。总体来讲有以下几个原因： 1）入门资料很少。虽然国内也有不少人在做，但这方面现在没有太好的入门教程。《SLAM for dummies》可以算是一篇。中文资料几乎没有。 2）SLAM研究已进行了三十多年，从上世纪的九十年代开始。其中又有若干历史分枝和争论，要把握它的走向就很费工夫。 3）难以实现。SLAM是一个完整的系统，由许多个分支模块组成。现在经典的方案是“图像前端，优化后端，闭环检测”的三部曲，很多文献看完了自己实现不出来。 4）自己动手编程需要学习大量的先决知识。首先你要会C和C++，网上很多代码还用了11标准的C++。第二要会用Linux。第三要会cmake，vim/emacs及一些编程工具。第四要会用openCV, PCL, Eigen等第三方库。只有学会了这

些东西之后，你才能真正上手编一个SLAM系统。如果你要跑实际机器人，还要会ROS。 当然，困难多意味着收获也多，坎坷的道路才能锻炼人（比如说走着走着才发现Linux和C++才是我的真爱之类的。）鉴于目前网上关于视觉SLAM的资料极少，我于是想把自己这一年多的经验与大家分享一下。说的不对的地方请大家批评指正。 这篇文章关注视觉SLAM，专指用摄像机，Kinect等深度像机来做导航和探索，且主要关心室内部分。到目前为止，室内的视觉SLAM仍处于研究阶段，远未到实际应用的程度。一方面，编写和使用视觉SLAM需要大量的专业知识，算法的实时性未达到实用要求；另一方面，视觉SLAM生成的地图（多数是点云）还不能用来做机器人的路径规划，需要科研人员进一步的探索和研究。以下，我会介绍SLAM的历史、理论以及实现的方式，且主要介绍视觉（Kinect）的实现方式。 2. SLAM问题 SLAM，全称叫做Simultaneous Localization and Mapping，中文叫做同时定位与建图。啊不行，这么讲下去，这篇文章肯定没有人读，所以我们换一个讲法。 3. 小萝卜的故事 从前，有一个机器人叫“小萝卜”。它长着一双乌黑发

机器视觉之光源选择的基本知识

光源选择的基本知识 一个好的操作平台应该能够在最短的时间内处理图像，好的机器视觉软件应该能够很容易的在一系列的案例中应用，好的相机和镜头应该是拥有最小的畸变和足够的分辨率。但是，好的机器视觉照明应该有什么特点呢？在图像的分析处理中，光源的角色又是什么呢？ 判断机器视觉的照明的好坏，首先必须了解什么是光源需要做到的！显然光源应该不仅仅是使检测部件能够被摄像头"看见"。有时候，一个完整的机器视觉系统无法支持工作，但是仅仅优化一下光源就可以使系统正常工作。 对比度：对比度对机器视觉来说非常重要。机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景。 亮度：当选择两种光源的时候，最佳的选择是选择更亮的那个。当光源不够亮时，可能有三种不好的情况会出现。第一，相机的信噪比不够；由于光源的亮度不够，图像的对比度必然不够，在图像上出现噪声的可能性也随即增大。其次，光源的亮度不够，必然要加大光圈，从而减小了景深。另外，当光源的亮度不够的时候，自然光等随机光对系统的影响会最大。 鲁棒性：另一个测试好光源的方法是看光源是否对部件的位置敏感度最小。当光源放置在摄像头视野的不同区域或不同角度时，结果图像应该不会随之变化。方向性很强的光源，增大了对高亮区域的镜面反射发生的可能性，这不利于后面的特征提取。在很多情况下，好的光源需要在实际工作中与其在实验室中的有相同的效果。

好的光源需要能够使你需要寻找的特征非常明显，除了是摄像头能够拍摄到部件外，好的光源应该能够产生最大的对比度、亮度足够且对部件的位置变化不敏感。光源选择好了，剩下来的工作就容易多了！ 机器视觉应用关心的是反射光（除非使用背光）。物体表面的几何形状、光泽及颜色决定了光在物体表面如何反射。机器视觉应用的光源控制的诀窍归结到一点就是如何控制光源反射。如何能够控制好光源的反射，那么获得的图像就可以控制了。因此，在机器视觉应用中，当光源入射到给定物体表面的时候，明白光源最重要的方面就是要控制好光源及其反映。 光源可预测：当光源入射到物体表面的时候，光源的反映是可以预测的。光源可能被吸收或被反射。光可能被完全吸收（黑金属材料，表面难以照亮）或者被部分吸收（造成了颜色的变化及亮度的不同）。不被吸收的光就会被反射，入射光的角度等于反射光的角度，这个科学的定律大大简化了机器视觉光源，因为理想的想定的效果可以通过控制光源而实现。 物体表面：如果光源按照可预测的方式传播，那么又是什么原因使机器视觉的光源设计如此的棘手呢？使机器视觉照明复杂化的是物体表面的变化造成的。如果所有物体表面是相同的，在解决实际应用的时候就没有必要采用不同的光源技术了。但由于物体表面的不同，因此需要观察视野中的物体表面，并分析光源入射的反映。 控制反射：本文前面提到了，如果反射光可以控制，图像就可以控制了。这点再怎么强度也不为过。因此在涉及机器视觉应用的光源设计时，最重要的原则就是控制好哪里的光源反射到透镜及反射的程度。机器视觉的光源设计就是对反射的研究。在视觉应用中，当观测一个物体以决定需要什么样的光源的时候，首先需要问自己这样的问题："我如何才能让物体显现？""我如何才能应用光源使必须的光反射到镜头中以获得物体外表？"

机器视觉检测的基础知识【大全】

机器视觉检测的基础知识~相机 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 相机都有哪些种类？我们常说的CCD就是相机么？除了2D平面相机，是否还有其他种类的相机，原理又是什么？下面这篇文章给您一一道来。 一，相机就是CCD么？ 通常，我们把所有相机都叫作CCD，CCD已经成了相机的代名词。正在使用被叫做CCD 的很可能就是CMOS。其实CCD和CMOS都称为感光元件，都是将光学图像转换为电子信号的半导体元件。他们在检测光时都采用光电二极管，但是在信号的读取和制造方法上存在不同。两者的区别如下： 二，像素。 所谓像素，是指图像的最小构成单位。电脑中的图像，是通过像素（或者称为PIXEL）这一规则排列的点的集合进行表现的。每一个点都拥有色调和阶调等色彩信息，由此就可以描绘出彩色的图像。

▼例如：液晶显示器上会显示「分辨率：1280×1024」等。这表示横向的像素数为1280，纵向的像素数为1024。这样的显示器的像素总数即为1280×1024＝1,310,720。由于像素数越多，则越可以表现出图像的细节，因此也可以说「清晰度更高」。 三，像素直径。 所谓像素直径，是指每个CCD元件的大小，通常使用μm作为单位。严谨的说，这个大小中包含了受光元件与信号传送通路。（＝像素间距，即某个像素的中心到邻近一个像素的中心的距离。）。也就是说，像素直径与像素间距的值是一样的。如果像素直径较小，则图像将通过较小的像素进行描绘，因此可以获得更加精细的图像。可以通过像素直径和有效像素数，求出CCD元件的受光部的大小。 假设某个CCD 元件的条件如下所示： ·有效像素数…768 × 484

[Labview经验]机器视觉系列—— Vision 基础知识上集汇总

[Labview经验]机器视觉系列——Vision 基础知识上集 第1章节（上） 1.1 机器视觉简介与硬体介绍 1.1.1 前言 对于首次接触「机器视觉」的朋友来说，对这个名词肯定有点陌生，所以我们先来简单介绍一下这个专有名词。 「机器视觉」是泛指搭载视觉影像系统的检测设备，影像系统主要是由相机、镜头与光源等光学仪器所建构而成的。利用这些检测器材广泛地投入各种应用，如产品的瑕疵检测（Inspection）、辨识产品外观（Recognition）与量测产品尺寸（Measurement），而视觉对位（Alignment）与自动化做结合，搭配运动控制或机械手臂，可进行物料的定位与校正，完成手眼协调的视觉伺服系统（Visual Servo System）。 图1.1 - 搭载相机的机器手臂所构成的视觉伺服系统架构 机器视觉一直以来都受到相关产业的重视，这边列出几项机械视觉的特色： ?安全性高 ??具备高解析度 ??拥有全检能力 ?资料重现性好 ?可降低人工成本 ?可搭配高速运动控制 ?可配合运动控制系统进行回馈控制（智慧型自动化） 目前使用机器视觉的领域非常广泛，与它相关的热门产业包括半

导体、光电、机密工业与製造业等，主要的应用是将这些技术导入产品检测与自动化生产，目的就是为了提升产能、增加良率与减少人员配置。 接着，我们来简单的了解一些与机器视觉相关的专有名词： 影像系统（Image System） 构成机器视觉最基本架构就是包含相机与镜头的影像系统，最重要的五个基本参数必须先弄清楚： 图1.2 - 影像系统的示意图 1. 感光元件大小（Sensor Size）：相机内部感光元件的尺寸 2. 工作距离（Working Distance）：相机镜头前缘到物体表面的距离 3. 景深（Depth of Field）：能维持影像距焦清晰的有效距离 4. 视野範围（Field of View）：相机所能撷取到物体的实际範围 5. 解析度（Resolution）：指的是相机拍摄物体可辨识的最小尺寸，解析度越高，检测精度也较好，表 示能从影像中获取有用的资讯越多 光圈（F） 用来表示所控制的光源进入镜头的总量，类似人类的瞳孔，光圈越大，表示能进入的光越多，反之越少。镜头上都会标示最大光圈值，如标示值为「1:1.8」，表示该镜头的最大光圈值为「1.8」，而数字越小，代表大光圈，反之越小。 图1.3 - 不同F值所代表的光圈大小

机器视觉基础技术培训

P f Professional i l Inspection I ti Project, P j t Advanced Ad d Vision Vi i System S t
机器视觉基础技术培训

P f Professional i l Inspection I ti Project, P j t Advanced Ad d Vision Vi i System S t
1. 什么是机器视觉?
简单地理解 机器视觉是一门在工业生产过程中代替人类视觉自动对产品外形特征做100%全检的技术。 什么是外形特征？ 例如: 形状识别 颜色识别 高精度尺寸测量 定位/位置测量； 形状识别；颜色识别；高精度尺寸测量；定位 位置测量 表面缺陷检测；OCR/OCV字符识别；1D/2D Code 识别 等等……. 随着工业自动化技术的飞速发展和各领域消费者对产品 品质要求的不断提高。零缺陷，高品质，高附加值的产 品成为企业应对竞争的核心，为了赢得竞争，可靠的质 量控制不可或缺。 由于生产过程中速度加快，产品工艺高度集成，体积缩 小且制造精度提高，人眼已无法满足许多企业外形质量 控制的检测需要。机器视觉代替人类视觉自动检测产品 外形特征，实现100%在线全检，已成为解决各行业制造 商大批量高速高精度产品检测的主要趋势。

P f Professional i l Inspection I ti Project, P j t Advanced Ad d Vision Vi i System S t
2. 机器视觉的应用
机器视觉在各个制造行业都有广泛应用。 电子行业