机器视觉

机器视觉系统性能 1. 机器视觉系统性能评估的 6大因素 设计一个基于 PC的机器视觉系统，需从以下 6个方面考虑：检测目标，检测任务，检测速度，检测精度，检测软件，信号处理和数据记录。系统的检测速度不仅是由计算机的速度决定，还要受生产流水线速度的影响。很多机器视觉包含了时钟或计时器，这样检测操作的每一步所需要的时间都可以准确的测量，由这些数据，就可以修改程序以满足时间速度上的要求。检测的速度还和识别判读程序的算法有密切关系。机器视觉系统的性能与它的各部件的性能密切相关，光学成像系统的性能尤其关键，下面是在选择几个关键部件时应该遵循的基本原则。 摄像机的选择与应用的场合直接相关，通常考虑两点：   （ 1）黑白还是彩色。在检测应用中大部分使用黑白摄像机，黑白摄像机性价比高。彩色摄像机主要用于一些需要分析色彩图像的场合；   （ 2）图像分辨率。图像的分辨率必须满足检测精度的要求。在某些场合选择摄像机还需要考虑工业现场中的振动，灰尘和热的影响因素。    光学成像系统包括镜头和光源，一般不太引起人们的重视。实际上当光学成像系统性能很差时，即使机器视觉系统其他部分性能很好，它表现出的性能也比不上一个配上良好光学镜头和照明系统而其余部分性能低的机器视觉系统。   光学系统的功能是对检测目标成像。光学系统的成像质量越高，它提供的图像也越好。照明系统是用来照亮需要测量或检测的目标

3 月，跳不动了？>>> 　　 机器视觉系统 基本配置包含：相机与镜头，决定拾取图像的清晰度;光源作为辅助成像器件，对成像质量的好坏往往能起到至关重要的作用;图像处理系统，用来完成输入的图像数据的处理，然後通过一定的运算得出结果;机械辅助结构，用于架设相机、光源，以及一些特定的功能;自动化控制系统，用於根据图像处理系统输出的结果而设定的控制方式系统。 　　在高性能、精密的电子制造领域，小道电容、连接器等元器件，大到收集键盘、PC主板，硬盘，几乎都能看到机器视觉系统的身影，比较典型的是半导体行业，从上游晶圆加工制造的分类切割，到末端电路板印刷、贴片，都依赖于高精度的视觉测量对于运动部件的引导和定位。 深圳众为兴技术股份有限公司专注于运动控制卡-总线运动控制器-五轴联动抛光-模板机-机器视觉系统-伺服驱动器-四轴机器人-直线电机驱动器-总线伺服服务！ http://www.adtechcn.com/ 来源： oschina 链接： https://my.oschina.net/u/4426606/blog/3209155

非常完整的机器视觉研究方向总结，按技术原理、按应用场景进行划分。 转自： http://studyai.com/article/70f86341 PS: 若MarkDown不支持 TOC 和 TOCM 标题预览，可访问上述地址，分类结构更加清晰。 [TOCM] [TOC] 图像与视频 图像处理 图像分类 单标签分类、多标签分类、细粒度分类 目标检测与分割 检测定位、语义分割、实例分割、全景分割 图像超分辨重建 图像恢复与增强 去雾、去雨、增强 图像问答和描述 图像与视频检索 视频内容分析 视觉目标跟踪 图神经网络GNN 生成对抗 GAN AutoML & NAS 自动机器学习，神经架构搜索 网络压缩与轻量化 双目多目视觉 多源融合视觉 可见光成像、红外线成像、雷达波成像 医学影像分析 识别、重建、分割、配准 遥感与航空影像分析 工业视觉检测 缺陷检测、共件计数、尺寸测量 智能无人驾驶 车道线检测，交通标志检测、车辆检测、车牌号识别、车辆属性识别，ADAS等 SLAM与机器人 自主定位、导航与即时地图构建 三维点云和3D重建 人体技术相关 人体指纹识别 人体手势识别 人体姿态估计 人体动作检测 人体配装换装 人体服装搭配、穿衣风格定型、人体服装交换等 行人检测与识别 行人检测、行人重识别ReID、步态识别、人群计数 人脸技术相关 人脸美颜 人脸检测 人脸对齐 人脸验证 人脸检索

相机标定---初识相机标定 标定的含义，意义 https://blog.csdn.net/KillMeHealMe/article/details/81192685 （可用ROS 中提供的相机标定包对相机进行标定） 基于目标检测的实时单目测距 https://zhuanlan.zhihu.com/p/42085600 最详细的目标检测SSD算法讲解 https://blog.csdn.net/u010712012/article/details/86555814 Pascal voc 2012 数据集简介 https://blog.csdn.net/qq_36685744/article/details/85704371 来源： CSDN 作者： 被窝里的奶油卷 链接： https://blog.csdn.net/weixin_41769570/article/details/104577477

视觉方面的研究，但毕业后未能再此领域深耕，故预将研究阶段所做的工业视觉程序进行分享，作为兴趣爱好愿与有识之人一起交流。 0cHM6Ly9ibG9nLmNzZG4ubmV0L01CU0VwZWVr,size_16,color_FFFFFF,t_70) 一、摄像机标定 （1）标定基元的提取——Harris-Plessey角点检测 优点主要有：计算简单，自动化程度高，提取的点特征均匀而且合理；Harris算子对图像中的每个点都计算其最大值，然后在领域中选择最优点，因此可以定量地提取特征点；在有图像的旋转、灰度的变化、噪声影响和视点的变化，它也是最稳定的一种点特征提取算子，同时给出角点处曲率及角点方向等信息。 a.原始图像 b.检测的角点 （2）摄像机标定 1）基于针孔模型下的摄像机标定 a）Roger Tsai的两步法 b）张正友摄像机标定 2）基于隐式模型下的摄像机标定 a）基于图像恢复中几何校正思想多项式变换标定 二者对比试验 Tsai两步法可以得到较高的精度，以及摄像机内外参数，可以实现物体的定位，因此可以作为机器视觉摄像机标定的一般方法应用各个领域。二次多项式法标定精度相对差一点，不能得到摄像机内外参数，但是标定方法简单，如果物体相对于某一个参考坐标系的绝对定位显得并不特别重要，而重要的是物体特征点间相对位置的精度，则可以考虑多项式法。 二、图像预处理 （1）图像滤波 a

“机器视觉”的正式定义涵盖所有工业和非工业应用，其中硬件和软件的组合根据图像的捕获和处理为设备执行其功能提供操作指导。简而言之，机器视觉可帮助公司重复制造优质产品。而且由于制造有缺陷的商品的公司不会持续很长时间，因此制造业已经转向机器视觉来获取所需的质量保证。但是在公司充分利用机器视觉之前，它需要了解基础知识。 例如，现代机器视觉系统依靠工业相机内部的数字传感器和专用光学器件来获取图像。采集图像后，计算机硬件和软件会处理，分析和测量图像的各种特征，以实现自动决策。 与人工检查器不同，机器视觉由于其速度，准确性和可重复性而在结构化场景中的定量测量方面表现出色。例如，在一条生产线上，机器视觉系统可以每分钟检查数百甚至数千个零件。同时，以正确的相机分辨率和光学系统为基础的机器视觉系统可以轻松地检查无法被人眼看见的物体细节。 机器视觉的组成 机器视觉系统的主要组件包括照明，镜头，图像传感器，视觉处理和通信。照明照亮了要检查的零件，使其特征突出，因此相机可以清晰地看到它们。镜头捕获图像并将其以光的形式呈现给传感器。机器视觉相机中的传感器将这些光转换为数字图像，然后将其发送到处理器进行分析。 视觉处理步骤利用的算法可检查图像并提取所需信息，进行必要的检查并做出决定。最后，通信通常通过离散I / O信号或通过串行连接发送到正在记录信息或将其用于某些后续操作的设备的数据来完成。

当你买到拿到心仪的产品的时候，映入眼帘的，就是它的外观，这是靠模具厂、组装厂的工人们精心呵护生产出来的，有的靠人眼检查，有的靠自动化设备检查，不放过一点瑕疵。 当今社会，随着计算机技术，人工智能等科学技术的出现和发展，以及研究的深入，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业条件，主观判断等影响检测结果的准确性，实现能更好更精确地进行表面缺陷检测，更加快速的识别产品表面瑕疵缺陷。 缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合，能够很好工作，但是对特征不明显的、形状多样、场景比较混乱的场合，则不再适用。近年来，基于深度学习的识别算法越来越成熟，许多公司，例如速嵌智造，开始尝试把深度学习算法应用到工业场合中。 产品表面缺陷检测属于机器视觉技术的一种，就是利用计算机视觉模拟人类视觉的功能，从具体的实物进行图象的采集处理、计算、最终进行实际检测、控制和应用。产品的表面缺陷检测是机器视觉检测的一个重要部分，其检测的准确程度直接会影响产品最终的质量优劣。由于使用人工检测的方法早已不能满足生产和现代工艺生产制造的需求，而利用机器视觉检测很好地克服了这一点，表面缺陷检测系统的广泛应用促进了企业工厂产品高质量的生产与制造业智能自动化的发展。 机器视觉智能检测系统

@[机器视觉算法原理与编程实战]机器视觉算法原理与编程实战，halcon 这是一本新书，我买来看看，书本260页，简单翻阅了一下，太low了，说的太浅，我还不如去看看哈利从示例来得有收获。总结，不值 来源： CSDN 作者： shabaobao816 链接： https://blog.csdn.net/shabaobao816/article/details/103915545

今天看到了HALCON的一个资料，记录下来，作为学习记录，同时感谢网上各种大佬 总结 　　1、HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，它节约了产品成本，缩短了软件开发周期。 　　Halcon：底层功能算法多，运算性能快，开发需要一定软件功底和图像处理理论。 　　快速学习做法：研究实例、做实战项目。halcon不能提供相应的界面编程需求，需要和vs来构造MFC界面或者QT使用，才能构成一套完整软件。 　　2、需求主要有二维三维二维：（1）识别定位；（2）OCR识别；（3）二维码识别；（4）测量；（5）缺陷检测；（6）机器控制等三维：（1）多目标定（2）三维重建（3）三维匹配等 　　3、成为合格的机器视觉工程师须具备三个方面的知识 　　图像处理涉及以下几大领域： 　　A、图像处理的基本理论知识（图像理论的基础知识） 　　B、图像增强（对比度拉伸、灰度变换等） 　　C、图像的几何变换（仿射变换，旋转矩阵等） 　　D、图像的频域处理（傅里叶变换、DFT、小波变换、高低通滤波器设计） 　　E、形态学（膨胀、腐蚀、开运算和闭运算以及凸壳等） 　　F、图像分割 　　G、图像复原 　　H、运动图像 　　I、图像配准（模板匹配等） 　　J、模式识别（分类器训练，神经网络深度学习等） 　　（2）软件编程功底 　　具备C，C++，C#及MFC界面开发的功底 　　A

机器视觉入门知识总结 一、机器视觉系统 工业相机类型： 按照输出信号类型的不同分为模拟相机和数字相机两种。而数字相机按照接口标准不同，可以分为1394相机、USB相机、CameraLink相机以及Gige相机四种。其中CameraLink接口相机能够解决大数据量传送问题；Gige接口相机能够解决长距离、快速传输问题；而1394相机和USB接口相机具有简单易用、性价比高等特点； 镜头接口类型： C接口、CS接口、U接口等； 光源类型： 环形光源、背光源、同轴光源、条形光源、点光源、球积分光源等； 二、如何选择相机？ 1 、根据应用的不同分别选用 CCD 或 CMOS 相机 CCD工业相机主要应用在运动物体的图像提取，当然随着CMOS技术的发展，很多贴片机也在选用CMOS工业相机。用在视觉自动检查的方案或行业中一般用CCD工业相机比较多。CMOS工业相机由成本低，功耗低也应用越来越广泛。 2 、分辨率的选择 　　根据系统需求来选择分辨率大小。首先考虑待观察或待测量物体的精度，根据精度选择分辨率。相机像素精度=单方向视野范围大小/相机单方向分辨率。则相机单方向分辨率=单方向视野范围大小/理论精度。若单视野为5mm长，理论精度为0.02mm，则单方向分辨率=5/0.02=250。然而为增加系统稳定性，不会只用一个像素单位对应一个测量/观察精度值，一般可以选择倍数4或更高