一、机器视觉系统
机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域,它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科,其能以及应用范围随着工业自动化的发展逐渐完善和推广,其中母子图像传感器、CMOS和CCD摄像机、DSP、ARM嵌入式技术、图像处理和模式识别等技术的快速发展,有力地推动了机器视觉的发展。
机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体,系统与运动物体的匹配和协调动作尤为重要,所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域,例如机器人、飞行物体导致等,对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。
机器视觉系统的构成和工作过程
一个完整的机器视觉系统包括:照明光源、光学镜头、CCD摄相机、图像采集卡、图像检测软件、监视器、通讯单元等。
工业机器视觉系统的工作过程主要如下:
1、当传感器探测到被检测物体接近运动至摄像机的拍摄中心,将触发脉冲发送给图像采集卡;
2、图像采集卡根据已设定的程序和延时,将启动脉冲分别发送给照明系统和摄像机;
3、一个启动脉冲送给摄像机,摄像机结束当前的拍照,重新开始一副新的拍照,或者在启动脉冲到来前摄像机处于等待状态,检测到启动脉冲后启动,在开始新的一副拍照前摄像机打开曝光构件(曝光时间事先设定好);另一个启动脉冲送给光源,光源的打开时间需要与摄像机的曝光时间匹配;摄像机扫描和输出一幅图像;
4、图像采集卡接收信号并通过A/D转换将模拟信号数字化,或者是直接接收摄像机数字化后的数字视频数据;
5、图像采集卡将数字图像存储在计算机的内存中;
6、计算机对图像进行处理、分析和识别,获得检测结果;
7、处理结果控制流水线的动作、进行定位、纠正运动的误差等。
二、机器视觉相关技术
1、图像采集技术——机器视觉的基础
图像采集部分一般由光源、镜头、数字摄像机和图像采集卡构成。采集过程可简单描述为在光源提供照明的条件下,数字摄像机拍摄目标物体并将其转化为图像信号,最后通过图像采集卡传输给图像处理部分。在设计图像采集部分时,要考虑到多方面的问题,主要是关于数字摄像机、图像采集卡和光源方面的问题。
(1)光源照明
照明是影响机器视觉系统输入的重要因素,其直接影响输入数据的质量和应用效果。到目前为止,还未有哪种机器视觉照明设备能通用各种应用,因此在实际应用中,需针对应用选择相应的照明设备以满足特定需求。
照明系统按其照射方法可分为:背向照明、前向照明、结构光和频闪光照明等。其中,背向照明是指将被测物放在光源和摄像机之间,以提高图像的对比度。前向照明是光源和摄像机位于被测物的同侧,其优点是便于安装。结构光照明是将光栅或线光源等投射到被测物上,并根据其产生的畸变,解调出被测物的三维信息。频闪光照明是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。
(2)光学摄像头
光学摄像头的任务就是进行光学成像,一般在测量领域都又专门的用于测量的摄像镜头,因为其对成像质量有着关键性的作用。摄像头需要注意的一个问题是畸变。这个就需要使用相应的畸变校正方法,目前也开发出了很多自动畸变自动校正系统。
(3)CCD摄像机及图像采集卡
CCD(ChargeCoupledDevice)摄像机及图像采集卡共同完成对目标图像的采集与数字化。目前CCD,CMOS等固体器件的应用技术,线阵图型敏感器件,像元尺寸不断减小,阵列像元数量不断增加,像元电荷传输速率也得到大幅提高。在基于PC机的机器视觉系统中,图像采集卡是控制摄像机拍照来完成图像的采集与数字化,并协调整个系统的重要设备。
图像采集卡直接决定了摄像头的接口为:黑白、彩色、模拟、数字等形式。
2、图像处理与分析——机器视觉的核心
用于机器视觉的图像处理与分析方法的核心是,解决目标的检测识别问题。当所需要识别的目标比较复杂时,就需要通过几个环节,从不同的侧面综合来实现。
对目标进行识别提取的时候,首先是要考虑如何自动地将目标物从背景中分离出来。目标物提取的复杂性一般就在于目标物与非目标物的特征差异不是很大,在确定了目标提取方案后,就需要对目标特征进行增强。
随着计算机技术、微电子技术以及大规模集成电路的发展,图像信息处理工作越来越多地借助硬件完成,如DSP芯片、专用的图像信号处理卡等。软件部分主要用来完成算法中并不成熟又较复杂或需不断完善改进的部分。这一方面提高了系统的实时性,同时又降低了系统的复杂度。
三、机器视觉的应用与优势
1、机器视觉技术的应用范围
(1)在工业检测方面
近几十年来,在工业检测中利用视觉系统的非接触、速度快、精度合适、现场抗干扰能力强等突出的优点,使机器视觉技术得到了广泛的应用,取得了巨大的经济与社会效益。
自动视觉识别检测目前已经用于产品外形和表面缺陷检验,如木材加工检测、金属表面视觉检测、二极管基片检查、印刷电路板缺陷检查、焊缝缺陷自动识别等。这些检测识别系统属于二维机器视觉,技术已经较为成熟,其基本流程是用一个摄像机获取图像,对所获取的图像进行处理及模式识别,检测出所需的内容。
(2)在医学上的应用
在医学领域,机器视觉主要用于医学辅助诊断。首先采集核磁共振、超声波、激光、X射线、γ射线等对人体检查记录的图像,再利用数字图像处理技术、信息融合技术对这些医学图像进行分析、描述和识别,最后得出相关信息,对辅助医生诊断人体病源大小、形状和异常,并进行有效治疗发挥了重要的作用。不同医学影像设备得到的是不同特性的生物组织图像,如X射线反映的是骨骼组织,核磁共振影像反映的是有机组织图像,而医生往往需要考虑骨骼有机组织的关系,因而需要利用数字图像处理技术将两种图像适当地叠加起来,以便于医学分析。
(3)交通监控领域中的应用
智能交通监控领域中,在重要的十字路口安放摄像头,就可以利用摄像头的快速拍照功能,实现对违章、逆行等车牌的车牌进行自动识别、存贮,以便相关的工作人员进行查看。
(4)在桥梁检测领域中的应用
人工检测法和桥检车法都是依靠人工用肉眼对桥梁表面进行检测,其速度慢,效率低,漏检率高,实时性差,影响交通,存在安全隐患,很难大幅应用;无损检测包括激光检测、超声波检测以及声发射检测等多种检测技术,它们仪器昂贵,测量范围小,不能满足日益发展的桥梁检测要求;智能化检测有基于导电性材料的混凝土裂缝分布式自动检测系统和智能混凝土技术,也有最前沿的基于机器视觉的检测方法。导电性材料技术虽然使用方便,设备简单,成本低廉,但是均需要事先在混凝土结构上涂刷或者埋设导电性材料进行检测,而且智能混凝土技术还无法确定裂缝位置、裂缝宽度等一系列问题距实用化还有较长的距离;而基于机器视觉的检测方法是利用CCD相机获取桥梁表观图片,然后运用计算机处理后自动识别出裂缝图像,并从背景中分离出来然后进行裂缝参数的计算的方法,它具有便捷、直观、精确、非接触、再现性好、适应性强、灵活性高、成本低廉的优点,能解放劳动力,排除人为干扰,具有很好的应用前景。
据统计,混凝土桥梁的损坏有90%以上都是由裂缝引起的,因此对桥梁的健康检测主要是对桥梁表观的裂缝进行检测与测量。基
上一页:
三维视觉检测产品可协助机器人实现3D智能抓取
下一页:
LED数码管视觉检测