机器视觉系统的要害技术

  • 2021-04-14 11:01:46
  • 作者:
机器视觉系统是综合现代计算机、光学、电子技术的高科技系统,通过计算机对系统摄取的视频和图像进行处理与阐发,对得到的信息做出相应的判定,进而发出对设备的控制指令。机器视觉系统按照其具体应用而千差万别,视觉系统本身也可能有多种不同的形式,包罗图像采集(含光源、光学成像、数字图像获取与传输)图像处理与阐发等环节。机器视觉系统要害技术如下:

机器视觉技术
声明:部门内容及图片来源于网络,如有侵权请联系删除。
(1)照明光源 照明直接作用于系统的原始输人,对输入数据质量的好坏有直接的影响。由于被测对象、环境和检测要求千差万别,因而不存在通用的机器视觉照明设备,需要针对每个具体的案例来设计照明的方案,要考虑物体和特征的光学特性、距离、布景,按照检测要求具体选择光的强度、颜色和光谱组成均匀性、光源的外形、照射方式等。目前使用的照明光源主要包罗高频荧光灯、卤素灯和LED等。 (2)镜头 机器视觉系统中,镜头相当于人的眼睛,其主要作用是将目标的光学图像聚焦在图像传感器(相机)的光敏面阵上。视觉系统处理的所有图像信息均通过镜头得到,镜头的质量直接影响到视觉系统的整体性能。合理选择镜头、设计成像光路是视觉系统的要害技术之一。镜头成像或多或少会存在畸变,应选用畸变小的镜头,有效视场只取畸变较小的中心视场。此外,受镜头镀膜的干涉特性和材料的吸收特性影响,要求尽量做到镜头最高分辨率的光线应与照明波长、CCD器件接受波长相匹配,并使光学镜头对该波长的光线透过率尽可能提高。

FOV( Field Of Vision)=所需分辨率*亚象素*相机尺寸/PRTM(零件测量公差比) 选择镜头时应留意考虑分辨率、焦距、光圈、景深、 成像尺寸、视场角、畸变等。

(3)高速摄像机 摄像机是一个光电转换器件,它将光学成像系统所形成的光学图像转变成视频/数字电信号。通常,摄像机由核心的光电转换器件、外围电路、输出控制接口组成。固态图像传感器主要有五种类型:电荷耦合器件CCD( Charge Coupled Device),电荷注人器件CID( Charge Injection Device),金属-氧化物半导体MOS,电荷引发器件 CPD和叠层型摄像器件。相机按照不同尺度可分为尺度分辨率数字相机和模拟相机线扫描CCD和面阵CCD、单色相机和彩色相机等。要按照不同的实际应用场所选择不同的相机,除了考察其光电转换器件外,还应考虑系统速度、检测的视野范围、系统所要达到的精度等因素。

CCD是目前机器视觉最为常用的图像传感器,它集光电转换及电荷存贮、电荷转移、信号读取于一体,是典型的固体成像器件。CCD的突出特点是以电荷作为信号,而不同于其器件是以电流或者电压为信号。这类成像器件通过光电转换形成电荷包,而后在驱动脉冲的作用下转移、放大输出图像信号。典型的CCD相机由光学镜头、时序及同步信号发生器、垂直驱动器、模拟/数字信号处理电路组成。CCD作为一种功能器件,与真空管比拟,具有无灼伤、无滞后、低电压工作、低功耗等长处。

CMOS图像传感器的开发最早呈现在20世 纪70年代初。90年代初期,随着超大规模集成电路( VLSI)制造工艺技术的成长,CMOS图像传感器得到迅速成长。CMOS图像传感器将光敏元阵列、图像信号放大器信号读取电路、模数转换电路、图像信号处理器及控制器集成在一块芯片上,还具有局部象素的编程随机拜候的长处。目前,CMOS图像传感器以其良好的集成性、低功耗、宽动态范围和输出图像几乎无拖影等特点而得到广泛应用。

工业摄像机接口类型包罗模拟接口、CameraLink、1394a、1394b、USB2. 0、GigE、Ethernet等。

机器视觉技术
声明:部门内容及图片来源于网络,如有侵权请联系删除。
(4)图像采集处理卡

在机器视觉系统中,摄像机输出的模拟视频信号并不能为计算机直接识别,需要通过图像采集卡将模拟视频信号数字化,形成计算机能直接处理的数字图像,并提供与计算机的高速接口。图像采集卡就是进行视频信息量化处理的主要工具,主要完成对模拟视频信号的数字化过程。视频信号首先经低通滤波器滤波,转换为在时间上持续的模拟信号;按照应用系统对图像分辨率的要求,用采样/保持电路对边陲的视频信号在时间长进行间隔采样,把视频信号转换为离散的模拟信号;然后再由AVD转换器转变为数字信号输出。而图像采集/处理卡在具有模数转换功能的同时,还具有对视频图像进行阐发、处理的功能,并同时可对相机进行有效的控制。

(5)视觉处理软件

机器视觉系统中,视觉信息的处理技术主要依靠于视觉处理方法,视觉处理软件可以分为图像预处理和特征阐发理解两个层次。图像预处理包罗图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后,输出图像的质量得到相当程度的改善,既改善了图像的视觉效果,又便于计算机对图像进行阐发、处理和识别。图像特征阐发理解是对目标图像进行检测和各种物理量的计算,以获得对目标图像的客不雅观描述,主要包罗图像分割、特征提取(几何外形、边界描述、纹理特性)等。机器视觉中 常用的算法包罗搜索、边缘( Edge)、Blob阐发、卡尺工具(Caliper Tool)、光学字符识别、色彩阐发等。

(6)硬件处理平台

从硬件平台的角度说,计算机在CPU和内存方面的改进给视觉系统提供了很好的支撑,多核CPU配合多线程的软件可以成倍提高速度。伴随DSP、 FPGA技术的成长,嵌人式处理模块以其强大的数据处理能力、集成性模块化和无需复杂操作系统撑持等长处而得到越来越多的重视。

总体而言,机器视觉系统是一个光机电和计算机高度综合的系统,其性能并不仅由某一个环节决定。每一个环节都很完美,,也未必意味着最终性能的满足。系统阐发和设计是机器视觉系统开发的难点和基础,急常加强。

返回