工业机器视觉技术及应用课件：机器视觉系统.pptx

机器视觉系统;

2.1机器视觉系统的组成

;

机器视觉系统是基于机器视觉技术为机器或自动化生产线建立的一套系统。一个典型的工业机器视觉应用系统包括光照系统、光学系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械执行模块等。

常用的机器视觉系统中包括光照系统、数字摄像机、图像内存、机器视觉软件等部件，其中数字摄像机包括图像采集卡、图像传感器、镜头及图像数据等部分，如图2-1所示。

;;

根据应用需求不同，机器视觉系统的组成有所差异，以工业机器人应用中的机器视觉定位系统为例，机器视觉定位系统主要由图像获取、摄像机标定及获取目标点坐标三部分组成。

1．图像获取

机器视觉定位系统大多以千兆网接口的CCD相机为主，将CCD相连并设置相应参数，便可获得图像。

;

2．摄像机标定

通过空间物体表面某点的三维几何位置与其图像中对应点之间的相互关系，建立摄像机成像的几何模型，这些几何模型参数就是摄像机参数，用于标定摄像机[12]。

3．获取目标点坐标

为了获取目标物在机器人坐标系下的坐标，必须建立相机坐标系、机器人坐标系、图像坐标系三者关系，在此基础上，只要通过视觉检测出目标物，即可获取到目标物的位置。

;

2.2机器视觉系统的分类

;

机器视觉定位功能常用于指引机器人在大范围内的操作和行动(如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上)。机器视觉检测系统在某种意义上包含机器视觉测量系统和机器视觉识别系统。

自底向上的研究方法注重研究视觉的机制，主要以灵长类动物的视觉机制研究成果为基础设计机器视觉算法，如对视觉机制进行建模。其优点在于能直接利用视觉机制的研究成果得到简单、有效的视觉算法，并且能直接推广到多种视觉问题上。其缺点是许多视觉机制的成果对机制的研究不完善或不全面，不利于直接应用到具体问题上，效果欠佳。

;

自上而下的研究方法以解决具体问题为出发点，根据具体问题设计相应的算法。其主要优点是能根据具体问题设计有效的算法。其不足之处在于这些方法依赖于待解决的具体问题，不具有普适性，难以直接推广。现在工业机器视觉系统的应用以自上而下的研究方法为主。

按照机器视觉系统使用的处理器可分为基于PC的机器视觉系统和嵌入式的机器视觉系统[14]。基于PC的视觉系统是通过摄像机采集数据，将数据传输给PC进行视觉信息处

理，它利用了PC的开放性、高度的编程灵活性和良好的Windows界面，系统总体成本较低，而且系统可接多个摄像机，能满足特殊场合的集成应用需求。

;

嵌入式的机器视觉系统是一种将图像采集、处理和通信功能集成于单一相机内的多功能、模块化、高可靠性的智能系统[15]。这种高度集成化的微小型机器视觉系统，提供了一种具有成本低、简单易用、结构紧凑等优点的机器视觉解决方案。

FPGA作为一种高性能的可编程逻辑器件，可以通过编程方便地修改其内部的逻辑功能，从而实现高速的机器并行运算，是高性能嵌入式机器视觉系统的最佳解决方案。

;

基于FPGA的嵌入式视觉系统的功耗远远低于基于通用CPU和GPU的机器视觉系统，将成为机器视觉系统的重要发展方向。从机器视觉技术的发展方向来看，嵌入式机器视觉系统将成为主流。另外，更开放的视觉系统与其他自动化系统的深度集成，逐步向传统制造业应用领域扩展也是机器视觉技术发展的方向之一。