機器視覺相關技術

1、圖像采集技術——機器視覺的基礎

圖像采集部分一般由光源、鏡頭、數字攝像機和圖像采集卡構成。采集過程可簡單描述為在光源提供照明的條件下，數字攝像機拍攝目標物體并將其轉化為圖像信號，最后通過圖像采集卡傳輸給圖像處理部分。在設計圖像采集部分時，要考慮到多方面的問題，主要是關于數字攝像機、圖像采集卡和光源方面的問題。

（1）光源照明

照明是影響機器視覺系統輸入的重要因素，其直接影響輸入數據的質量和應用效果。到目前為止，還未有哪種機器視覺照明設備能通用各種應用，因此在實際應用中，需針對應用選擇相應的照明設備以滿足特定需求。

照明系統按其照射方法可分為:背向照明、前向照明、結構光和頻閃光照明等。其中，背向照明是指將被測物放在光源和攝像機之間，以提高圖像的對比度。前向照明是光源和攝像機位于被測物的同側，其優點是便于安裝。結構光照明是將光柵或線光源等投射到被測物上，并根據其產生的畸變，解調出被測物的三維信息。頻閃光照明是將高頻率的光脈沖照射到物體上，攝像機拍攝要求與光源同。



（2）光學攝像頭

光學攝像頭的任務就是進行光學成像，一般在測量領域都又專門的用于測量的攝像鏡頭，因為其對成像質量有著關鍵性的作用。攝像頭需要注意的一個問題是畸變。這個就需要使用相應的畸變校正方法，目前也開發出了很多自動畸變自動校正系統。

（3）CCD 攝像機及圖像采集卡

CCD( Charge Coupled Device) 攝像機及圖像采集卡共同完成對目標圖像的采集與數字化。目前 CCD，CMOS等固體器件的應用技術，線陣圖型敏感器件，像元尺寸不斷減小，陣列像元數量不斷增加，像元電荷傳輸速率也得到大幅提高。在基于PC機的機器視覺系統中，圖像采集卡是控制攝像機拍照來完成圖像的采集與數字化，并協調整個系統的重要設備。

圖像采集卡直接決定了攝像頭的接口為：黑白、彩色、模擬、數字等形式。

2、圖像處理與分析——機器視覺的核心

用于機器視覺的圖像處理與分析方法的核心是，解決目標的檢測識別問題。當所需要識別的目標比較復雜時，就需要通過幾個環節，從不同的側面綜合來實現。

對目標進行識別提取的時候，首先是要考慮如何自動地將目標物從背景中分離出來。目標物提取的復雜性一般就在于目標物與非目標物的特征差異不是很大，在確定了目標提取方案后，就需要對目標特征進行增強。

隨著計算機技術、微電子技術以及大規模集成電路的發展，圖像信息處理工作越來越多地借助硬件完成，如 DSP 芯片、專用的圖像信號處理卡等。軟件部分主要用來完成算法中并不成熟又較復雜或需不斷完善改進的部分。這一方面提高了系統的實時性，同時又降低了系統的復雜度。

機器視覺技術遇到的問題

對于人類來說，識別和理解周圍場景是一件非常容易的事，但對于機器人來說，卻是一件很困難的事。主要困難有一下幾個方面：

（1） 穩定性問題

現實中的環境因素是多變的，場景中的諸多因素，包括照明、物體形狀、表面顏色、攝像機以及空間關系變化都會對生成的圖像有影響。比如用于智能交通檢測的設備，如何保證其在惡劣天氣下依舊保持較高的穩定性就是一個很難解決的問題。

（2）構造出性能良好的識別算法

圖像處理與分析技術是機器視覺的核心，所以構造出一個良好的、適應相關領域應用的識別算法顯得尤為重要。而且現在的應用領域越來越要求檢測設備具有準確、高速地識別出目標的能力，如果我們不能構造出一個更好的識別算法，就不能適應不斷增長的需求。

（3）數據量大

機器視覺所獲取的數據量非常非常大的。比如用于手機上的人臉識別功能，識別一次要投射多大幾萬個紅外線點，這是一個龐大的數據。再比如交通檢測方面看，一天累積下來的數據量也是驚人的。所以如何處理如此大的信息量是個難題。不過隨著硬件技術的發展，這個問題將來會逐步得到解決。