163.com】

目前关于机器视觉方面#xff0c;相关的软件很多。

比如说商业化的halcon、vision

pro、vision

master#xff0c;当然也可以用opencv、pytorch自…【

联系信箱feixiaoxing

目前关于机器视觉方面相关的软件很多。

比如说商业化的halcon、vision

pro、vision

master当然也可以用opencv、pytorch自己写软件这都是可以的。

不过因为机器视觉项目部署的时间都比较短而且对产品的稳定性和性能要求较高所以如果自己写的话简简单单使用第三方提供的api一般是没有办法满足要求的。

通常情况下都需要自己对代码进行优化处理一下这样才能够达到客户的要求。

1、图像预处理

图像预处理其实比较好理解就是拿到图像之后做一些简单的处理。

这部分处理之后的结果还是图像但是输出的结果已经为最终我们的算法处理做了一个很好的铺垫。

比如说滤波、反转、旋转、边缘检测、二值化、膨胀、腐蚀等等这些都是图像预处理的部分。

我们读书的时候以及市面上看到的大部分图像处理的书上面讲解的内容其实也主要是这么一部分。

2、摄像头标定

很多摄像头如果没有标定的话获取的图像其实是带有畸变信息的。

比如现在很多汽车上面都带有360功能上面的图像就是根据4个camera图像计算出来的。

camera本身为了获得更大的视场角镜头都是鱼眼镜头但是这种图像都是发生严重畸变的。

所以一般拿到摄像头之后我们有必要通过棋盘格对它们进行畸变矫正的处理这样才能送给后续的算法做进一步处理。

3、光源处理

好的图像除了sensor和镜头之外另外一个很重要的因素就是光源。

在市场上可以买到的光源设备一般就是光源本身和光源控制器。

但是如何通过图像质量本身借助于反馈控制的方法去实时地控制光源这是很大的一门学问。

有了好的图像算法的编写上面都会轻松不少。

4、条形码、二维码识别

目前很多物料、设别、仓库的管理都是通过各种图形码来识别的。

这里面又是以条形码和二维码最为普遍所以上位机软件支持条形码和二维码也就不足为奇了。

5、定位功能

有了前面的图像预处理一般来说我们就可以通过轮廓查找的方法找到一些潜在的候选项。

然后再借助于长宽比、面积、圆度、周长、先验知识等信息很容易提取出我们想要检查的区域模块。

这个时候如果图像上还有明显的标记点这个时候就比较容易计算出相关物体的位置信息也为下一步机械手的参与打下基础。

当然上面的方法对于现场的fae来说稍显复杂模板匹配对于他们来说或许更加容易接受一点。

6、测量

测量是图像处理的另外一个重要功能。

这里的测量不仅仅是测量特定物体的大小还有可能是找到一个物体之后测量它和某个点的距离、和某条直线的距离、和某个圆的距离等等。

当然具体需要哪个功能还要根据具体情况而定。

当然要做好测量一般还要搭配着寻找直线、寻找正方形、寻找圆的功能。

7、质量检测

质量检测也是机器视觉很重要的一个应用场景。

现实的工厂中大部分的质检都是由人工完成的但是这种检测效率不高而且检测的效果完全取决于工人每个人的能力。

但是对于机器视觉来说则不存在这样的问题。

8、分类和识别

分类和识别是由于计算机深度学习的发展而引入的新功能。

传统的机器视觉大部分都是基于图像本身进行处理。

对于更复杂的场景特别是需要同时进行定位和分类的场景深度学习具有天然的优势这个时候yolov5这一类的算法就显得非常实用了。

图像处理的结果最重要是要和其他设备进行通信处理的。

这里面的设备通信方式有232、485、can、tcp等等类型则有io设备、plc、机械手、电脑等等。

所以对于上位机来说拿到图像算法的计算结果之后一般都是要通过结果送出去继续处理的特别是给机械设备来处理。

上位机软件的使用者大部分都是fae或者称之为现场部署工程师。

他们不仅仅要处理图像更多的情况下是软件的部署和应用。

所以像halcon这一类的软件还提供了大量的范例、以及脚本编辑的功能。

他们对算法的理解或许不是那么充分但是他们对于不同算法应该应用到什么场景这方面积累了大量的经验具有较明显的优势。

传统的图像处理还是以camera为主。

不过随着最新的传感器采集设备引入比如说3d

camera、lidar、多线lidar设备新的算法也可以同时参与进来这样应用的场景更加丰富也可以更多的参与到工业生产当中去。