机器视觉与智能检测创新实践
《机器视觉与智能检测创新实践》课程设计报告
题目：基于可见光红外光图像的处理
班级：
姓名：
学号：
指导老师：
日期：
一、实验目的
机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。本实验的目的就是通过学生自身动手实验，使学生对机器视觉系统及图像处理有一定的认识。同时加深学生的动手能力和培养学生的创新能力。
二、实验设备
机器视觉实验平台，计算机，Matlab软件等
三、实验任务
（1）对采集的近红外图像进行增强、分割和细化（自己挑选成像效果较好的手背或手掌的近红外图像）
1、了解增强、分割和细化等处理的概念和效果并编程实现增强、分割和细化；
2、分别比较不同增强、分割和细化方法的优劣
（2）对采集到的可见光手掌图像进行分割得到手掌及手指的轮廓。
四、相关概念介绍
1、光谱
光谱是复色光经过色散系统（如棱镜、光栅）分光后，被色散开的单色光按波长（或频率）大小而依次排列的图案，如图1所示。
光波是由原子内部运动的电子产生的。各种物质的原子内部电子的运动情况不同，所以它们发射的光波也不同。研究不同物质的发光和吸收光的情况，有重要的理论和实际意义，已成为一门专门的学科——光谱学。
图1 可见光的光谱图
种类：发射光谱物体发光直接产生的光谱叫做发射光谱。发射光谱有两种类型：连续光谱和明线光谱。
连续分布的包含有从红光到紫光各种色光的光谱叫做连续光谱。炽热的固体、液体和高压气体的发射光谱是连续光谱。例如电灯丝发出的光、炽热的钢水发出的光都形成连续光谱。
只含有一些不连续的亮线的光谱叫做明线光谱。明线光谱中的亮线叫做谱线，各条谱线对应于不同波长的光。稀薄气体或金属的蒸气的发射光谱是明线光谱。明线光谱是由游离状态的原子发射的，所以也叫原子光谱。
观察气体的原子光谱，可以使用光谱管，它是一支中间比较细的封闭的玻璃管，里面装有低压气体，管的两端有两个电极。把两个电极接到高压电源上，管里稀薄气体发生辉光放电，产生一定颜色的光。
观察固态或液态物质的原子光谱，可以把它们放到煤气灯的火焰或电弧中去烧，使它们气化后发光，就可以从分光镜中看到它们的明线光谱。
实验证明，原子不同，发射的明线光谱也不同，每种元素的原子都有一定的明线光谱。彩图就是几种元素的明线光谱。每种原子只能发出具有本身特征的某些波长的光，因此，明线光谱的谱线叫做原子的特征谱线。利用原子的特征谱线可以鉴别物质和研究原子的结构。
2、光源
自身正在发光，且能持续发光的物体叫作光源。
光源可分为：
1、天然光源（如太阳、火焰、闪电、萤火虫等）
2、人造光源（如点燃的蜡烛、发光的电灯、激光束等）
注意：有些物体，比如月亮，本身并不发光，而是反射太阳光才被人看见的，所以月亮不是光源。而人造光源一定要是正在发光的物体。
物理学上指能发出一定波长范围的电磁波（包括可见光与紫外线、红外线和X光线等不可见光）的物体。通常指能发出可见光的发光体。凡物体自身能发光者，称做光源，又称发光体，如太阳、恒星、灯以及燃烧着的物质等都是。但像月亮表面、桌面等依靠它们反射外来光才能使人们看到它们，这样的反射物体不能称为光源。在我们的日常生活中离不开可见光的光源，可见光以及不可见光的光源还被广泛地应用到工农业，医学和国防现代化等方面。
光源可以分为三种。
第一种是热效应产生的光，太阳光就是很好的例子，此外蜡烛等物品也都一样，此类光随着温度的变化会改变颜色。
第二种是原子发光，荧光灯灯管内壁涂抹的荧光物质被电磁波能量激发而产生光，此外霓虹灯的原理也是一样。原子发光具有独自的基本色彩，所以彩色拍摄时我们需要进行相应的补正。
第三种是synchrotron发光，同时携带有强大的能量，原子炉发的光就是这种，但是我们在日常生活中几乎没有接触到这种光的机会，所以记住前两种就足够了。
3、滤波片
滤波片是一种用来消除干扰杂讯的器件，将输入或输出经过过滤而得到纯净的信号。其功能是得到一个特定的频率或者消除一个特定的频率。
4、光圈大小
光圈是一个用来控制光线透过镜头，进入机身内感光面的光量的装置，它通常是在镜头内。表达光圈大小我们是用f值。对于已经制造好的镜头，我们不可能随意改变镜头的直径，但是我们可以通过在镜头内部加入多边形或者圆型，并且面积可变的孔状光栅来达到控制镜头通光量，这个装置就叫做光圈。光圈f值=镜头的焦距/镜头口径的直径。从以上的公式可知要达到相同的光圈f值，长焦距镜头的口径要比短焦距镜头的口径大。完整的光圈值系列如下: f1，f1.4，f2，f2.8，f4，f5.6，f8，f11，f16，f22，f32，f44，f64。光圈f值愈小，在同一单位时间内的进光量便愈多，而且上一级的进光量刚是下一级的两倍，例如光圈从f8调整到f5.6，进光量便多一倍，我们也说光圈开大了一级。
图2 光圈示意图
5、光强
发光强度简称光强，国际单位是candela简写cd。 1cd是指单色光源（频率540X10ˇ12HZ，波长0.550微米）的光，在给定方向上（该方向上的辐射强度为（1/683）瓦特/球面度））的单位立体角内发出的发光强度。发
光强度是针对点光源而言的，或者发光体的大小与照射距离相比比较小的场合。这个量是表明发光体在空间发射的汇聚能力的。可以说，发光强度就是描述了光源到底有多亮。1000mcd=1cd
6、焦距
焦距是光学系统中衡量光的聚集或发散的度量方式，指从透镜中心到光聚集之焦点的距离。亦是照相机中，从镜片中心到底片或CCD等成像平面的距离。具有短焦距的光学系统比长焦距的光学系统有更佳聚集光的能力。简单的说焦距是焦点到面镜的顶点之间的距离. 由于我们照相时，被照的物体与相机(镜头)的距离不总是相同的，比如给人照相，有时，想照全身的，离得就远，照半身的，离得就近。也就是说，像距不总是固定的，这样，要想照得到清晰的像，就必须随着物距的不同而改变胶片到镜头光心的距离，这个改变的过程就是我们平常说的“调焦”。
图3 焦距示意图
五、图像处理的几种方法
1、图像增强
1.1方法介绍
图像增强处理方法根据处理过程所在的空间不同，可分为基于空间域的增强方法和基于频率域的增强方法两大类，如下图4：
图4 图像增强方法类型
1.1.1空域增强法
基于空间域的增强直接在图像所在的二维空间进行处理，即直接对每一像素点的灰度值进行处理。根据所采用的技术不同又可分为灰度变换和空域滤波两类
图像增强 空间域增强
频率域增强
直方图规定化
直方图均衡化
低通滤波 高通滤波
带通滤波 带阻滤波
空域滤波
灰度变换
锐化滤波
平滑滤波
定向滤波
梯度法 拉普拉斯算子法 中值滤波
邻域平均法
图像代数运算
直方图灰度变换
直接灰度变换
线性变换
非线性变换
按比例线性拉伸
分段线性拉伸 对数拉伸
指数拉伸 其他非线性拉伸
方法。
灰度变换是基于点操作的增强方法，将每一像素点的灰度值按照一定的数学变换转换为一个新的灰度值。基于灰度图像增强方法非常丰富，如增强处理中常用的直接灰度变换（包括线性拉伸和非线性拉伸）、对比度增强、直方图均衡化、直方图规定化和图像的代数运算等方法都属于灰度变换技术。
空域滤波是基于邻域处理的方法，它应用某一模板对每个像素点与其周围邻域的所有像素点进行了某种确定数学运算得到该像素点新的灰度值，输出值的大小不仅与该像素点灰度值有关，而且还与其邻域内的像素点的灰度值有关，常用的图像平滑滤波与滤波技术就发球空域滤波的范畴。
1.1.2频域增强法
频率域增强法首先将图像从空间域按照某种变换模型（如傅里叶变换或其他变换等）变换到频率域，然后在频域对图像进行处理，再将其反变换到空间域。通常包括低通、高通、带通和带阻四种典型的滤波器结构。
1.2选用方法
方法一：直接灰度变换之按比例线性拉伸法
对于8bit灰度图像，用以下公式进行图像拉伸。
g(x,y) = 255*[f(x,y)-fmin] / (fmax - fmin)
方法二：直方图灰度变换之直方图均衡化法
是以累积分布函数为基础的直方图修改法，将原始图像的直方图变为均衡分布的形式，将一非均匀灰度概率密度分布图像，通过寻求某种灰度变换，变成一幅具有均匀概率密度分布的目的图像。
方法三：1）空域滤波法之邻域平均法
将一个像素点事的所有像素点的平均值赋给输出图像中相应措施的像素点，从而达到平滑的目的，最简单的邻域平均滤波法是所有模板系数都取相同的值，例如，取模板系数为1。
2）空域滤波法之中值滤波法
利用一个奇数点的移动窗口，将窗口中心点的值用窗口各点的中间值代替。
1.3实验效果比较
方法一：直接灰度变换之按比例线性拉伸法程序如下：
A = imread('3271l1.bmp');
A1 = double(A);
A2 = (A1-50)*255/(160-50);
s = size(A2);
for i = 1:s(1)
for j = 1:s(2)
if A2(i,j)<0
A2(i,j)=0;
end
if A2(i,j)>255
A2(i,j)=255;
end
end
end
A2 = uint8(A2);
subplot(1,4,1);imshow(A)
subplot(1,4,2);imhist(A)
subplot(1,4,3);imshow(A2)
subplot(1,4,4); imhist(A2)
图像增强方法1
方法二：直方图灰度变换之直方图均衡化法
程序如下：
A = imread('D:\红外\1.bmp');
s=size(A);
a = imhist(A);
ap = a./sum(a(1:256));
v = ones(256,1);
al=filter(v,1,ap(1:256));
as =round(al.*255);
for i=1:s(1),
for j=1:s(2),
B(i,j)=as(A(i,j)+1);
end
end
C = uint8(B);
subplot(1,4,1);imshow(A)
subplot(1,4,2);imhist(A)
subplot(1,4,3);imshow(C)
subplot(1,4,4);imhist(C)
图像增强方法2
方法三：空域滤波法——邻域滤波法与中值滤波法程序如下：
A = imread('D:\红外\1.bmp');
moban2 = [1,1,1;1,1,1;1,1,1];
A1 = A;
A2 = A;
A3 = A;
B = double(A);
s = size(A);
t = zeros(1,9);
b = zeros(1,9);
for i = 2:s(1)-1
for j = 2:s(2)-1
t(1)=A(i-1,j-1);
t(2)=A(i-1,j);
t(3)=A(i-1,j+1);
t(4)=A(i,j-1);
t(5)=A(i,j);
t(6)=A(i,j+1);
t(7)=A(i+1,j-1);
t(8)=A(i+1,j);
t(9)=A(i+1,j+1);
for g = 1:9,
for k = 1:8,
if t(k+1) buf=t(k+1); t(k+1)=t(k); t(k)=buf; end end end A3(i,j) = t(5); A2(i,j)=(B(i-1,j-1)*moban2(1,1)+B(i-1,j)*moban2(1,2)+B(i-1,j+1)*moban 2(1,3)+B(i,j-1)*moban2(2,1)+B(i,j)*moban2(2,2)+B(i,j+1)*moban2(2,3)+B (i+1,j-1)*moban2(3,1)+B(i+1,j)*moban2(3,2)+B(i+1,j+1)*moban2(3,3))/9; end end subplot(1,3,1);imshow(A1);title('原图'); subplot(1,3,2);imshow(A2);title('邻域滤波'); subplot(1,3,3);imshow(A3);title('中值滤波'); 图像增强方法3 1.4效果比较分析总结 方法一： 优缺点：灰度拉伸后，图像在亮度和对比度等方面具有明显的改善效果。 方法二： 优点：把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，以实现图像对比度的增强。 缺点：1）变换后图像的灰度级减少，某些细节消失； 2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。 方法三： 优缺点：平滑滤波的作用是对图像的高频分量削弱或消除，增强图像的低频分量。邻域平均滤波法可以起到平滑图像的作用，但在消除噪声的同时，会使图像中的一些细节变得模糊。中值滤波法则消除噪声的同时还能保持图像中的细节部分，防止图像的边缘部分模糊。 2、图像分割 2.1 图像分割介绍 图像分割就是将图像划分为一些区域，在同一区域内，图像的特征相近而不同的区域，图像特征相差较远。图像特征可以使图像本身的特征，如像素灰度，边缘轮廓和纹理等。图像分割的作用是从图像中提取有用的信息。在图像分析过程中，一般首先要对所给的图像进行分割，再对分割的区域作适当的描述，然后才能对图像做某种分析。 2.2 实验效果 (a):全局阀值法： a=imread('xjm007_1.bmp'); level=graythresh(a); yy=im2bw(a,level); subplot(1,2,1);imshow(a);title('没处理的图像'); subplot(1,2,2);imshow(yy);title('分割后的图像'); 得到如下的图像： 同理，可以得到红外图片全局阀值法的图片： (b): 水线阀值分割法 yy= imread('D:\红外\1.bmp'); kk= strel('disk', 40); Itop = imtophat(yy, kk); % 高帽变换 Ibot = imbothat(yy, kk); % 低帽变换 Ienhance = imsubtract(imadd(Itop, yy), Ibot); % 高帽图像与低帽图像相减 Iec = imcomplement(Ienhance); % 进一步增强图像 Iemin = imextendedmin(Iec, 20); subplot(1,2,1);imshow(yy);title('没处理的图像'); subplot(1,2,2);imshow(Ienhance);title('分割后的图像'); 得到图像如下： 同理，可以得到可见光图片水线阀值分割法： 小结： A．对于可见光下的图像，全局阀值把手掌与背景分割开来，但由于对于整一幅图像采用1个阈值进行分割，不能细致做到分割静脉血管。动态阈值法是用与像素位置相关的一组阈值来对图像各部分分别进行分割。这类算法时间复杂性和空间复杂性比较大，但是抗噪能力强，对一些用全局阈值法不易分割的图像有较好效果。水线阀值分割法就是属于这一类分割方法。显然，用这种方法分割出来的图像比全局阀值分割法要好。 B．对于红外的图像，全局阀值处理后，只能看见漆黑一片，那是因为原图就是分割后的图像，灰度低，用同一阀值进行分割，当所取分割值不准时，将出现此类情况，而动态阀值法则相对更好，能清晰显示静脉所在。 3、图像细化 图像细化就是通过细化用骨架来代表图像的形状。所谓细化，就是把输入的具有一定宽度的图像轮廓用逐次去掉边缘点的方法，最终变成宽度仅为一个像素的骨架。依据是否使用迭代运算可以分为两类：第一类是非迭代算法，一次即产生骨架，如基于距离变换的方法。游程长度编码细化等。 程序如下： I=imread('D:\可见光\1.bmp'); level=graythresh(I); yy=im2bw(I,level); imshow(yy); bw1=bwmorph(yy,'remove'); bw2=bwmorph(yy,'skel',inf); figure,imshow(bw1) figure,imshow(bw2) 得到如下图片: 分割后图像 细化效果图 1 细化效果图 2 六、心得体会 课程设计，就是对同学们所学的知识所进行检验，因此，有很重要的一点就是要求我们尽量掌握好所学到的知识。在课程设计的过程中，我们要懂得发现问题，从并且找到解决方法，只有这样，我们才能明白自己的不懂之处，并进行改善，完善自己所学的知识。 而对于一个设计来说，设计时的方案很重要，如果没有一个好的方案，则容易出现无法进行下去的状况。反之，如果设计方案较好的话，则可以提高其设计效率，使设计的系统得到较较好良的性能。而且在设计的时候我们得不断查找相关的资料，这样可以使得我们对过去所学的知识加以温习，加深巩固了对知识的记忆，或者了解到新的知识。 还有就是由于之前比较少使用MATLAB这个软件工具，就是的对其的操作比较陌生，通过这次课程的设计，我们因为要使用此工具，所以同学们一般都得自 己去熟悉了解其使用方法，这样的话，大家就在设计过程中掌握了一些基本的操 作技能。而实际上，MATLAB作为一个软件工具，是广泛的应用于各个工作领域的，能够为问题的解决提供方便快捷的方式，掌握这样的一个工具其实对我们是非常有益的。 最后的总结就是课程设计所要求的是我们要懂得自己去不断学习新的知识以及温习旧的知识，并能够为自己所用。 参考资料 1、《机器视觉》张广军编著科学出版社 2、《数字图像处理》陈天华编著清华大学出版社 人工智能的研究方向和应用领域 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。 基于机器视觉的工件识别和定位文献综述 1.前言 1.1工业机器人的现状与发展趋势 机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备，在现代先进生产制造业中发挥的作用越来越重要，机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出，“机器人技术与信息技术一样，在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l 世纪日本产业竞争力的产业战略之一，具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来，但近些年来，工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长，大都在10 年以上，并且可以全天后不间断的保持连续、高效地工作状态，因此被广泛应用于各行各业，主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要，工业机器人越来越被广泛的应用到现代化的生产中。 现在机器人的价格相比过去已经下降很多，并且以后还会继续下降，但目前全世界范围的劳动力成本都有所上涨，个别国家和地区劳动力成本又很高，这就给工业机器人的需求提供了广阔的市场空间，工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式，并且在国外，机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向，具有广阔的市场发展前景和强劲生命力，已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家，机器人自动化生产线已经应用到了各行各业，并且已经形成一个庞大的产业链。像日本的FANUC、MOTOMAN，瑞典的ABB、德国的KUKA、意大利的COMAU 等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。 我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后，发展速度就明显加快。特别是在每次国家的五年规划和“863”计划的重点支持下，我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展，科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。 机器人涉及到多学科的交叉融合，涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中，伴随着工业机器人应用范围的扩大和机器人技术的发展，机器人的自动化、智能化和网络化的程度也越来越高，所能实现的功能也越来越多，性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前，工业机器人技术正在向智能机器和智能系统的方向发展，其发展趋势主要为：结构的模块化和可重构化；控制技术的开放化、PC 化和网络化；伺服驱动技术的数字化和分散化；多传感器融合技术的实用化；工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。 1.2机器视觉在工业机器人中的应用 工业机器人是FMS（柔性加工）加工单元的主要组成部分，它的灵活性和柔性使其成为自动化物流系统中必不可少的设备，主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域， 一种智能机器人系统设计和实现 我们从广泛意义上理解所谓的智能机器人，它给人的最深刻的印象是一个独特的进行自我控制的"活物".其实，这个自控"活物"的主要器官并没有像真正的人那样微妙而复杂。智能机器人具备形形色色的内部信息传感器和外部信息传感器，如视觉、听觉、触觉、嗅觉。除具有感受器外，它还有效应器，作为作用于周围环境的手段。这就是筋肉，或称自整步电动机，它们使手、脚、长鼻子、触角等动起来。我们称这种机器人为自控机器人，以便使它同前面谈到的机器人区分开来。它是控制论产生的结果，控制论主张这样的事实：生命和非生命有目的的行为在很多方面是一致的。正像一个智能机器人制造者所说的，机器人是一种系统的功能描述，这种系统过去只能从生命细胞生长的结果中得到，现在它们已经成了我们自己能够制造的东西了 嵌入式是一种专用的计算机系统，作为装置或设备的一部分。通常，嵌入式系统是一个控制程序存储在ROM中的嵌入式处理器控制板。事实上，所有带有数字接口的设备，如手表、微波炉、录像机、汽车等，都使用嵌入式系统，有些嵌入式系统还包含操作系统，但大多数嵌入式系统都是是由单个程序实现整个控制逻辑。嵌入式技术近年来得到了飞速的发展，但是嵌入式产业涉及的领域非常广泛，彼此之间的特点也相当明显。例如很多行业：手机、PDA、车载导航、工控、军工、多媒体终端、网关、数字电视…… 1 智能机器人系统机械平台的搭建 智能机器人需要有一个无轨道型的移动机构，以适应诸如平地、台阶、墙壁、楼梯、坡道等不同的地理环境。它们的功能可以借助轮子、履带、支脚、吸盘、气垫等移动机构来完成。在运动过程中要对移动机构进行实时控制，这种控制不仅要包括有位置控制，而且还要有力度控制、位置与力度混合控制、伸缩率控制等。智能机器人的思考要素是三个要素中的关键，也是人们要赋予机器人必备的要素。思考要素包括有判断、逻辑分析、理解等方面的智力活动。这些智力活动实质上是一个信息处理过程，而计算机则是完成这个处理过程的主要手段。 机器人前部为一四杆机构，使前轮能够在一定范围内调节其高度，主要功能是在机器人前部遇障碍时，前向连杆机构随车轮上抬，而遇到下凹障碍时前车轮先下降着地，以减小震动，提高整机平稳性。在主体的左右两侧，分别配置了平行四边形侧向被动适应机构，该平行四边形机构与主体之间通过铰链与其相连接，是小车行进的主要动力来源。利用两侧平行四边形可任意角度变形的特点，实现自适应各种障碍路面的效果。改变平行四边形机构的角度，可使左右两侧车轮充分与地面接触，使机器人的6个轮子受力尽量均匀，加强机器人对不同路面的适应能力，更加平稳地越过障碍，并且更好地保证整车的平衡性。主体机构主要起到支撑与连接机器人各个部分的作用，同时，整个机器人 2012研究生机器视觉课程检测及课程设计内容 一、回答下列问题： 1、什么是机器视觉，它的目标是什么？能否画出机器视觉检测系统的结构方 块图，并说出它们的工作过程原理和与人类视觉的关系？ 机器视觉是机器（通常指计算机）对图像进行自动处理并报告“图像中有什么”的过程，也就是说它识别图像中的内容。图像中的内容往往是某些机器零件，而处理的目标不仅要能对机器零件定位，还要能对其进行检验。 原始数据特征向量类别标识 特征度量模式分类器 机器视觉系统的组成框图 2、在机器视觉检测技术中：什么是点视觉技术、一维视觉技术、二维视觉技 术、三维视觉技术、运动视觉技术、彩色视觉技术、非可见光视觉技术等？ 能否说出他们的应用领域病句、案例？能否描述它们的技术特点？ 答：点视觉：用一个独立变量表示的视觉称之为点视觉。如应用位移传感器测量物体的移动速度。 一维视觉：普通的CCD。 两维视觉：用两个独立变量表示的视觉称之为两维视觉。比如普通的CCD。 三维视觉：用三个独立变量表示的视觉称之为三维视觉。比如用两个相机拍摄（双目视觉）；或者使用一个相机和一个辅助光源。 彩色视觉：用颜色作为变量的视觉称之为彩色视觉。物体的颜色是由照 射光源的光谱成分、光线在物体上反射和吸收的情况决定的。比如，一 个蓝色物体在日光下观察呈现蓝色，是由于这个物体将日光中的蓝光 反射出来，而吸收了光谱中的其他部分的光谱，而同样的蓝色物体， 在红色的光源照射下，则呈现红紫色， 非可见光视觉技术：用非可见光作为光源的视觉技术。比如非可见光成像技术。 3、机器视觉检测技术中：光源的种类有哪些？不同光源的特点是什么？光照 方式有几种？不同光照方式的用途是什么？又和技术特点和要求？ 机器视觉检测技术中光源有以下几种：荧光灯，卤素灯+光纤导管，LED 光源，激光，紫外光等。几种光源的特点如下： 成本亮度稳定度使用寿命复杂设计温度影响种类名 称 荧光灯低差差一般低一般 卤素灯+光纤导管高好一般差一般差LED光源一般一般好好高低光照方式有以下几种： 背景光法（背光照射）是将被测物置于相机和光源之间。这种照明方式的优点是可将被测物的边缘轮廓清晰地勾勒出来。由于在图像中，被测物所遮挡的部分为黑色，而未遮挡的部分为白色，因此形成“黑白分明”的易于系统分析的图像。此方法被应用于90%的测量系统中。 前景光法（正面照射）是将灯源置于被测物和相机之前。又可分为明场照射和暗场照射。明场照射是为了获得物体的几乎全部信息，照射物体的光在视野范围之内几乎全部反射回去；暗场照射是为了获取物体表面的凹凸，照射物体的光在视野范围之外有部分光反射回去。 同轴光法是将灯源置于被测物和相机之间。 4、机器视觉检测系统中，光学系统的作用是什么？光学器件有哪几种，它们 各自的作用是什么？光学镜头有几种类型，它们各自有何用途？光学镜头有哪些技术参数，各自对测量有什么影响？ 答：机器视觉检测系统中，光学系统用来采集物体的轮廓、色彩等信息。 光学器件主要有：镜头、成像器件（CCD和CMOS)、光圈、快门等。 镜头的作用是对成像光线进行调焦等处理，使成像更清晰；成像器件的作用是将光学图像转换成模拟电信号；光圈的作用如同人得瞳孔， 控制入射光的入射量，实现曝光平衡；快门的作用是将想要获取的光学 机器视觉检测系统简述及系统构成 1机器视觉检测的一般模式 机器视觉检测的目标千差万别，检测的方式也不尽相同。农产品如苹果、玉米等通常是检测其成熟度，大小，形态等，工业产品如工业零件,印刷电路板通常是检测其几何尺寸，表面缺陷等。不同的应用场合，就需要采用不同的检测设备和检测方法。如有的检测对精度要求高，就需要选择高分辨率的影像采集装置；有的检测需要产品的彩色信息，就需要采用彩色的工业相机装置。正是由于不同检测环境的特殊性，目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大，但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像，再用计算机进行图像处理得到相关检测信息，形成对被测产品的判断决策，最后将该决策信息发送到分拣装置，完成被测产品的分拣。 机器视觉检测的一般模式如图1所示： 图1机器视觉检测的一般模式 1.1图像获取 图像获取是机器视觉检测的第一步，它影响到系统应用的稳定性和可靠性。图像的获取实际上就是将被测物体的可视化图像和内在特征转换成能被计算机处理的图像数据。机器视觉检测系统一般利用光源，光学镜头，相机，图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测 视觉检测通过图像处理的方法从产品图像中提取需要的信息，做出结果处理并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测，并最大限度地减少对硬件系统的依赖性，而算法设计不够成熟的机器视觉软件则存在检测速度慢，误判率高，对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理主要依赖于图像处理方法，它包括图像增强,数据编码和传输，平滑，边缘锐化，分割，特征提取，目标识别与理解等内容。 1.3分拣 对于一个检测系统而言，最终是要实现次品（含不同种类的次品）与合格品的分离即分拣，这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合，分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种，除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要，必须在设计时予以足够的重视。 2机器视觉检测系统的构成 一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。 图2典型的机器视觉检测系统 3光源 什么是机器视觉技术？试论述其基本概念和目的。答：机器视觉技术是是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。机器视觉是用机器代替人眼来完成观测和判断，常用于大批量生产过程汇总的产品质量检测，不适合人的危险环境和人眼视觉难以满足的场合。机器视觉可以大大提高检测精度和速度，从而提高生产效率，并且可以避免人眼视觉检测所带来的偏差和误差。机器视觉系统一般由哪几部分组成？试详细论述之。答：机器视觉系统主要包括三大部分：图像获取、图像处理和识别、输出显示或控制。图像获取：是将被检测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据。 该部分主要包括，照明系统、图像聚焦光学系统、图像敏感元件（主要是CCD和CMOS采 集物体影像。 图像处理和识别：视觉信息的处理主要包括滤波去噪、图像增强、平滑、边缘锐化、分割、图像识别与理解等内容。经过图像处理后，图像的质量得到提高，既改善了图像的视觉效果又便于计算机对图像进行分析、处理和识别。 输出显示或控制：主要是将分析结果输出到显示器或控制机构等输出设备。试论述机器视觉技术的现状和发展前景。 答：。机器视觉技术的现状：机器视觉是近20?30年出现的新技术，由于其固有的柔性好、 非接触、快速等特点，在各个领域得到很广泛的应用，如航空航天、工业、军事、民用等等领域。 发展前景：随着光学传感器、信息技术、信号处理、人工智能、模式识别研究的不断深入和计算机性价比的不断提高，机器视觉技术越来越成熟，特别是市面上已经有针对机器视觉系统开发的企业提供配套的软硬件服务，相信越来越多的客户会选择机器视觉系统代替人力进行工作，既便于管理又节省了成本。价格持续下降、功能逐渐增多、成品小型化、集成产品增多。 机器视觉技术在很多领域已得到广泛的应用。请给出机器视觉技术应用的三个实例并叙述之。答：一、在激光焊接中的应用。通过机器视觉系统，实时跟踪焊缝位置，实现实时控制，防止偏离焊缝，造成产品报废。 二、在火车轮对检测中的应用，通过机器视觉系统抓拍轮对图像，找出轮对中有缺陷的轮对，提高检测精度和速度，提高效率。 三、大批量生产过程中的质量检查，通过机器视觉系统，对生产过程中的产品进行质量检查 跟踪，提高生产效率和准确度。 什么是傅里叶变换，分别绘出一维和二维的连续及离散傅里叶变换的数学表达式。论述图像傅立叶变换的基本概念、作用和目的。 答：傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。一维连续函数的傅里叶变换为：一维离散傅里叶变换为：二维连续函数的傅里叶变换为：二维离散傅里叶变换为： 图像傅立叶变换的基本概念：傅立叶变换是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析，简化了计算工作量，被喻为描述图像信息的第二种语言，广泛应用于图像变换，图像编码与压缩，图像分割，图像重建等。作用和目的：图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。图像灰度变换主要有哪几种形式？各自的特点和作用是什么？ 答：灰度变换:基于点操作，将每一个像素的灰度值按照一定的数学变换公式转换为一个新的灰度值。灰度变换是图像增强的一种重要手段，它可以使图像动态范围加大，使图像的对比度扩展， 智能机器人设计报告 参赛者：庆东肖荣于腾飞 班级：级应用电子技术 指导老师：远明 日期：年月日 一、元器件清单： ，，，，，，，蜂鸣器，光敏电阻，光敏三极管，电阻、电容若干，超亮及普通发光管。二、主要功能： 本设计按要求制作了一个简易智能电动车，它能实现的功能是：从起跑线出发，沿引导线到达点。在此期间检测到铺设在白纸下的薄铁片，并实时存储、显示在“直道区”检测到的薄铁片数目。电动车到达点以后进入“弯道区”，沿圆弧引导线到达点继续行驶，在光源的引导下，利用轻触开关传来的电信号通过障碍区进入停车区并到达车库，完成上述任务后能够立即停车，全程行驶时间越少越好。 本寻迹小车是以有机玻璃为车架，单片机为控制核心，加以减速电机、光电传感器、光敏三极管、轻触开关和电源电路以及其他电路构成。系统由通过口控制小车的前进后退以及转向。寻迹由超亮发光二极管及光敏电阻完成，避障由轻触开关完成，寻光由光敏三极管完成。 并附加其他功能： ．声控启动 ．数码显示 ．声光报警 三、主体设计 车体设计 左右两轮分别驱动，后万向轮转向的方案。为了防止小车重心的偏移，后万向轮起支撑作用。对于车架材料的选择，我们经过比较选择了有机玻璃。用有机玻璃做的车架比塑料车架更加牢固，比铁制小车更轻便，美观。而且裁减比较方便！ 电机的固定采用的是铝薄片加螺丝固定，非常牢固，且比较美观。 轮子方案 在选定电机后，我们做了一个万向轮，万向轮的高度减去电机的半径就是驱动轮的半径。轮子用有机玻璃裁出来打磨光华的，上面在套上自行车里胎，以防止打滑。 万向轮 当小车前进时，左右两驱动轮与后万向轮形成了三点结构，这种结构使得小车在前进时比较平稳。 基于机器视觉的产品检测技术研究 1、机器视觉 1.1机器视觉的概念 机器视觉被定义为用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统，根据像素分布!亮度和颜色等信息，进行各种运算来抽取目标的特征,根据预设的容许度和其他条件输出判断结果。 值得一提的是，广义的机器视觉的概念与计算机视觉没有多大区别，泛指使用计算机和数字图像处理技术达到对客观事物图像的识别、理解。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图像处理有着明显区别，其特点是： 1、机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系。相互协调应用才能构成一个成功的工业机器视觉应用系统。 2、机器视觉更强调实用性，要求能够适应工业生产中恶劣的环境，要有合理的性价比，要有通用的工业接口，能够由普通工作者来操作，有较高的容错能力和安全性，不会破坏工业产品，必须有较强的通用性和可移植性。 3、对机器视觉工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要光、机、电一体化的综合能力。 4、机器视觉更强调实时性,要求高速度和高精度，因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉，它们的发展速度远远超过其在工业生产中的实际应用速度。 1.2机器视觉的研究范畴 从应用的层面看，机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。从处理过程看,机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等，高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。从方法层面看，有被动视觉与主动视觉之，又有基于特征的方法与基于模型的方法之分。从总体上来看，也称作计算机视觉。可以说，计算机视觉侧重于学术研究方面，而机器视觉则侧重于应用方面。 机器人视觉是机器视觉研究的一个重要方向，它的任务是为机器人建立视觉系统，使得机器人能更灵活、更自主地适应所处的环境，以满足诸如航天、军事、工业生产中日益增长的需要（例如，在航天及军事领域对于局部自主性的需要，在柔性生产方式中对于自动定位与装配的需要，在微电子工业中对于显微结构的检测及精密加工的需要等）。机器视觉作为一门工程学科，正如其它工程学科一样，是建立在对基本过程的科学理解之上的。机器视觉系统的设计依赖于具体的问题，必须考虑一系列诸如噪声、照明、遮掩、背景等复杂因素，折中地处理信噪比、分辨率、精度、计算量等关键问题。 1.3机器视觉的研究现状 机器视觉研究出现于60年代初期，电视摄像技术的成熟与计算机技术的发展使得机器视觉研究成为可能。它作为早期人工智能研究的一部分，由于技术条件的限制，进展缓慢。80年代初，在D·Marr提出的计算视觉理论指导下，机器视觉研究得到了迅速发展，成为 机器视觉检测系统的工作原理与检测流程 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 在机器视觉检测系统工作流程中，主要分为图像信息获取、图像信息处理和机电系统执行检测结果3个部分，另外根据系统需要还可以实时地通过人机界面进行参数设置和调整。 当被检测的对象运动到某一设定位置时会被位置传感器发现，位置传感器会向PLC控制器发送“探测到被检测物体”的电脉冲信号，PLC控制器经过计算得出何时物体将移动到CCD相机的采集位置，然后准确地向图像采集卡发送触发信号，采集开检测的此信号后会立即要求CCD相机采集图像。被采集到的物体图像会以BMP文件的格式送到工控机，然后调用专用的分析工具软件对图像进行分析处理，得出被检测对象是否符合预设要求的结论，根据“合格”或“不合格”信号，执行机会对被检测物体作出相应的处理。系统如此循环工作，完成对被检测物体队列连续处理。如下图所示。 机器视觉检测系统工作原理 一个完整的机器视觉检测系统的主要工作过程如下： ①工件定位传感器探测到被检测物体已经运动到接近机器视觉摄像系统的视野中心，向机器视觉检测系统的图像采集单元发送触发脉冲。 ②机器视觉检测系统的图像采集单元按照事先设定的程序和延时，分别向摄像机和照明系统发出触发脉冲。 ③机器视觉摄像机停止目前的扫描，重新开始新的一帧扫描，或者机器视觉摄像机在触发脉冲来到之前处于等待状态，触发脉冲到来后启动一帧扫描。 ④机器视觉摄像机开始新的一帧扫描之前打开电子快门，曝光时间可以事先设定。 ⑤另一个触发脉冲打开灯光照明，灯光的开启时间应该与机器视觉摄像机的曝光时间相匹配。 ⑥机器视觉摄像机曝光后，正式开始新一帧图像的扫描和输出。 ⑦机器视觉检测系统的图像采集单元接收模拟视频信号通过A/D转换器将其数字化，或者是直接接收机器视觉摄像机数字化后的数字视频信号。 ⑧处理结果控制生产流水线的动作、进行定位、纠正运动的误差等。 从上述的工作流程可以看出，机器视觉检测系统是一种相对复杂的系统。大多监控和检测对象都是运动的物体，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、飞行物体制导等，对整个系统或者系统的一部分的重量、体积和功耗等都会有严格的要求。 尽管机器视觉应用各异，归纳一下，都包含一下几个过程： ①图像采集：光学系统采集图像，将图像转换成数字格式并传入计算机存储器。 机器视觉基本认识 一、机器视觉基本概念 1、机器视觉概念 机器视觉是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。随着工业自动化技术的飞速发展和各领域消费者对产品品质要求的不断提高。零缺陷、高品质、高附加值的产品成为企业应对竞争的核心，为了赢得竞争，可靠的质量控制不可或缺。由于生产过程中速度加快，产品工艺高度集成，体积缩小且制造精度提高，人眼已无法满足许多企业外形质量控制的检测需要。机器视觉代替人类视觉自动检测产品外形特征，实现100%在线全检，已成为解决各行业制造商大批量、高速、高精度产品检测的主要趋势。简言之，机器视觉就是用机器代替人眼来做测量和判断。 2、机器视觉系统 机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 可以将机器视觉系统概括为四部分： 1）、摄取：采用图像摄取装置将被摄取目标转换成图像信号，传送给图像处理系统； 2）、抽取：图像处理系统根据像素分布和亮度、颜色等信息，进行运算来抽取目标的特征，例如面积、长度、数量、位置等； 3）、输出：根据预设的判断来输出结果，如尺寸、角度、偏移量、个数、合格或不合格、有或无等； 4）、控制动作：指挥执行机构进行定位或分选等相应控制动作。 3、机器视觉系统的特点： 1）、在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉代替人工视觉； 2）、在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度，机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。 二、机器视觉与计算机视觉的区别 计算机视觉是指用计算机实现人的视觉功能—对客观世界的三维场景的感知、识别和理解。计算机视觉主要有两类方法：一类是仿生学的方法，参照人类视觉系统的结构原理，建立相应的处理模块完成类似的功能和工作；另一类是工程的方法，从分析人类视觉过程的功能着手，并不去刻意模拟人类视觉系统内部结构，而仅考虑系统的输入和输出，并采用任何现有的可行的手段实现系统功能。 计算机视觉和机器视觉两个术语既有区别又有联系。计算机视觉是采用图像处理、模式识别、人工智能技术相结合的手段，着重于一幅或多幅图像的计算机分析。图像可以由多个或者多个传感器获取，也可以是单个传感器在不同时刻获取的图像序列。分析师对目标物体 机器视觉检测 一、概念 视觉检测是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉检测的特点是提高生产的柔性和自动化程度。 2、典型结构 五大块：照明、镜头、相机、图像采集卡、软件 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。目前没有通用的照明设备，具体应用场景选择相应的照明装置。照射方法可分为： 分类具体说明优点 背向照明被测物放在光源和摄像机之 间能获得高对比度的图像 前向照明光源和摄像机位于被测物的 同侧 便于安装 结构光将光栅或线光源等投射到被 测物上，根据它们产生的畸 变，解调出被测物的三维信 息 频闪光照明将高频率的光脉冲照射到物 体上，摄像机拍摄要求与光 源同步 2.镜头 镜头的选择应注意以下几点：焦距、目标高度、影像高度、放大倍数、影响至目标的距离、中心点/节点、畸变。 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。 要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD 和面阵CCD；单色相机和彩色相机。 为优化捕捉到的图像，需要对光圈、对比度和快门速度进行调整。 4.图像采集卡 图像采集卡是图像采集部分和图像处理部分的接口。将图像信号采集到电脑中，以数据文件的形式保存在硬盘上。通过它，可以把摄像机拍摄的视频信号从摄像带上转存到计算机中。 5.软件 视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。是视觉检测的核心部分，最终形成缺陷的判断并能向后续执行机构发出指令。常用的包括，搜索工具，边界工具，特征分析工具，过程工具，视觉打印工具等。 3、关键——光源的选择 1.光源选型基本要素： 对比度机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特 智能机器人的设计与制作WORD版本可编辑 智能机器人的设计与制作 引言 近几年机器人已成为高技术领域内具有代表性的战略目标。机器人技术的出现和发展，不但使传统的工业生产面貌发生根本性变化，而且将对人类社会产生深远的影响。随着社会生产技术的飞速发展，机器人的应用领域不断扩展。从自动化生产线到海洋资源的探索，乃至太空作业等领域，机器人可谓是无处不在。目前机器已经走进人们的生活与工作，机器人已经在很多的领域代替着人类的劳动，发挥着越来越重要的作用，人们已经越来越离不开机器人帮助。机器人工程是一门复杂的学科，它集工程力学、机械制造、电子技术、技术科学、自动控制等为一体。目前对机器人的研究已经呈现出专业化和系统化，一些信息学、电子学方面的先进技术正越来越多地应用于机器人领域。目前机器人行业的发展与30 年前的电脑行业极为相似。今天在汽车装配线上忙碌的一线机器人，正是当年大型计算机的翻版。而机器人行业的利基产品也同样种类繁多，比如协助医生进行外科手术的机械臂、在伊拉克和阿富汗战场上负责排除路边炸弹的侦察机器人、以及负责清扫地板的家用机器人，还有不少参照人、狗、恐龙的样子制造机器人玩具。舞蹈机器人具有人类外观特征、可爱的外貌、又兼有技术含量，极受青少年的喜爱。我从前年开始机器人方面的研究，在这过程中尝试过很多次的失败，也感受到了无比的乐趣。 图1.1、机器人 1 绪论 机器人技术作为20 世纪人类最伟大的发明之一，自20 世纪60 年代初问世以来，经历40 余年的发展已取得长足的进步。未来的机器人是一种能够代替人类在非结构化环境下从事危险、复杂劳动的自动化机器，是集机械学、力学、电子学、生物学、控制论、计算机、人工智能和系统工程等多学科知识于一身的高新技术综合体。走向成熟的工业机器人，各种用途的特种机器人的多用化，昭示着机器人技术灿烂的明天。 1.1 国内外机器人技术发展的现状 为了使机器人能更好的应用于工业，各工业发达国家的大学、研究机构和大工业企业对机器人系统开发投入了大量的人力财力。在美国和加拿大，各主要大学都设有机器人研究室，麻省理工学院侧重于制造过程机器人系统的研究，卡耐基—梅隆机器人研究所侧重于挖掘机器人系统的研究，而斯坦福大学则着重于系统应用软件的开发。德国正研究开发“MOVE AND PLAY”机器人系统，使机器人操作就像人们操作录像机、开汽车一样。从六十年代开始日本政府实施一系列扶植政策，使日本机器人产业迅速发展起来，经过短短的十几年。到80 年代中期，已一跃而为“机器人王国”。其机器人的产量和安装的台数在国际上跃居首位。按照日本产业机器人工业会常务理事米本完二的说法：“日本机器人的发展经过了60 年代的摇篮期。70 年代的实用期。到80 年代进人普及提高期。” 并正式把1980 年定为产业机器人的普及元年”。开始在各个领域内广泛推广使用机器人。中国机器人的发展起步较晚，1972 年我国开始研制自己的工业机器人。"七五"期间，国家投入资金，对工业机器人及其零部件进行攻关，完成了示教再现式工业机器人成套技术的开发，研制出了喷涂、点焊、弧焊和搬运机器人。1986 年国家高技术研究发展计划(863 计划)开始实施，智能机器人主题跟踪世界机器人技术的前沿，经过几年的研究，取得了一大批科研成果，成功地研制出了一批特种机器人。20 世纪90 年代，我国的工业机器人又在实践中迈进一大步，先后研制出了点焊、装配、喷漆、切割、搬运等各种用途的工业机器人，并实施了一批机器人应用工程，形成了一批机器人产业化基地，为我国机器人产业的腾飞奠定了基础。 1.2 机器人技术的市场应用 机器人融入我们日常生活的步伐有多快？据国际机器人联盟调查，2004 年，全球个人机器人约有200 万台，到2008 年，还将有700 万台机器人投入运行。按照韩国信息通信部的计划，到2013 年，韩国每个家庭都能拥有一台机器人；而日本机器人协会预测，到2025 年，全球机器人产业的“蛋糕”将达到每年500 亿美元的规模(现在仅有50亿美元)。与20 世纪70 年代PC 行业的情况相仿，我们不可能准确预测出究竟哪些用途将推动这个新兴行业进入临界状态。不过看起来，机器人很可能在护理和陪伴老年人的工作上大展宏图，或许还可以帮助残疾人四处走走，并增强士兵、建筑工人和医护人员的体力与耐力。目前，我国从事机器人研发和应用工程的单位200 多家，拥有量为3500 台左右，其中国产占20％，其余都是从日本、美国、瑞典等40 多个国家引进的。2000 年已生产 各种类型工业机器人和系统300 台套，机器人销售额6.74 亿元，机器人产业对国民经济的年收益额为47 亿元，我国对工业机器人的需求量和品种将逐年大幅度增加。1.3 机器人技术的前景展望机器人是人类的得力助手，能友好相处的可靠朋友，将来我们会看到人和机器人会存在一个空间里边，成为一个互相的助手 机器视觉检测系统 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 现代工业自动化生产中涉及到各种各样的检验、生产监视和零件识别应用，如汽车零配件批量加工的尺寸检查和自动装配的完整性检查、电子装配线的元件自动定位、IC上的字符识别等。通常这种带有高度重复性和智能性的工作是由肉眼来完成的，但在某些特殊情况下，如对微小尺寸的精确快速测量、形状匹配以及颜色辨识等，依靠肉眼根本无法连续稳定地进行，其它物理量传感器也难以胜任。人们开始考虑用CCD照相机抓取图像后送入计算机或专用的图像处理模块，通过数字化处理，根据像素分布和亮度、颜色等信息来进行尺寸、形状、颜色等的判别。这种方法是把计算机处理的快速性、可重复性与肉眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉检测技术的概念。 视觉检测技术是建立在计算机视觉研究基础上的一门新兴测试技术。与计算机视觉研究的视觉模式识别、视觉理解等内容不同，视觉检测技术重点研究的是物体的几何尺寸及物体的位置测量，如轿车白车身三维尺寸的测量、模具等三维面形的快速测量、大型工件同轴度测量以及共面性测量等，它可以广泛应用于在线测量、逆向工程等主动、实时测量过程。视觉检测技术在国外发展很快，早在20世纪80年代，美国国家标准局就曾预计未来90％的检测任务将由视觉检测系统来完成。因此仅在80年代，美国就有100多家公司跻身于视觉检测系统的经营市场，可见视觉检测系统确实很有发展前途。在近几届北京国际机床展览会上已 2020年机器视觉公司排名 机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。 近年来，随着我国智慧城市建设的重新火热，机器视觉技术的市场需求量大增。对于人脸识别、图片搜索引擎、医疗诊断、智能驾驶、娱乐营销等智慧城市建设的多个领域来说，机器视觉技术都是不可或缺的。 随着制造业企业对自动化、智能化需求的不断提升，一大批机器视觉企业涌现了出来。那么，让我们一起来看看都有哪些企业已经涉足这一领域，以及他们的发展情况如何。 机器视觉国外供应商 基恩士 从光电传感器和近接传感器到用于检测的测量仪器和研究院专用的高精度设备，KEYENCE的产品覆盖面极其广泛。KEYENCE的客户遍及各行各业，有超过80,000的客户都在使用KEYENCE的这些产品。用户只要针对特定应用选择合适的KEYENCE产品，就可以安装高产量，高效能的自动化生产线。 基恩士产品的设计理念是给予客户的制造与研发创造附加价值。产品按照通用目的进行工程设计，因此它们可以用在各个行业或广泛的应用场合。基恩士为既存和潜在的应用需要提供更具附加价值的产品。 基恩士为世界范围内约100个国家或地区的20余万家客户提供服务，基恩士这个名称意味着创新与卓越。 xx 创立于1933年的欧姆龙集团是全球知名的自动化控制及电子设备制造厂商，掌握着世界领先的传感与控制核心技术。通过不断创造新的社会需求，欧姆龙集团已在全球拥有近36，000名员工，营业额达7，942亿日元。产品涉及 《机器视觉与智能检测创新实践》课程设计报告 题目：基于可见光红外光图像的处理 班级： 姓名： 学号： 指导老师： 日期： 一、实验目的 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。本实验的目的就是通过学生自身动手实验，使学生对机器视觉系统及图像处理有一定的认识。同时加深学生的动手能力和培养学生的创新能力。 二、实验设备 机器视觉实验平台，计算机，Matlab软件等 三、实验任务 （1）对采集的近红外图像进行增强、分割和细化（自己挑选成像效果较好的手背或手掌的近红外图像） 1、了解增强、分割和细化等处理的概念和效果并编程实现增强、分割和细化； 2、分别比较不同增强、分割和细化方法的优劣 （2）对采集到的可见光手掌图像进行分割得到手掌及手指的轮廓。 四、相关概念介绍 1、光谱 光谱是复色光经过色散系统（如棱镜、光栅）分光后，被色散开的单色光按波长（或频率）大小而依次排列的图案，如图1所示。 光波是由原子内部运动的电子产生的。各种物质的原子内部电子的运动情况不同，所以它们发射的光波也不同。研究不同物质的发光和吸收光的情况，有重要的理论和实际意义，已成为一门专门的学科——光谱学。 图1 可见光的光谱图 种类：发射光谱物体发光直接产生的光谱叫做发射光谱。发射光谱有两种类型：连续光谱和明线光谱。 连续分布的包含有从红光到紫光各种色光的光谱叫做连续光谱。炽热的固体、液体和高压气体的发射光谱是连续光谱。例如电灯丝发出的光、炽热的钢水发出的光都形成连续光谱。 只含有一些不连续的亮线的光谱叫做明线光谱。明线光谱中的亮线叫做谱线，各条谱线对应于不同波长的光。稀薄气体或金属的蒸气的发射光谱是明线光谱。明线光谱是由游离状态的原子发射的，所以也叫原子光谱。 视觉检测系统报告 年春季学期研究生课程考核（阅读报告、研究报告）考核科目:视觉测量系统学所在院（系）:电气工程及自动化学院学生所在学科:仪器科学与技术学生姓名:***学 号:10S001***学生类别:工学硕士考核结果: 阅卷人: 视觉测量系统课程报告第一部分视觉测量系统发展现状综述机器视觉自起步发展到现在，已有15年的发展历史。应该说机器视觉作为一种应用系统，其功能特点是随着工业自动化的发展而逐渐完善和发展的。 目前全球整个视觉市场总量大概在60～70亿美元，是按照每年 8、8%的增长速度增长的。而在中国，这个数字目前看来似乎有些庞大，但是随着加工制造业的发展，中国对于机器视觉的需求将承上升趋势。 一、机器视觉的定义及特点简言之，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。 正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。在中国，这种应用也在逐渐被认知，且带来最直接的反应就是国内对于机器视觉的需求将越来越多。 二、机器视觉在国内外的应用现状在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%～50%都集中在半导体行业。具体如PCB印刷电路：各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。SMT表面贴装：SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等；再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元人工智能地研究方向和应用领域
基于机器视觉的工件识别和定位文献综述
一种智能机器人系统设计和实现.
机器视觉检测的分析简答作业及答案要点学习资料
机器视觉检测系统简述及系统构成
完整版机器视觉思考题及其答案
智能机器人设计报告
基于机器视觉的产品检测技术研究
机器视觉检测系统的工作原理与检测流程【干货】
机器视觉认识
机器视觉检测
精品-智能机器人设计与制作word
机器视觉检测系统【深度解读】
2020年机器视觉公司排名
机器视觉与智能检测创新实践
视觉检测系统报告