服务热线
0769-28680919
153-2293-3971
1 概述
机器视觉就是用机器代替人眼和人脑来做测量和判断。机器视觉系统工作的基本过程是获取目标的图像后,对图像进行识别、特征提取、分类、数学运算等分析操作,并根据图像的分析计算结果,来对相应的系统进行控制或决策的过程。
在很多机器视觉应用中,都需要用到机器视觉测量,即根据目标的图像,来得到目标在实际空间中的物理位置,最典型的如行走机器人、SLAM等。
要根据图像中的目标像素位置,得到目标的物理空间位置,我们需要首先有一个图像像素坐标与物理空间坐标的映射关系,也就是将光学成像过程抽象为一个数学公式,这种能够表达空间位置如何映射到图像像素位置的数学公式,就是所说的机器视觉成像模型,本文即讨论这种模型的机理。
2 小孔成像
机器视觉成像采用小孔成像模型,如下图所示
再次简化为下图
图中X XX是一个空间点,x xx为该空间点在图像中的成像点,C CC为镜头光心(camera centre),从图中可看到,C CC、x xx、X XX三个点是共线的。
光心C CC距离成像面(image plane)的距离即焦距f ff。
后面的各个坐标系及其相互关系都是基于这个小孔成像模型推出。
3 坐标系
说到机器视觉测量模型,就少不了先要了解整个模型中涉及的几个坐标系。
3.1 像素坐标系uov
即图像中各像素点坐在的坐标系,如下图所示uov。
这个坐标系是一个二维坐标系,横坐标为图像宽度方向,纵坐标为图像高度方向,原点位于左上角,坐标轴单位为像素,与图像的像素点对应。
————————————————
版权声明:本文为CSDN博主「寒韩Glory」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/hangl_ciom/article/details/106082794
随着机器视觉技术的飞速发展,越来越多的企业开始引入这项技术来提高生产效率和产品质量。在机器视觉中,视觉检测系统和视觉定位系统是两个常被提及的概念,但它们在实际应用中有着明显的差异。本文将为您详细解析这两者的区别。
随着电动汽车市场的不断扩大和技术的不断进步,汽车锂电池作为核心能源组件,其质量和安全性日益受到重视。汽车锂电池的外观缺陷可能会对其性能和使用安全产生严重影响,因此,有效的检测手段至关重要。机器视觉系统作为一种高效、准确的检测工具,在汽车锂电池外观缺陷检测中发挥着关键作用。本文将探讨哪些汽车锂电池外观缺陷可以通过机器视觉系统进行检测。
在工业生产中,铜扁线作为一种重要的导电材料,广泛应用于电气、通讯、建筑等多个领域。然而,在生产过程中,铜扁线可能会出现各种缺陷,如裂纹、夹杂、划痕等,这些缺陷不仅影响铜扁线的使用性能,还可能引发安全事故。为了提高铜扁线的生产质量和安全性,机器视觉系统成为了不可或缺的检测工具。
在光学领域,PET薄膜因其高透明度、低吸光性和良好的光学性能而被广泛应用于各种光学元件的制造中。然而,在生产过程中,光学级PET薄膜可能会出现各种缺陷,如划痕、污渍、气泡、杂质等,这些缺陷不仅影响薄膜的光学性能,还可能导致产品合格率下降。为了解决这个问题,机器视觉系统成为了光学级PET薄膜缺陷检测的重要工具。
Copyright © 2022 东莞康耐德智能控制有限公司版权所有.机器视觉系统 粤ICP备2022020204号-1 联系我们 | 网站地图