机器视觉就是机器的视觉,换句话说:就是将视觉感知赋予机器,使机器具有和生物视觉系统类似的场景感知能力。

视觉是我们最强大的感知方式,我们可以在不实际接触的情况下,通过视觉感知的方式获取周围环境的很多信息。在计算机出现后,人们开始尝试将视觉感知能力赋予机器。

由于生物视觉系统非常复杂,我们目前还不能使得某一机器系统完全具备这一强大的视觉感知能力。我们现阶段还是致力于:构建一个在可控环境中处理特定任务的机器视觉系统。由于工业中的视觉环境可控,并且处理任务特定,所以现如今大部分的机器视觉被应用在工业当中。

二、机器视觉的主要任务是什么?

机器视觉的主要任务:通过分析图像,对图像中所涉及到的场景或物体生成一组描述信息。

也就是说,机器视觉系统的输入是图像(或者图像序列),输出是对这些图像的感知描述。这组描述与这些图像中的物体或场景息息相关,并且这些描述可以帮助机器来完成特定的后续任务,指导机器人系统与周围的环境进行交互。

举个例子:指导机器手臂按要求抓取传送带上的零件。零件的种类、位置和朝向是任意的,那么当传送带上零件经过上方摄像头时,通过机器视觉就可以生成零件的一组描述:种类、位置和朝向,从而指导机器手臂按要求进行抓取。下面给出机器视觉系统的示意图。

三、机器视觉与其他相关领域之间存在怎样的关系?

机器视觉与图像处理、模式分类和场景分析三个领域密切相关。

(1)图像处理主要是:根据现有的图像得到一张新图像。由于得到的是一张图像,所以其输出结果仍然需要人来对其进行分析解释。

(2)模式分类的主要任务是:对“模式”进行分类。这些“模式”是指事物的一组属性或者说特征。通过这些属性特征,将其划归为已知类中的某一类,也就是识别出了这个事物。

(3)场景分析的关注点是:将一个简单的描述转化为一个更为复杂、更为详细、更利于我们做出判断或得出结论的描述。这些输出描述是对输入描述的一种深化,输出描述进一步解释了事物的深层联系。

通过上面的介绍可以发现,虽然这三个领域与机器视觉息息相关,例如:机器视觉当中要用到图像处理的相关技术,模式分类可以看作是机器视觉系统众多任务中的一类,场景分析则可作为机器视觉的后续深化,但是它们的核心问题都不完全是:从图像中获得与之相关的符号描述。

所以再次强调,机器视觉要解决的核心问题是:根据一张图像或者一组图像序列中得到事物的一个符号描述!下面给出了上述4个领域各自的处理任务。

机器视觉系统非常复杂。即使在最简单的系统中,硬件和软件也可以协同工作以产生结果。尽管有许多重要组成部分,但其中一个突出:镜头。该镜头至关重要,因为它可以捕获最终将由软件重新创建的数据。它可以定位图像特征,保持焦点并最大化对比度。但是,它在各种规格下运行,要实现机器视觉系统的最优化呈现,必须使用能产生最佳性能的镜头。

灿锐光学是中国国内第一家研发、生产远心镜头的企业,在行业内有着绝对的领先和领导地位;灿锐光学是目前为数不多有着最完善产业链配套的工业镜头企业,专业提供全画幅双侧远心镜头,线扫描远心镜头,1英寸远心镜头,4/3英寸远心镜头,平行光源,激光聚焦镜头,显微成像模块,长工作距远心镜头,其它视觉定位远心镜头。