机器人视觉系统(Robot Vision)简介
【字体：大中小】时间：2014-08-28 11:00:06 点击次数：23次
机器视觉系统的组成
机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。
机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。
机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。
将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。
视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。
图像的获取
图像的获取实际上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一系列数据，它主要由三部分组成：
＊照明
＊图像聚焦形成
＊图像确定和形成摄像机输出信号
1、照明
照明和影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。
过去，许多工业用的机器视觉系统用可见光作为光源，这主要是因为可见光容易获得，价格低，并且便于操作。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。但是，这些光源的一个最大缺点是光能不能保持稳定。以日光灯为例，在使用的第一个100小时内，光能将下降15%，随着使用时间的增加，光能将不断下降。因此，如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。
另一个方面，环境光将改变这些光源照射到物体上的总光能，使输出的图像数据存在噪声，一般采用加防护屏的方法，减少环境光的影响。
由于存在上述问题，在现今的工业应用中，对于某些要求高的检测任务，常采用X射线、超声波等不可见光作为光源。但是不可见光不利于检测系统的操作，且价格较高，所以，目前在实际应用中，仍多用可见光作为光源。
照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是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。频闪光照明是将高频率的光脉冲照射到物体上，照像机拍摄要求与光源同步。
2、图像聚焦形成
被测物的图像通过一个透镜聚焦在敏感元件上，如同照像机拍照一样。所不同的是照像机使用胶卷，而机器视觉系统使用传感器来捕捉图像，传感器将可视图像转化为电信号，便于计算机处理。
选取机器视觉系统中的摄像机应根据实际应用的要求，其中摄像机的透镜参数是一项重要指标。透镜参数分为四个部分：放大倍率、焦距、景深和透镜安装。
3、图像确定和形成摄像机输出信号
机器视觉系统实际上是一个光电转换装置，即将传感器所接收到的透镜成像，转化为什么算机能处理的电信号、摄像机可以是电子管的，也可是固体状态传感单元。
电子管摄像机发展较早，20世纪30年代就已应用于商业电视，它采用包含光感元件的真空管进行图像传感，将所接收到的图像转换成模拟电压信号输出。具有RS-170输出制式的摄像机可直接与商用电视显示器相连。
固体状态摄像机是在20世纪60年代后期，美国贝尔电话实验室发明了电荷耦合装置（CCD），而发展起来的。它上分布于各个像元的光敏二极管的线性阵列或矩形阵列构成，通过按一定顺序输出每个二极管的电压脉冲，实现将图像光信号转换成电信号的目的。输出的电压脉冲序列可以直接以RS-170制式输入标准电视显示器，或者输入计算机的内存，进行数值化处理。CCD是现在最常用的机器视觉传感器。
图像处理技术
机器视觉系统中，视觉信息的处理技术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、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，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。完成。
1、图像的增强
图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强。
图像的灰度直方图是表示一幅图像灰度分布情况的统计特性图表，与对比度紧密相连。
通常，在计算机中表示的一幅二维数字图像可表示为一个矩阵，其矩阵中的元素是位于相应坐标位置的图像灰度值，是离散化的整数，一般取0，1，……，255。这主要是因为计算机中的一个字节所表示的数值范围是0~255。另外，人眼也只能分辨32个左右的灰度级。所以，用一个字节表示灰度即可。
但是，直方图仅能统计某级灰度像素出现的概率，反映不出该像素在图像中的二维坐标。因此，不同的图像有可能具有相同的直方图。通过灰度直方图的形状，能判断该图像的清晰度和黑白对比度。
如果获得一幅图像的直方图效果不理想，可以通过直方图均衡化处理技术作适当修改，即把一幅已知灰度概率分布图像中的像素灰度作某种映射变换，使它变成一幅具有均匀灰度概率分布的新图像，实现使图象清晰的目的。
2、图像的平滑
图像的平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过程中，因成像设备和环境所造成的图像失真，提取有用信息。众所周知，实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等，均会使图像变质。因此，去除噪声，恢复原始图像是图像处理中的一个重要内容。
在本世纪四、五十年代发展起来的线性滤波器以其完善的理论基础，数学处理方便，易于采用FFT和硬件实现等优点，一直在图像滤波领域占有重要地位，其中以WIENER滤波器理论和卡尔曼滤波理论为代表。但是线性滤波器存在着计算复杂度高，不便于实时处理等缺点。虽然它对高斯噪声有良好的平滑作用，但对脉冲信号干扰和其它形式的噪声干扰抑制效果差，信号边缘模糊。为此，1971年，著名学者TUKEY提出非线笥滤波器—
—中值滤波器，即把局部区域中灰度的中值作为输出灰度，并将其与统计学理论结合起来，使用迭代方法，比较理想地将图像从噪声中恢复出来，并且能保护图像的轮廓边界，不使其变模糊。近年来，非线性滤波理论在机器视觉、医学成像、语音处理等领域有了广泛的应用，同时，也反过来促使该理论的研究向纵深方向发展。
3、图像的数据编码和传输
数字图像的数据量是相当庞大的，一幅512*512个像素的数字图像的数据量为256 K 字节，若假设每秒传输25帧图像，则传输的信道速率为52.4M比特/秒。高信道速率意味着高投资，也意味着普及难度的增加。因此，传输过程中，对图像数据进行压缩显得非常重要。数据的压缩主要通过图像数据的编码和变换压缩
图像数据编码一般采用预测编码，即将图像数据的空间变化规律和序列变化规律用一个预测公式表示，如果知道了某一像素的前面各相邻像素值之后，可以用公式预测该像素值。采用预测编码，一般只需传输图像数据的起始值和预测误差，因此可将8比特/ 像素压缩到2比特/像素。
变换压缩方法是将整幅图像分成一个个小的（一秀取8*8或16*16）数据块，再将这些数据块分类、变换、量化，从而构成自适应的变换压缩系统。该方法可将一幅图像的数据压缩到为数不多的几十个特传输，在接收端再变换回去即可。
4、边缘锐化
图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。它是早期视觉理论和算法中的基本问题，也是中期和后期视觉成败的重要因素之一。
5、图像的分割
图像分割是将图像分成若干部分，每一部分对应于某一物体表面，在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。某本质是将像素进行分类。分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。图像分割是图像处理技术的基本方法之一，应用于诸如染色体分类、景物理解系统、机器视觉等方面。
图像分割主要有两种方法：一是鉴于度量空间的灰度阈值分割法。它是根据图像灰度直方图来决定图像空间域像素聚类。但它只利用了图像灰度特征，并没有利用图像中的其它有用信息，使得分割结果对噪声十分敏感；二是空间域区域增长分割方法。它是对在某种意义上（如灰度级、组织、梯度等）具有相似性质的像素连通集构成分割区域，该方法有很好的分割效果，但缺点是运算复杂，处理速度慢。其它的方法如边缘追踪法，主要着眼于保持边缘性质，跟踪边缘并形成闭合轮廓，将目标分割出来；锥体图像数据结构法和标记松弛迭代法同样是利用像素空间分布关系，将边邻的像素作合理的归并。而基于知识的分割方法则是利用景物的先验信息和统计特性，首先对图像进行初始分割，抽取区域特征，然后利用领域知识推导区域的解释，最后根据解释对区域进行合并。
6、图像的识别
图像的识别过程实际上可以看作是一个标记过程，即利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，它是机器视觉系统必须完成的一个任务。
按照图像识别从易到难，可分为三类问题。第一类识别问题中，图像中的像素表达了某一物体的某种特定信息。如遥感图像中的某一像素代表地面某一位置地物的一定光谱波段的反射特性，通过它即可判别出该地物的种类。第二类问题中，待识别物是有形的整体，二维图像信息已经足够识别该物体，如文字识别、某些具有稳定可视表面的三维体识别等。但这类问题不像第一类问题容易表示成特征矢量，在识别过程中，应先将待识别物体正确地从图像的背景中分割出来，再设法将建立起来的图像中物体的属性图与假定模型库的属性图之间匹配。第三类问题是由输入的二维图、要素图、2·5维图等，得出被测物体的三维表示。这里存着如何将隐含的三维信息提取出来的问题，当是今研究的热点。
目前用于图像识别的方法主要分为决策理论和结构方法。决策理论方法的基础是决策函数，利用它对模式向量进行分类识别，是以定时描述（如统计纹理）为基础的；结构方法的核心是将物体分解成了模式或模式基元，而不同的物体结构有不同的基元串（或称字符串），通过对未知物体利用给定的模式基元求出编码边界，得到字符串，再根据字符串判断它的属类。这是一种依赖于符号描述被测物体之间关系的方法.
机器人视觉（Robot Vision）简介 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。 图像的获取 图像的获取实际上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一系列数据，它主要由三部分组成： ＊照明 ＊图像聚焦形成 ＊图像确定和形成摄像机输出信号
带有视觉识别模块的分拣机器人 传统的机器人分拣操作一般采用示教或离线编程方式，当机器人所处的工作环境发生改变时机器人很难即时作出相应的调整，为了使机器人具有更加智能化的功能，以阿童木并联机器人和工业智能相机为基础，组成一套带有视觉模块的机器人分拣系统。这样的分拣系统结合了并联型机器人和视觉模块两个方面的优势，通过视觉模块智能的识别不同的对象，系统可以完成高速的分拣工作，显著提升了机器人对工作环境的适应能力，提高了工作效率。同时，实验结果证明了该系统软硬件设计正确，分拣成功率高。 随着我们国家生产需求的不断增加，机器人越来越多的参与到各行各业的生产过程中来。其中，对工件的分拣作业是当前生产过程中的一个重要环节，传统的机器人分拣，其动作和目标的摆放位置都需要根据程序预先严格的设定。一旦机器人所处的环境有所改变，很容易导致抓取错误。本文模拟工业生产中的分拣作业环境，引入视觉模块，用摄像机来模拟人类的视觉功能来对待测的对象进行识别分类，可以使分拣作业拥有更高的可靠性和灵活性，作业对象以及分拣工序可以随时随地的变换，也提高了工作的效率和机器人的智能化程度。 1机器人系统组成介绍 我们设计的机器人分拣系统主要由并联机器人、视觉模块、传送带装置以及分拣对象组成，结构如图1所示： 1.1并联机器人 相比于其他工业机器人，并联机器人占用较小的空间，其更具有高速度、高精度、灵活性等特点，更能適合苛刻的工业生产需求。我们在实验中采用的是阿童木4轴并联型机器人，如图2所示，它能够完成空间中X、Y、Z方向的移动及角度的转动。除了并联型机器人本体之外，机器人配套设施还包括机器人控制柜、控制编程器和驱动机器人各关节运动的伺服交流电机。机器人末端执行机构为气动吸盘，用于吸附传送带上的分拣对象，完成抓取动作。 1.2 视觉模块 视觉模块我们采用康奈视公司的In-Sight7000型智能相机，如图3所示。该视觉模块能够智能的识别出实验中不同种类的实验对象，以及采集各个实验对象的位置信息。 1.3网络交换机 实验中，我们使用一般的家用路由器来替代网络交换机。视觉模块采集到的信息要通过局域网来络传递给机器人，因此我们要用到网络交换机来搭建局域网络，进而使各个模块间完成信息传输。
1.什么是机器视觉 【概述】 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。【基本构造】 一个典型的工业机器视觉系统包括：光源、镜头、 CCD 照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯 / 输入输出单元等。 系统可再分为： 主端电脑(Host Computer) 影像撷取卡(Frame Grabber)与影像处理器影像摄影机 CCTV镜头显微镜头照明设备： Halogen光源 LED光源 高周波萤光灯源闪光灯源其他特殊光源影像显示器 LCD 机构及控制系统 PLC、PC-Base控制器 精密桌台伺服运动机台 【工作原理】 机器视觉检测系统采用CCD照相机将被检测的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，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。 【机器视觉系统的典型结构】 一个典型的机器视觉系统包括以下五大块： 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。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是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。频闪光照明是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FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意： ①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点 / 节点⑦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。 4.图像采集卡 图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。 比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机,然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。 5.视觉处理器 视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集
机器人视觉系统(Robot Vision)简介 【字体：大中小】时间：2014-08-28 11:00:06 点击次数：23次 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。 图像的获取 图像的获取实际上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一系列数据，它主要由三部分组成： ＊照明 ＊图像聚焦形成 ＊图像确定和形成摄像机输出信号
机器人视觉系统的组成及工作原理 【摘要】随着大规模集成电路技术的发展，视觉系统逐渐走向实用化。由于微型计算机的飞速发展，使用的视觉系统已经进入领域，其中机器人视觉系统是机器视觉应用的一个重要领域。本文叙述机器人视觉系统的各部分组成，及各部分组成的工作原理。 【关键词】CCD；视频数字；信号处理器 1.机器人视觉系统的硬件系统 1.1机器人视觉系统的硬件由下述几个部分组成 (1)景物和距离传感器常用的摄像机、CCD图像传感器、超声波传感器和结构光设备等。 (2)视频信号数字化设备其任务是把摄像机或CCD输出的信号转换成方便计算和分析的数字信号。 (3)视频信号快速处理器，视频信号实时、快速、并行算法的硬件实现设备：如DSP系统。 (4)计算机及其外设根据系统的需要可以选用不同的计算机及其外设来满足机器人视觉信息处理及机器人控制的需要。 (5)机器人或机械手及其控制器。 1.2机器人视觉的软件系统有以下几个部分组成 (1)计算机系统软件选用不同类型的计算机，就有不同的操作系统和它所支持的各种语言、数据库等。 (2)机器人视觉信息处理算法图像预处理、分割、描述、识别和解释等算法。 (3)机器人控制软件。 https://www.doczj.com/doc/2911745188.html,D原理 视觉信息通过视觉传感器转换成电信号，在空间采样和幅值化后，这些信号就形成了一幅数字图像。机器人视觉使用的主要部分是电视摄像机，它由摄像管或固态成像传感器及相应的电子线路组成。这里我们只介绍光导摄像管的工作原理，因为它是普遍使用的并有代表性的一种摄像管。固态成像传感器的关键部分有两种类型：一种是电荷耦合器件(CCD)；另一种是电荷注入器件(CID)。与具有摄像管的摄像机相比，固态成像器件重量轻、体积小、寿命小、功耗低。不过，某些摄像管的分辨率仍比固态摄像机高。光导摄像管外面是一圆柱形玻璃外壳2，内部有位于一端的电子枪7以及位于另一端的屏幕1和靶。加在线圈6、9上的电压将电子束聚焦并使其偏转。偏转电路驱使电子束对靶的内表面扫描以便“读取”图像。玻璃屏幕的内表面镀有一层透明的金属薄膜，它构成一个电极，视频信号可从此电极上获得。一层很薄的光敏“靶”附着的金属膜上，它是一层由一些极小的球状体组成，球状的电阻反比于光的强度。在光敏靶的后面有一个带正电荷的细金属网，它使电子枪发射出的电子减速，以接近于0的速度达到靶面。在正常工作时，将正电压加在屏幕的金属镀膜上。在无光照时，光敏材料呈现绝缘体特性，电子束在靶的内表面上形成一个电子层以平衡金属膜上的正电荷。当电子束扫描靶内表面时，光敏层就成了一个电容器，其内表面具有负电荷，而另一面具有正电荷。光投射到靶层，它的电阻降低，使得电子向正电荷方向流动并与之中和。由于流动的电子电荷的数量正比于投射到靶的某个局部区域上的光的强度，因此其效果是在靶表面上形成一幅图像，该图像与摄像管屏幕上的图像亮
工业机器人及机器人视觉系统 人类想要实现一系列的基本活动，如生活、工作、学习就必须依靠自身的器官，除脑以外，最重要的就是我们的眼睛了，（工业）机器人也不例外，要完成正常的生产任务，没有一套完善的，先进的视觉系统是很难想象的。 机器视觉系统就是利用机器代替人眼来作各种测量和判断。它是计算科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。 机器视觉系统的应用 在生产线上，人来做此类测量和判断会因疲劳、个人之间的差异等产生误差和错误，但是机器却会不知疲倦地、稳定地进行下去。一般来说，机器视觉系统包括了照明系统、镜头、摄像系统和图像处理系统。对于每一个应用，我们都需要考虑系统的运行速度和图像的
处理速度、使用彩色还是黑白摄像机、检测目标的尺寸还是检测目标有无缺陷、视场需要多大、分辨率需要多高、对比度需要多大等。从功能上来看，典型的机器视觉系统可以分为：图像采集部分、图像处理部分和运动控制部分 工作过程 ?一个完整的机器视觉系统的主要工作过程如下： ?1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。 ?2、图像采集部分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启动脉冲。 ?3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。 ?4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。
项目一认识机器视觉系统 任务一连接视觉系统的周边设备 活动一连接相机 活动二连接光源 活动三连接手柄 活动四连接电源 活动五连接显示器 任务二调节相机 活动一调节相机 任务三调节光源 活动二调节光源 活动三操作手柄 任务三运行视觉软件 活动一运行软件 活动二修改语言 活动三创建一个新设定 任务四运行视觉系统的仿真 活动一安装软件 活动二注册图像 活动三运行仿真 任务五基恩士视觉与机器人通讯连接活动一确定本机通讯方式 活动二选择通讯方式 活动三通讯线安装 活动四连接通讯线 任务六基恩士与机器人通讯软件设置活动一进入通讯设置界面 活动二选择正确的通讯数据 活动三通讯测试 项目二基恩士视觉识别颜色
任务一进入新的设置 活动一创建新的设定窗口 活动二进入相机设定 活动三注册图像 任务二识别颜色的窗口设定 活动一设定前的准备 活动二设定检测范围 活动三设定判断值 活动四条件设定 任务三输出设置 活动一选择通讯方式 活动二设置判断值 任务四机器人控制概述 活动一机器人视觉控制指令运行 活动二机器人运行控制指令运行 活动三机器人运行控制编程 任务五整体编程运行 活动一两种颜色中确定所选颜色 活动二三种颜色中确定所选颜色 活动三四种颜色中确定两种所选的颜色项目三基恩士视觉识别大小 任务一进入新的设置 活动一创建新的设定窗口 活动二进入相机设定 活动三注册图像 任务二识别大小的窗口设定 活动一设定前的准备 活动二设定检测范围 活动三设定判断值 活动四条件设定
任务三输出设置 活动一选择通讯方式 活动二设置判断值 任务四在仿真中识别图像大小设置 活动一建立识别图像大小的仿真 活动二设置识别大小的仿真 活动三思考与原机的区别 任务五整体编程运行 活动一两种大小不同的工件进行选择 活动二三种不同大小的工件进行选择 活动三两种不同大小不同颜色的工件进行选择活动四三种不同大小不同颜色的工件进行选择项目四基恩士视觉识别形状 任务一进入新的设置 活动一创建新的设定窗口 活动二进入相机设定 活动三注册图像 任务二识别形状的窗口设定 活动一设定前的准备 活动二设定检测范围 活动三设定测量值 活动四条件设定 任务三输出设置 活动一选择通讯方式 活动二设置测量值 任务四机器人控制概述 活动一机器人视觉控制指令运行 活动二机器人运行控制指令运行 活动三机器人运行控制编程 任务五整体编程运行
第35卷第！期机 电工程V)35 N o.3 2018 年！月Journal o f M echanical &E le c tric a l E ngine erin g M ar. 2018 D O I；10.3969/j.is s n. 1001-4551.2018.03.014 基于单目视觉的工业机器人智能抓取系统设计 张驰，廖华丽，周军！ (河海大学机电工程学院，江苏常州213022) 摘要:针对工业机器人如何能在多目标工况下快速自主识别和抓取指定目标工件的问题，将单目视觉引导技术应用到工业机器人 智能抓取系统设计中。利用图像进行了模式识别，对检测定位进行了研究，建立了视觉图像与工件定位抓取之间的关系，提出了基 于轮廓H u不变矩快速模板匹配算法的单目视觉抓取系统。首先将摄像机获取的图像进行了预处理，然后利用轮廓H u不变矩模 板匹配算法进行了目标工件的识别，利用轮廓矩和二阶惯性矩最小原理对识别出的目标工件进行了位姿求取，最后通过建立 S O C K E T通信将求取的位姿发送给了机械臂控制系统引导机械臂的抓取。基于V S软件开发平台和A B B机械手，对智能抓取系统 进行了搭建并试验。研究结果表明;该基于单目视觉搭建的工业机器人智能抓取系统成本低、定位精度高，可满足工业自动化生产 的需求。 关键词:单目视觉;工业机器人;图像处理;模板匹配;位姿检测 中图分类号:T H39;T P242文献标志码:A文章编号：1001 -4551 (2018 )03-0283-05 Intelligent grasping system for industrial robot basedonmonocular vision ZHANG Chi, LIAO Hua-li, ZHOU Jun (C o lle g e o f M e c h a n ic a l a n d E l e c t r i c a l，H o h a i U n iv e r s it y，C h a n g z h o u213022，C h in a) A b s tr a c t ；A im in g at tlie problem th a t an in d u s tria l robot how to q u ic k ly and autonom ously id e n ti der m u lti-ta rg e t c o n d itio n s，m onocular visio n was a p plied to the design o f an in te llig e n t grasf)ing system fo r in d u s tria l robots. In order to lis h the re la tio n sh ip between t he visual image and the w orkpiece p o sitio ning and g ra p p in g，the p—tern re c o g n itio n，de tection and locatio n u- sing images were s tu d ie d，and a m onocular visio n capture system based on contour H u in v a ria n t moments fast tem pl was proposed. F ir s tly，the image data collected fro m the cam era should be preprocessed，then the target was id e n tifie d b y h ing m etliod based o n the contour H u in v a ria n t m o m e n t，and the p o sitio n o f the target w orkpiece was obtained by using the contour mom ent and the p rin c ip le o f second-order m om ent o f in e rtia. F in a lly，through the establishm ent o f S O C K E T c o m m u n ic a tio n，sent to the m a n ip u la to r con trol system to guide the m a n ip u la to r to grasp. Based on VS software developm ent p la tfo rm a n d A B B r o b o t，the in- te llig e n t grasping system w as b u ilt and test. The results in d ica te that the in d u s tria l robot in te llig e n t grasping system based on m onocular vision has low c o s t，high p o sitio n in g accuracy a nd meets the needs o f in d u s tria l autom ation productio n. K e y w o r d s；m onocular v is io n；in d u s tria l ro b o t；image processing；tem plate m a tc h in g；pose detection 收稿日期=2017 -07-04 基金项目：中央高校基本科研业务费专项资金资助项目（2〇16B02914) 作者简介:张驰（1992-)，男，江苏宿迁人，硕士研究生，主要从事机器视觉方面的研究。E-m a il:1481178975@qq:〇m 通信联系人:周军，男，教授。E-m a il:zh j+6171@163:om
机器人视觉系统 在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，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。通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。这样，就把计算机的快速性、可重复性，与人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的概念。 一个成功的机器视觉系统是一个经过细致工程处理来满足一系列明确要求的系统。当这些要求完全确定后，这个系统就设计并建立来满足这些精确的要求。机器视觉的优点包括以下几点： ■精度高 作为一个精确的测量仪器，设计优秀的视觉系统能够对一千个或更多部件的一个进行空间测量。因为此种测量不需要接触，所以对脆弱部件没有磨损和危险。 ■连续性 视觉系统可以使人们免受疲劳之苦。因为没有人工操作者，也就没有了人为造成的操作变化。多个系统可以设定单独运行。 ■成本效率高 随着计算机处理器价格的急剧下降，机器视觉系统成本效率也变得越来越高。一个价值10000美元的视觉系统可以轻松取代三个人工探测者，而每个探测者每年需要20000美元的工资。另外，视觉系统的操作和维持费用非常低。 ■灵活性 视觉系统能够进行各种不同的测量。当应用变化以后，只需软件做相应变化或者升级以适应新的需求即可。 许多应用满意过程控制（SPC）的公司正在考虑应用机器视觉系统来传递持续的、协调的和精确的测量SPC 命令。在SPC中，制造参数是被持续监控的。整个过程的控制就是要保证这些参数在一定的围。这使制造者在生产过程失去控制或出现坏部件时能够调节过程参数。 机器视觉系统比光学或机器传感器有更好的可适应性。它们使自动机器具有了多样性、灵活性和可重组性。当需要改变生产过程时，对机器视觉来说“工具更换”仅仅是软件的变换而不是更换昂贵的硬件。当生产线重组后，视觉系统往往可以重复使用 机器视觉系统的构成 机器视觉技术用计算机来分析一个图像，并根据分析得出结论。现今机器视觉有两种应用。机器视觉系统可以探测部件，在此光学器件允许处理器更精确的观察目标并对哪些部件可以通过哪些需要废弃做出有效的决定；机器视觉也可以用来创造一个部件，即运用复杂光学器件和软件相结合直接指导制造过程。
机器人视觉识别技术简介 技术分类：测试与测量 | 2008-04-01 来源：机器人天空 基于颜色特征的物体识别系统对于不同颜色的分别提取和识别 （以上两幅图片由某大学机器人实验室负责人暨机器人天空主编Liu Weichao友情提供）随着计算机科学和自动控制技术的发展，越来越多的不同种类的智能机器人出现在生产生活中，视觉系统作为智能机器人系统中一个重要的子系统，也越来越受到人们的重视。 视觉系统是一个非常复杂的系统，它既要做到图像的准确采集还要做到对外界变化反应的实时性，同时还需要对外界运动的目标进行实时跟踪。因此，视觉系统对硬件和软件系统都提出了较高的要求。目前比较流行的足球机器人技术，它的视觉系统属于比较典型的快速识别和反应类型。
机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解（对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征等的理解）。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。图像的获取实际上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一系列数据，它主要由三部分组成：照明，图像聚焦形成，图像确定和形成摄像机输出信号。视觉信息的处理技术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、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，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。 机器人视觉系统主要是利用颜色、形状等信息来识别环境目标。以机器人对颜色的识别为例：当摄像头获得彩色图像以后，机器人上的嵌入计算机系统将模拟视频信号数字化，将像素根据颜色分成两部分：感兴趣的像素（搜索的目标颜色）和不感兴趣的像素（背景颜色）。然后，对这些感兴趣的像素进行RGB 颜色分量的匹配。为了减少环境光强度的影响，可把RGB颜色域空间转化到HIS颜色空间。 在足球机器人的彩色视觉系统中，程序是根据贴在机器人小车顶上的色标来识别机器人是属于哪一队，以及是几号队员的。由于在每个机器人小车顶上有两种颜色的色标，分别是队标和队员标。因此，识别工作的第一步是把图像中的每一个像素，根据颜色分类到一组离散的色彩类中。 颜色分类常用的方法有线性色彩阈值法、最近邻域法和阈值向量法等。 其中，线性色彩阈值法是用线性平面把色彩空间分割开来，其阈值的确定可采用直接取阈值和通过自动训练来获取目标颜色范围等方法，也可以采用神经网络和多参数决策树方法来进行自学习，以获得合适的阈值；而用最近邻域分类法分割图像时，则利用隶属度函数，即根据最大的隶属度来判断这个颜色属于哪个类；阈值向量法是先使用一组事先确定的阈值向量来把色彩值在色彩空间中的位置来判断其属于哪种颜色。 在色彩分类之后，必须对各个颜色类的点进行处理，最终辨识出场上的各个敌我队员和球在场上的位置和方向角。识别时，通常的做法是对分类后的像素进行一次扫描，即将相邻的同种颜色的像素连成色块。 基于阈值向量的颜色识别 一、色彩空间选择 对于采用基于彩色图像分割的方法识别目标时，首先要选择合适的颜色空间，常用的颜色空间有RGB、YUV、HSV、CMY等。颜色空间的选择直接影响到图像分割和目标识别的效果。 RGB——最常用的颜色空间，其中亮度等于R、G、B3个分量之和。RGB颜色空间是不均匀的颜色空间，两个颜色之间的知觉差异与空间中两点间的欧氏距离不成线性比例，而且R、G、B值之间的相关性很高，对同一颜色属性，在不同条件(光源种类、强度和物体反射特性)下，RGB值很分散，对于识别某种特定颜色，很难确定其阈值和其在颜色空间中的分布范围。因此通常会选择能从中分离出亮度分量的颜色空间，其中最常见的是YUV和HSV颜色空间。 HSV——接近人眼感知色彩的方式，H为色调(Hue)，S为色饱和度(Saturation)，V为亮度(Value)。色调H能准确地反映颜色种类，对外界光照条件变化敏感度低，但是H和S均为R、G、B的非线性变换，存在奇异点，在奇异点附近即使R、G、B的值有很小变化也引起变换值有很大的跳动。 YUV——RGB颜色空间线性变化为亮度色彩空间。是为了解决彩色电视机与黑白电视机的兼容问题而提出的。Y表示亮度(Luminance)，UV用来表示色差(Chrominance)。YUV表示法的重要性是它的亮度信号(Y)和色度信号(U、V)是相互独立的。所谓色差是指基色信号中的3个分量信号(即R、G、B)与亮度信号之差。
机器人视觉识别技术简介 基于颜色特征的物体识别系统对于不同颜色的分别提取和识别 (以上两幅图片由某大学机器人实验室负责人暨机器人天空主编Liu Weichao友情提供) 随着计算机科学和自动控制技术的发展，越来越多的不同种类的智能机器人出现在生产生活中，视觉系统作为智能机器人系统中一个重要的子系统，也越来越受到人们的重视。 视觉系统是一个非常复杂的系统，它既要做到图像的准确采集还要做到对外界变化反应的实时性，同时还需要对外界运动的目标进行实时跟踪。因此，视觉系统对硬件和软件系统都提出了较高的要求。目前比较流行的足球机器人技术，它的视觉系统属于比较典型的快速识别和反应类型。 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见
部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解(对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征等的理解)。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。图像的获取实际上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一系列数据，它主要由三部分组成：照明，图像聚焦形成，图像确定和形成摄像机输出信号。视觉信息的处理技术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、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，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。 机器人视觉系统主要是利用颜色、形状等信息来识别环境目标。以机器人对颜色的识别为例：当摄像头获得彩色图像以后，机器人上的嵌入计算机系统将模拟视频信号数字化，将像素根据颜色分成两部分：感兴趣的像素(搜索的目标颜色)和不感兴趣的像素(背景颜色)。然后，对这些感兴趣的像素进行RGB 颜色分量的匹配。为了减少环境光强度的影响，可把RGB颜色域空间转化到HIS颜色空间。 在足球机器人的彩色视觉系统中，程序是根据贴在机器人小车顶上的色标来识别机器人是属于哪一队，以及是几号队员的。由于在每个机器人小车顶上有两种颜色的色标，分别是队标和队员标。因此，识别工作的第一步是把图像中的每一个像素，根据颜色分类到一组离散的色彩类中。 颜色分类常用的方法有线性色彩阈值法、最近邻域法和阈值向量法等。 其中，线性色彩阈值法是用线性平面把色彩空间分割开来，其阈值的确定可采用直接取阈值和通过自动训练来获取目标颜色范围等方法，也可以采用神经网络和多参数决策树方法来进行自学习，以获得合适的阈值;而用最近邻域分类法分割图像时，则利用隶属度函数，即根据最大的隶属度来判断这个颜色属于哪个类;阈值向量法是先使用一组事先确定的阈值向量来把色彩值在色彩空间中的位置来判断其属于哪种颜色。 在色彩分类之后，必须对各个颜色类的点进行处理，最终辨识出场上的各个敌我队员和球在场上的位置和方向角。识别时，通常的做法是对分类后的像素进行一次扫描，即将相邻的同种颜色的像素连成色块。 基于阈值向量的颜色识别 一、色彩空间选择 对于采用基于彩色图像分割的方法识别目标时，首先要选择合适的颜色空间，常用的颜色空间有RGB、YUV、HSV、CMY等。颜色空间的选择直接影响到图像分割和目标识别的效果。 RGB——最常用的颜色空间，其中亮度等于R、G、B3个分量之和。RGB颜色空间是不均匀的颜色空间，两个颜色之间的知觉差异与空间中两点间的欧氏距离不成线性比例，而且R、G、B值之间的相关性很高，对同一颜色属性，在不同条件(光源种类、强度和物体反射特性)下，RGB值很分散，对于识别某种特定颜色，很难确定其阈值和其在颜色空间中的分布范围。因此通常会选择能从中分离出亮度分量的颜色空间，其中最常见的是YUV和HSV颜色空间。 HSV——接近人眼感知色彩的方式，H为色调(Hue)，S为色饱和度(Saturation)，V为亮度(Value)。色调H能准确地反映颜色种类，对外界光照条件变化敏感度低，但是H和S
机器人视觉系统综述 0843021037 晏林俐机制三班 一、概述 在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，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。通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。这样，就把计算机的快速性、可重复性，与人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的概念。 二、机器视觉的优点 一个成功的机器视觉系统是一个经过细致工程处理来满足一系列明确要求的系统。当这些要求完全确定后，这个系统就设计并建立来满足这些精确的要求。机器视觉的优点包括以下几点：■精度高 作为一个精确的测量仪器，设计优秀的视觉系统能够对一千个或更多部件的一个进行空间测量。因为此种测量不需要接触，所以对脆弱部件没有磨损和危险。 ■连续性 视觉系统可以使人们免受疲劳之苦。因为没有人工操作者，也就没有了人为造成的操作变化。多个系统可以设定单独运行。 ■成本效率高 随着计算机处理器价格的急剧下降，机器视觉系统成本效率也变得越来越高。一个价值10000美元的视觉系统可以轻松取代三个人工探测者，而每个探测者每年需要20000美元的工资。另外，视觉系统的操作和维持费用非常低。 ■灵活性 视觉系统能够进行各种不同的测量。当应用变化以后，只需软件做相应变化或者升级以适应新的需求即可。 许多应用满意过程控制（SPC）的公司正在考虑应用机器视觉系统来传递持续的、协调的和精确的测量SPC命令。在SPC中，制造参数是被持续监控的。整个过程的控制就是要保证这些参数在一定的范围内。这使制造者在生产过程失去控制或出现坏部件时能够调节过程参数。 机器视觉系统比光学或机器传感器有更好的可适应性。它们使自动机器具有了多样性、灵活性和可重组性。当需要改变生产过程时，对机器视觉来说“工具更换”仅仅是软件的变换而不是更换昂贵的硬件。当生产线重组后，视觉系统往往可以重复使用。 三、机器视觉系统的构成 机器视觉技术用计算机来分析一个图像，并根据分析得出结论。现今机器视觉有两种应用。机器视觉系统可以探测部件，在此光学器件允许处理器更精确的观察目标并对哪些部件可以通过哪些需要废弃做出有效的决定；机器视觉也可以用来创造一个部件，即运用复杂光学器件和软件相结合直接指导制造过程。 尽管机器视觉应用各异，但都包括以下几个过程； ■图像采集 光学系统采集图像，图像转换成模拟格式并传入计算机存储器。 ■图像处理 处理器运用不同的算法来提高对结论有重要影响的图像要素。
机器人视觉系统的组成及工作原理 国圈巴 机器人视觉系统的组成及工作原理 王军.李垦野 黑龙江省冶金研究所,哈尔滨l50040 分组成的工作原理. 文章编号:1002—23,33(21307)03—0056—02 从1960年代开始,人们就开始着手研究机器视觉系 统:一开始视觉系统只能识别平面上的类似积木的物体 随着大规模集成电路技术的发展,视觉系统逐渐走向实 用化:进八1980年代后,由于微型计算f』【的飞速发展,使 用的视觉系统已经进入领域.其中机器^视觉系统是机 器视觉应用的一个重要领域. l机器人视觉系统的硬件系统 ,,机器人视觉系统的硬件由下述几个邵分组成 (1)景物和距离传感器常用的摄像机,CCD图像传 感器,超声波传感器和结构光设备等 (2)视频信号数字化设备其任务是把摄像机或CCD 输出的信号转换成方便计算和分析的数字信号. (3)视频信号快速处理器,视频信号实时,快速,并行 算法的硬件实现设备:如DSP系统. (4)计算机及其外设根据系统的需要可以选用不 同的计算机及其外设来满足机器人视觉信息处理及机器 人控制的需要: (5)机器人或机械手及其控制器= t.2机器人视觉的软件系统有以下几个部分组成 (I)计.算机系统软件选用不同类型的计算机,就有
不同的操作系统和它所支持的各种语言,数据库等 (2)机器人视觉信息处理算珐图像预处理,分割, 描述,识别和解释等算法 (3)机器人控制软件 2CCD原理 视觉信息通过视觉传感器转换成电信号.在空间采样 和幅值化后,这些信号就形成了一幅数字I荨l像,机器人视觉使用的主要部分是电视摄像机,它由摄像管或同态成像传感器及相嘘的电子线路组成.这里我们只介绍光导摄像管的_[作原理,因为它是普遍使用的并有代表性的一种摄像管固态成像传感器的关键部分有两种类型:—种是电荷耦台器悼ccD);另一种是电荷注人器CID).与具有摄像 管的摄像机相比,固态成像器件重量轻,体积小,寿命小, 功耗低:不过,某些摄像管的分辨章仍比固态摄像机高. 由图I可以看出,光导摄像管外而是一圆柱形玻璃 外壳2,内部有位于一端的电子抢7以及位于另一端的屏幕l和靶加在线罔6,9的电压将电子束聚焦并使其 偏转.偏转电路驱使电子柬对靶的内表面扫描以便"读取"图像=玻璃屏幕的内表面镀有一层透明的金属薄膜, 它构成一个电极,视频信号可从此电极上获得一层很薄 的光敏"靶"附着的金属膜上,它是一层由一些极小的球 状体组成,球状的电阻反比于光的强度在光敏靶的后面 有一个带正电荷的细金属网,它使电子枪发射出的电子 减速.以接近于0的速度达到靶面.在正常工作时.将正 电J~,JJn在屏幕的金属镀膜上.在无光照时.光敏材料呈现绝缘体特性.电子束在靶的内表面上形成一个电子层以 平衡金属膜上的正电荷.当电子束扫描靶内表面对,光敏 6 ,
基于3D视觉技术的机器人系统 随着科学技术的不断进步，具有类似于人类视力的机器人系统不再是科幻小说中的梦想。今后，3D视觉系统将成为机器人系统的标准附加设备，携手机器人共同打造梦幻般视觉。坐落在Mich州Rochester Hills地区的Fanuc Robotics公司的智能机器人和视觉系统部经理Edward Roney先生解释说：“采用由当今技术水平所提供的处理器，我们实上可以观察多幅图像，并对一个物体的几何形状进行实时分析。” Fanuc 公司开发了称之为iRVision 的第一套工业用集成3D视觉系统，该技术已应用于所有的Fanuc R-30iA型机器人系统上。全部工艺由主机器人上的CPU单元执行，因而不会产生通信延时的现象，也需要再附加硬件。Iowa州Ellison Technologies Automation公司是一家机器人系统成套供应商，也是一家技术咨询公司，按照其总裁John Burg先生的说法，随着生产需求的不断提高、生产技术的不断发展以及机器人成本费用的不断增长，在今后几年中，3D视觉系统将成为机器人系统的标准附加设备。 John Burg先生说：“现在的生产技术正在以足够快的步伐向前发展，但价格也在不断上涨，顾客对视觉系统的易用性和灵活性要求越来越高。”Burg先生认为，Fanuc机器人和3D视觉系统应用成熟，已经在物流、焊接工艺和机床的零件装卸过程等一系列活动中携手合作，这一技术将有利于提高工作效率、降低人工劳务费用并提高产品质量。他解释说：“采用新技术和安装新设备的其中一个目的就是要长期地降低生产成本。” 因此，为什么3D视觉技术会越来越受到人们的青睐？因为随着其处理能力的提高，处理器和存储器的费用不断降低，编程员可以做更多的工作，不仅是拍摄一幅图像，还可以将其与相应的参考模型进行对比，而早期的大部分2D视觉图像就是建立在这一技术基础之上。 视觉系统的发展 机器人视觉系统最早应用于汽车生产线的成套车体生产机器人上。如果没有视觉系统，需要采用特殊的工具在车体上加工孔径，以便使机器人能够知道车体的具体位置。然而在视觉摄像系统开发以后，就再也不需要这类昂贵的加工工具了。机器人能够自动地确定车体的确切位置，然后通过数学方式计算出这四个孔径的位置。 如图2所示：用于12个组装件的零件安放在一辆小车上，每一个组装件的正确零件位于每一个插槽之中。FANUC M-16iB型机器人使用iRVision 3DL视觉系统让小车正确就位。 Fanuc 公司的Roney先生进一步解释说：“从很早的时候开始，我们就认识到采用视觉系统是降低工具成本的一种很好的方法。加工工具是非常昂贵的，而且是固定不变的。如果制造商需要在第二年改变车型，那么必须更新全部工具。”按照Roney先生的说法，在采用