基于计算机视觉的曲面产品测量研究
MarkingMate CVP计算机视觉定位
计算机视觉定位操作 先决条件 1. 雷射镜头已做过校正。 2. 雷射与CCD 设备位置皆固定不变。 3. 已安装CCD 驱动程序。 操作方式 1. 汇入CVP 外挂模块 I. 开启MarkingMate ，点选「档案」→「选项」→「延伸外挂模块」，如图1。 II. 勾选「启动」，再点选「汇入模块」。之后于「MarkingMate 」安装目录中「Extdll 」文件夹选取「CVP.dll 」，最后再套用即可使用此模块，见图2。 圖1 圖2
2. CCD 镜头校正 进行镜头校正的目的在于让软件自动根据校正文件的雕刻结果去计算补偿值。 I. 开启16点定位校正档。同样于「Extdll 」文件夹中开启「target.ezm 」文件，将对象大小调整至符合CCD 镜头可见范围后执行雕刻，见图3。 II. 点选雕刻面板上的计算机视觉定位面板，如图4。此时会出现如图5的操作窗口。而操作窗口中所显示的影像为CCD 当下所撷取的画面。 圖3 圖4 圖5
决定是否将计算机视觉定位操作窗口固定在所有开启程序的最上 层。 决定放大或缩小计算机视觉定位操作窗口。 取样：按此按钮开启「取样对话盒」，可进行「取样」与「比对」。 设定：按此按钮开启「CCD 设定」对话盒，可进行「校正」。 III. 点选设定，会出现CCD 设定对话盒，如图6。之后点选校正，进入校正窗口进行16点校正。 CVP 模式：依照实际情况选择单工业相机或是双工业相机。 启动低光源模式：当光源不足的时候，可以启用此功能。 IV. 进入校正窗口后，计算机视觉定位的影像部分会出现一个侦测标靶，如图 7。移动标靶依序寻找每个点的圆心(由左至右，由上而下)，最后按下完成即可完成校正。标靶的半径可由侦测半径调整。标靶大小建议要比点还要大一些，如此才能更精准。 圖6 圖7
视觉测量系统技术及应用
视觉测量系统技术及应用 1 引言 基于计算机的视觉检测系统是指通过计算机视觉产品将被摄取目标转换成图像信号，传送给图像处理系统，图像处理系统再根据像素分布和亮度、颜色等信息，转变成数字化信号，计算机图像系统对这些信号进行复杂运算来抽取目标的特征，进而根据判别的结果来控制设备动作。它具有非接触、速度快等优点，是一种先进的检测手段，非常适合现代制造业。可用于视觉检测的试验原理很多，如纹理梯度法、莫尔条纹法、飞行时间法等，然而诸多测试原理中，尤其基于三角法的主动和被动视觉测量原理具有抗干扰能力强、效率高、精度合适等优点，非常适合在线非接触测量。本文主要从视觉测量系统在实际中应用出发，展示视觉检测技术在制造业中的广阔应用[1-4]。 2 视觉测量系统技术的应用 2.1 汽车车身视觉检测系统 在汽车制造过程中，车身上总有很多关键的三维尺寸进行测量，采用传统的三坐标测量机只能离线抽样检测，效率低，更不能满足现代汽车制造在线检测的需要，而视觉检测系统能很好的适应该需要，典型的汽车车身视觉检测系统如图1所示[5]。 图1 车身视觉检测系统 车身检测系统主要依靠的是数个视觉传感器，其中还包括传送机构、定位机构，计算机图像采集、网络控制部分。每个传感器对应一个被测区域，然后通过传输总线传至计算机，通过计算机对每个视觉传感器进行过程控制。 汽车车身检测系统的测量效率很高，精度式中，并且可以在完全自动情况下完成，这个包含几十个测点的系统都能再几分钟内测量完成，因此可以适应汽车制造的在线检测。而且传感器的布置可以根据不同车型来布置，增加了应用要求，
因此减少了车身视觉系统的维护费用。 2.2 拔丝模孔形视觉检测系统 使用计算机视觉检测技术开发出的拔丝模孔形检测系统由光学成像系统、工业用摄像机图像采集卡、计算机及监视器组成，可以解决生产实际中的模具孔形检测问题．工作原理如下：先采用注入硅胶方法获得反映待检拔丝模尺寸及形状的硅胶凸模，然后把硅胶凸模放在光学系统的载物台上．硅胶凸模经光学成像放大，成像于CCD像面上，然后用图像采集卡采集CCD图像信息，最后由计算机视觉检测软件完成对孔形尺寸的自动计算，此时图像采集时需要配置特殊的光照系统．系统实现了自动数据采集、处理，实现采样、进样、结果一条龙，形成检测的自动化． 2.3 无缝钢管直线度和截面在线视觉检测 无缝钢管是一类重要的工业产品，在反应无缝钢管质量中，钢管直线度及截面尺寸是主要的几何参数。现代工业已经可以实现无缝钢管的大批量大规模生产，并且并无成熟的直线度、截面尺寸高效率的检测系统，主要原因为：无缝钢管空间尺寸大，需要很大的测量空间，一般的检测手段很难实现如此大尺度的检测。然而视觉检测却非常适合无缝钢管及截面尺寸的测量，其测量原理图如图2所示。 多个传感器组成了视觉检测系统，传感器的结构光所投射的光平面与被测钢管相交，从而得到钢管的部分圆周，传感器测量圆周在传感器三维空间位置，每一个传感器实现一个截面圆周测测量，然后通过拟合得到截面的圆心和其空间位置，从而实现对无缝钢管截面和直径的测量。 图2 无缝钢管在线检测 2.4 视觉测量在逆向工程中的应用 逆向工程是针对现有的工件，利用3D数字化测量仪准确快速地测量出轮廓坐标值，并建构曲面，经过编辑、修改后，将图形存档形成一般的CAD/CAM系统，再由CAM所产生刀具的NC加工路径送至CNC加工机制所需模具，或者以快速成型将物品模型制作出来。视觉测量一般使用三种激光光源：点结构光、线结构光、面结构光，图3为使用线结构光测量物体表面轮廓的结构示意图[6]。
行人检测与跟踪国内外研究现状
行人检测与跟踪国内外研究现状 1.2行人检测与跟踪国内外研究现状 视觉跟踪和目标检测是计算机视觉领域内较早开始的研究方向。经过几十年的积累，这两个方向已经取得了显著的发展。然而，很多方法只是在相对较好地程度上解决了一些关键问题。并且仍旧有不少一般性的关键问题未得到有效的解决。国内外很多研究机构都在致力于研究和发展这两个方向。近些年这两个方向持续发展，涌现了很多比较优秀的方法。国外的很多大学和研究机构（如卡内基梅隆大学、南加州大学和法国国家计算机科学与控制研究所等）都有计算机视觉小组，长期地研究视频跟踪和目标检测。国内的很多大学和研究所等（如清华大学、上海交大和自动化所等）也有相关的研究小组，并取得了一些优秀的研究成果。 1.2.1行人检测技术国内外研究现状 中科院计算机科学重点实验室孙庆杰等人利用基于侧影的人体模型及其对应的概率模型,提出了一种基于矩形拟合的人体检测算法。中科院自动化所谭铁牛等对人运动进行视觉分析,其核心是利用计算机视觉技术从图像序列中检测、跟踪、识别人并对其行为进行理解与描述,它主要应用在视觉监控领域和基于步态的身份鉴定。步态识别就是根据人们走路的姿势进行身份鉴定,依据人体行走运动很大程度上依赖于轮廓随着时间的形状变化的直观想法,提出一种基于时空轮廓分析的步态识别算法；基于行走运动的关节角度变化包含着丰富的个体识别信息的思想,提出一种基于模型的步态识别算法。实验结果表明该算法不仅获得了令人鼓舞的识别性能,而且拥有相对较低的计算代价。但是该方法只能检测出运动的行人。 西安交通大学郑南宁等研究了利用支持向量机识别行人的方法,通过稀疏Gabor滤波器提取行人样本图像中行人的特征,然后利用支持向量机来训练所提取的样本特征,并用训练得到的分类器通过遍历图像的方式将图像中可能属于行人的窗口提取出来。尽管用Gabor滤波器提取特征效果相对较好,但耗时很长,不适合于实时图像的处理。 上海交通大学田广等提出了一种coarse-to-fine的行人检测方法,将一个人建模成人体自然部位的组装,人体的所有部位包括头肩、躯干和腿、采用绝对值类Haar特征集和Edgelet特征集,在这些特征集上,采用softcascade训练各个部位的检测器和全身检测器。首先采用全身检测器在整个图像中产生候选行人区域,然后用基于贝叶斯决策的组合算法进一步确定候选区域中的行人。实验结果表明该算法有很好的检测性能能在杂乱的自然场景中有效的检测行人。但该方法的识别率是78.3%,识别率不高，且该模型比较难构建,模型求解也比较复杂。 目前,在国外许多文献中提出了基于机器视觉的行人检测方法,意大利帕尔玛大学的AlbertoBroggi教授在ARGO项目中采用一种基于外形的行人检测算法。算法首先根据行人相对于垂直轴有很强的垂直边缘对称性、尺寸和外貌比例等在
计算机视觉与图像理解
计算机视觉与图像理解 摘要 精确的特征跟踪是计算机视觉中的许多高层次的任务，如三维建模及运动分析奠定了基础。虽然有许多特征跟踪算法，他们大多对被跟踪的数据没有错误信息。但是，由于困难和空间局部性的问题，现有的方法会产生非常不正确的对应方式，造成剔除了基本的后处理步骤。我们提出了一个新的通用框架，使用Unscented转换，以增加任意变换特征跟踪算法，并使用高斯随机变量来表示位置的不确定性。我们运用和验证了金出武雄，卢卡斯- Tomasi 的跟踪功能框架，并将其命名为Unscented康莱特（UKLT）。UKLT能跟踪并拒绝不正确的应对措施。并证明对真假序列的方法真确性，并演示UKLT能做出正确不误的判断出物体的位置。 1．简介 在计算机视觉，对问题反映的准确性取决于于图像的准确测定。特征跟踪会随时间变化对变化的图像进行处理，并更新每个功能的变化作为图像的位置判断。重要的是所选择图像的功能，有足够的信息来跟踪，而且不遭受光圈问题的影响。[1] 在金出武雄，卢卡斯- Tomasi（康莱特）是最知名的跟踪和研究方法之一。它采用一对匹配准则刚性平移模型，它是相当于窗口强度的平方差之和最小化的基础。特征点的正确选择，可大大提高算法的性能。[3] Shi与Tomasi 将初始算法考虑仿射模型，并提出了技术监测的功能对质量进行跟踪。如果第一场比赛中的图像区域之间和当前帧残留超过阈值时，该功能将被拒绝。在随后的工作中，对模型进行了扩展且考虑了光照和反射的变化。 不幸的是，这些算法没有考虑在跟踪的不确定性，和估计的可靠性。如果我们能够考虑到这些问题，我们将能从混乱的数据中提取出更准确的数据。在没有不确定性特设技术条件下，有些研究员试图从中提取有用的数据但是结果都不能令人满意。但是理论上有声音的不确定性为特征跟踪，是可以应用于不同的功能类型的方法。 在一个闭塞，模糊，光照变化的环境中，即使是最复杂的特征跟踪算法一败涂地无法准确跟踪。这些问题导致错误的匹配，就是离群值。虽然有几种方法来减轻异常值的影响，但是其计算成本通常较高[7] [8]。[9]采用随机抽样一致性[10]的方法来消除图像序列异常值。Fusiello提出的康莱特，增加了一种自动拒绝规则功能，所谓的X84。虽然有许多离群排斥的方法，但没有一个单一的算法，尽管该算法在所有情况下都表现良好。 在本文中我们将研究范围扩大，运用高斯随机变量（GRVs）与Unscented变换（SUT 的），计算在一个非线性变换的分布传播，运用标准康莱特算法。采用随机变量来描述图像特征的位置和它们的不确定性既提高了精度又提高了鲁棒性的跟踪过程。虽然我们不知道什么是真正的分布，被测系统为我们提供了理论保证，前两个时刻的估计是正确的。另外，使用异常检测被测样品确定性使我们没有增加任何额外费用。 2．不确定度表示 我们现在引入一个新的通用框架，增强了任意特征跟踪算法，以代表和跟踪高斯随机变量（GRVs）功能的位置。然后，我们说明它可以被应用到最常用的方法，康莱特之一[1]。 GRVs是一种用于图像的特征定位概率分布函数描述的不错选择。他们有一个简单易懂的数学公式（平均向量和协方差矩阵）和紧凑的计算实施。他们也有一个确切的封闭使用的线性代数运算的代数线性变换的制定，并以此作为其参数表示的两个分布的第一时刻。Haralick [13]虽然提出了在计算机视觉中使用协方差传递，但他只考虑一阶线性化。 易用性外，还出现了一些有效的文献，它质疑从本地的图像灰度信息测量协方差是否可以代表的功能位置的不确定性[6]。
计算机视觉系统及其应用
课程设计 课程名称工业自动化专题 题目名称_计算机视觉系统及其应用学生学院_____自动化________ 专业班级______ 学号 学生姓名____ 指导教师___________ 2013 年 6月 25日
机器视觉系统及其应用 摘要：主要介绍机器视觉系统的概要，简要分析机器视觉的特点、优越性和应用，具体介绍了机器视觉技术在印刷行业、农业、工业、医学中的实际应用，并且分别举例说明。机器视觉的诞生和应用在理论和实际中均具有重要意义。 关键词：机器视觉；标签检测；药物检测；水果品质检测；硬币检测。 1. 机器视觉系统 1.1 机器视觉系统简介 机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域，它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科。 机器视觉系统通过图像摄取装置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。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。 机器视觉系统的优点有：1.非接触测量，对于被检测对象不会产生任何损伤，而且提高了系统能够的可靠性；2.较宽的光谱响应范围，例如使用人眼看不见的红外测量，扩展人眼的视觉范围；3.长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉系统则可以长时间地作测量、分析和识别任务。 现在，机器视觉系统在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用，可以说已经深入到我们的生活、生产和工作的方方面面。 1.2 基本原理 图 1 是机器视觉系统的基本结构，在一定的光照（包括可见光，红外线甚至超声波等各种成象手段)条件下，成象设备（摄象机，图像采集板等）把三维场景的图像采集到计算机内部，形成强度的二维阵列——原始图象；然后，运用图像处理技术对采集到的原始图像进行预处理以得到质量改善了的图像；其次，运用机器视觉技术从图像中提取感兴趣的特征分类整理；，构成对图像的进一步，运用模式识别技术对抽取到的特征进行描述；最后，运用人工智能得到更高层次的抽象描述。完成视觉系统的任务。 图1机器视觉的基本结构
《图像理解与计算机视觉》习题
《图像理解与计算机视觉》习题 1. 一幅图像的象素灰度级为256、大小为1024×1024的图象的数据量多少MB？假设网络的平均传输速率为1Mbit/s，需要多少秒才能传送完毕？每个像素可以用8比特表示。 解答：图像的数据量是1024×1024×8/8=1 MB，需要8 秒才能传送完毕。 2. 通过你对生活的观察，举出一个书本描述之外的图像处理应用的领域和例子。 解答： 医院CT检查，等。 I f x y z t的各个参数的具体含义，反映的图像类型有多 3. 请说明图像亮度函数(,,,,) 少？ 解答： I f x y z t中，(x,y,z)是空间坐标，λ是波长，t 是时间，I 是 图像数学表达式(,,,,) 光点(x,y,z)的强度（幅度）。上式表示一幅运动(t) 的、彩色/多光谱(λ) 的、立体（x,y,z）图像。 I f x y z t表示一幅运动(t) 的、彩色/多光谱(λ) 的、立体（x,y,z）图像。对 (,,,,) 于静止图像，则与时间t 无关；对于单色图像(也称灰度图像)，则波长λ为一常数；对于平面图像，则与坐标z 无关，故f(x,y)表示平面上的静止灰度图像，它是一般图像I f x y z t的一个特例。 (,,,,) 4. 色彩具有哪几个基本属性，表述这些属性的含义。 解答： 色相（H）：色相是与颜色主波长有关的颜色物理和心理特性，它们就是所有的色相，有时色相也称为色调。 饱和度（S）：饱和度指颜色的强度或纯度，表示色相中灰色成分所占的比例，用0%-100%（纯色）来表示。 亮度（B）：亮度是颜色的相对明暗程度，通常用0%（黑）-100%（白）来度量。 5. 请解释马赫带效应。 解答： 所谓“马赫带效应（Mach band effect）”是指视觉的主观感受在亮度有变化的地方
计算机视觉简介
人们常说：眼睛是心灵的窗户，通过眼睛人们可以轻易地交流情感，眼睛也是与外界交流的窗口，这些都是通过“看”来完成的。 人们可以很容易“看到”一幅画，但这一“简单”过程并不如此简单，大致上它可以分为以下几个阶段：首先是通过眼睛将图成像在视网膜上；其次大脑对图像进行理解；最后根据处理的结果做出反应。用比较专业一点的语言来描述，该过程包括了识别、描述与理解三个层次；这其中还隐含了边缘检测（各物体的轮廓等）、图像的分割（各物体区域的划分）等阶段。以上实际上概述了视觉系统的三个层次，即低层阶段：基于图像特征提取及分割阶段；中层阶段：基于物体的几何模型与图像特性表达阶段；高层阶段：基于景物知识的描述、识别与理解阶段，这是根据先验知识介入的程度划分的，且实现起来也越来越困难。 毫无疑问，如何人工实现这一过程是极具挑战性和应用前景的一项工作，计算机视觉也因此而应运而生。计算机视觉是研究用计算机和成像设备来模拟人和生物视觉系统功能的技术学科，其目标是从图像或图像序列中获取对外部世界的认知和理解，即利用二维图像恢复三维环境中物体的几何信息，比如形状、位置、姿态、运动等，并能描述、识别与理解。 计算机视觉的基础是各种成像设备，例如CCD(Charge Coupled Device )摄像机（数码相机属于此类型）、红外摄像机、医学上常用的核磁共振成像、X射线成像等，这些设备不仅可以成像，还可以获取比人眼更丰富的图像，人们可以形象地把摄像机看成计算机视觉的视网膜部分。可以说从人类拍摄出第一幅图像开始，就为计算机视觉的诞生奠定了基础。 而计算机视觉的核心是数字电子计算机，其发展可谓突飞猛进，在计算和存储能力上，人脑已经无法与之相比，人们的目标就是利用计算机非凡的计算处理能力来代替人脑实现对图像的理解，而计算机日新月异的发展也使得这一愿望越来越成为可能。 用于指导“计算机”这个大脑运作的核心是计算机视觉的理论方法，计算机视觉使用的理论方法主要基于几何、概率和运动学计算与三维重构的视觉计算理论，它的基础包括射影几何学、刚体运动力学、概率论与随机过程、图像处理、人工智能等理论。在20世纪70年代，视觉研究大多采用模式识别的方法；80年代，开始采用空间几何的方法以及物理知识进行视觉研究；90年代以后，随着智能机器人视觉研究的发展，引入了许多新的理论与技术如主动视觉理论、不变量理论、融合技术等，并应用于许多计算机视觉系统中。 研究计算机视觉，不得不提的是英国已故科学家戴维·马尔（David Marr），他在计算机视觉发展史上可谓写下了浓重的一笔。在20世纪70年代末，他提出了第一个
基于计算机视觉步态识别系统的方法研究
第21卷第4期湖 北 工 业 大 学 学 报2006年08月 V ol.21N o.4 Journal of H ubei U niversity of T echnology Aug.2006 [收稿日期]2006-05-23[作者简介]程 琼(1959-),女,湖北武汉人,湖北工业大学副教授,研究方向:模式识别及计算机控制. [文章编号]1003-4684(2006)0820101203 基于计算机视觉步态识别系统的方法研究 程 琼,庄留杰 (湖北工业大学电气与电子工程学院,湖北武汉430068) [摘 要]对目前步态识别系统的研究方法进行了分析、归类与总结,并在原有的研究方法基础上提出了三维 系统建模与跟踪新方法.计算机视觉技术为步态识别系统提供了强有力的分析工具. [关键词]步态识别;计算机视觉;研究方法[中图分类号]TP391.41 [文献标识码]:A 步态识别作为一种新兴的生物特征识别技术, 当前已成为基于视觉的人体运动分析领域的研究热点.步态识别是一种潜在的行为特征,相关研究已证实它可以用于身份识别. 1 步态识别系统组成 步态识别是从相同行走行为中寻找和提取相应个体的可区分的变化来自动进行身份识别.基于视 觉的步态识别系统,如图1所示,监控摄像机用于捕捉监控领域中的行人,结合背景的自动建模和更新,步态检测用来检测行人.行人在二维或三维空间中被连续跟踪.从跟踪结果中,步态模式的一些个性化特征被相应地提取.结合在步态数据库中已经存储的步态模式,分类器最后给出识别结果 . 2 基于视觉的步态分析 步态作为生物特征的可用性在早期已得到证明,关健是如何利用计算机视觉方法来获取个体运动特征.人体建模的选择对于从图像中识别人的形状,正确分析人的运动是非常重要的.骨架图模型是 以直线近似在关节点处所连接的骨骼来表达人体;立体模型能更好地表达人体,它利用广义锥台、椭圆柱、球等三维模型来描述人体的结构细节[1]. 许多研究将人的运动定义为身体运动的不同姿势.有2种主要方法来建模人的运动:一种是基于模型的方法,即选择人体模型后,该模型的三维结构从图像序列中进行恢复;另一种方法重在确定运动场的特征,而不需结构的重构.运动行为的识别可以认为是时变数据的分类问题. 可以看出,人体建模、跟踪与运动识别技术等视觉方法已为步态分析提供了一种强有力的分析工具. 3 步态识别方法分类 当前的步态识别方法有:1)使用行人的时空模式得到步态特征;2)通过光流分布来提取特征;3)特征化实际运动的外观.而如何紧支有效地表达分割出来的或跟踪的行人是非常重要的,因为它将直接或被进一步分析,以获取用于识别的步态特征. 步态包括2类分量:结构化分量,它捕捉了一个人的身体形状;动态分量,它捕捉人体行走期间的运 动特征.根据分析,步态识别方法一是基于模型或结构的方法,它通常建模人体结构并且提取图像特征来影射它们为模型的结构化分量,或者衍生出人体部分的运动轨迹来识别个体;二是非结构或者基于运动的方法,它通常特征化人体的整个运动模式来获取运动特征,而不考虑潜在的结构[2].
计算机视觉期末复习
一、 1.什么是计算机视觉？理解计算机视觉问题的产生原理。 研究用计算机来模拟生物视觉功能的技术学科。具体来说，就是让计算机具有对周围世界的空间物体进行 传感、抽象、分析判断、决策的能力，从而达到识别、理解的目的。 2.直方图的均衡化 处理的“中心思想”是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。直方 图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是 把给定图像的直方图分布改变成“均匀”分布直方图分布。 是将原图像通过某种变换，得到一幅灰度直方图更为均匀分布的新图像的方法。设图像均衡化处理后，图像的直方图 是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。 二、 1.常见的几何变换：平移T x为点（x，y）在x方向要平移的量。 旋转 变尺度：x轴变大a倍，y轴变大b倍。 2.卷积掩膜技术：(,) (,)(,)(,) m n f i j h i m j n g m n =-- ∑∑ 对应相乘再相加掩膜的有效应用——去噪问题 3. 均值滤波器（低通）：抑制噪声 主要用于抑制噪声，对每一个目标像素值用其局部邻域内所有像素值的加权均值置换。con命令高斯滤波器：一个朴素的道理，距离目标像素越近的点，往往相关性越大，越远则越不相干。所以，高斯 滤波器根据高斯函数选择邻域内各像素的权值 medfilt1 。 区别方法是：高通滤波器模板的和为0，低通滤波器模板的和为1 常用的非线性滤波器：中值滤波；双边滤波；非局部滤波 4.边缘检测算子：通过一组定义好的函数，定位图像中局部变换剧烈的部分（寻找图像边缘）。主要方法有：Robert 交叉梯度，Sobel梯度，拉普拉斯算子，高提升滤波，高斯-拉普拉斯变换（都是高通滤波器） 1100 cos sin0 [1][1]sin cos0 001 x y x y θθ θθ - ?? ? = ? ? ?? 1100 00 [1][1]00 00 a x y x y b ab ?? ? = ? ? ?? (,) 1 [,][,] k l N h i j f k l M∈ =∑ ? ? ? ? ? ? ? = 1 1 1 ]1 [ ]1 [ 1 1 y x T T y x y x
计算机视觉技术在零件尺寸测量中的应用_王晓翠
计算机视觉技术在零件尺寸测量中的应用 王晓翠1,王艳秋1,麻恒阔2 (1.北京航空精密机械研究所,北京100076; 2.A BB电气传动系统有限公司,北京100015) 摘要:介绍了一种应用计算机视觉技术检测机械零件参数的测量方法。以面阵CCD为图像传感器,通过图像采集卡将机械零件的二维图像输入到计算机中。在对原始输入图像进行直方图校正和边缘保持滤波处理后,对得到的较为平滑的零件图像进行边缘检测。利用图像边缘灰度突变的特性,提出了一种结合梯度算子的快速边缘检测方法。并据此计算出零件的各参数值。此种测量方法非常适合于微小、易形变等接触测量难以准确测量的机械零件的参数检测,具有广阔的应用前景。 关键词:直方图校正;边缘保持滤波;边缘检测 中图分类号:T P391.41文献标志码:A Application of Measurement of Mechanical Accessory Size based on C omputer Vision Technology WA N G Xiaocui1,W AN G Y anqiu1,M A H eng kuo2 (1.Beijing Pr ecision Eng ineering Institut e fo r A ircraft Industr y,Beijing100076,China; 2.ABB Beijing Dr ive Systems Co.,L td,Beijing100015,China) Abstract:T he accessor y parameter measurement met ho d w as presented based on co mputer v ision technolog y.By taking CCD as imag e senso r,the accesso ry image is put into the co mputer via imag e co llection card.T he edge detectio n of smoot her accessor y imag e attained after histo gr am adjusting the or ig inal imag e and holding edg e filter.Co nsider ing the sudden chang e of the gr ay scale o f the image edge,a rapid edge-detectio n technique is pr esented which uses gr adient operato r,and then wo rked o ut t he accesso ry parameters.T his metho d is pr opitio us to measure mechanical accesso ry accur ately,such as m-i nuteness,mo re defo rmable that unfit for tangency measur ement,and has a w ide applicatio n fo reg round. Key words:Histo gr am adjusting,Edge keeping filter,Edg e detectio n 基于图像处理的计算机视觉技术是把被测零件的图像当作检测和传递信息的手段,从中提取有用的信号来获得待测的参数。该测量方法具有非接触、高速度、动态范围大、信息量丰富等优点,非常适合传统方法难以测量的场合,如易变形零件尺寸、微小尺寸及零件孔心距等的测量。本文介绍了一种以CCD作为图像传感器的图像测量系统,并可实现对微小零件的几何量(如薄板零件的小孔和孔心距等)进行自动测量。 1计算机视觉检测系统的构成 计算机视觉检测系统是集光学、光电子学、精密机械及计算机技术为一体的综合系统。该测量系统基本上由平行光照明系统、CCD图像采集系统以及相应的图像处理软件组成。为了达到良好的照明效果,并适当提高被测图像的对比度,从而提高图像处理中边缘提取的精度,采用光照均匀的柯拉照明方式,并对被测物进行平行光背光照射。由于被测对象多为板型零件,因而可以较好地利用光照条件提取被测物的有效轮廓,有利于图像测量算法精度的提高。结构框图如图1所示。其工作过程为:将被测零件置于尽可能均匀照明的可控背景前,CCD和图像卡将被测零件图像采集到计算机里,计算机按一定的算法计算出被测物体的几何参数,最后计算机对这些数据进行各种处理,并将结果按一定要求 予以显示和存储。 图1图像测量系统结构框图 2图像预处理 由于光的散射、空间电磁干扰、电路杂波等原因,得到的图像中通常含有如椒盐、脉冲和高斯等噪声。噪声会影响图像质量,造成零件边缘模糊,降低系统测量精度,因此,必须对原始图像进行灰度校正、噪声过滤等预处理。对图像测量系统来说,所用的图像预处理方法可不考虑图像降质,只将图像中感兴趣的部分有选择地突出,衰减不需要的特征。考虑到待测物体参数大多由其外形轮廓决定,本文首先对原始图像进行直方图均衡化处理,然后采用边缘保持滤波算法对图像进行降噪。 2.1直方图修正 原始图像的灰度值分布是不均匀的,其灰度值
计算机视觉
计算机视觉 计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。 目录 1定义 2解析 3原理 4相关 5现状 6用途 7异同 8问题
9系统 10要件 11会议 12期刊 1定义 计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。 计算机视觉是一门关于如何运用照相机和计算机来获取我们所需的，被拍摄对象的数据与信息的学问。形象地说，就是给计算机安装上眼睛（照相机）和大脑（算法），让计算机能够感知环境。我们中国人的成语"眼见为实"和西方人常说的"One picture is worth ten thousand words"表达了视觉对人类的重要性。不难想象，具有视觉的机器的应用前景能有多么地宽广。 计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它
的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。 2解析 视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的 计算机视觉与其他领域的关系 研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战（grand challenge）。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。作为一门学科，计算机视觉开始于60年代初，但在计算机视觉的基本研究中的许多重要进展是在80年代取得的。计算机视觉与人类视觉密切相关，对人类视觉有一个正确的认识将对计算机视觉的研究非常有益。为此我们将先介绍人类视觉。 3原理 计算机视觉就是用各种成象系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。要经过长期的努力才能达到的目标。因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。例如，计算机视觉的一个重要应用领域就是自主车辆的视觉导航，还没有条件实现象人那样能识别和理解任何环境，完成自主导航的系统。因此，人们努力的研究目标是实现在高速公路上具有道路跟踪能力，可避免与前方车辆碰撞的视觉辅助驾驶系统。这里要指出的一点是在计算机视觉系统中计算机起代替人脑的作用，但并不意味
计算机视觉在各个方面的应用
计算机视觉在各个方面的应用 摘要 计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。 关键词：图像处理，模式识别，图像理解。 正文 1.1序言 计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。 计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算计科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。 所需要的知识储备以及相关课程如下， 图1-1 图1-2
1.1.2 现阶段的形式 视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的 图1-3计算机视觉与其他领域的关系 研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战（grand challenge）。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。作为一门学科，计算机视觉开始于60年代初，但在计算机视觉的基本研究中的许多重要进展是在80年代取得的。计算机视觉与人类视觉密切相关，对人类视觉有一个正确的认识将对计算机视觉的研究非常有益。为此我们将先介绍人类视觉。 人类正在进入信息时代，计算机将越来越广泛地进入几乎所有领域。一方面是更多未经计算机专业训练的人也需要应用计算机，而另一方面是计算机的功能越来越强，使用方法越来越复杂。这就使人在进行交谈和通讯时的灵活性与目前在使用计算机时所要求的严格和死板之间产生了尖锐的矛盾。人可通过视觉和听觉，语言与外界交换信息，并且可用不同的方式表示相同的含义，而目前的计算机却要求严格按照各种程序语言来编写程序，只有这样计算机才能运行。为使更多的人能使用复杂的计算机，必须改变过去的那种让人来适应计算机，来死记硬背计算机的使用规则的情况。而是反过来让计算机来适应人的习惯和要求，以人所习惯的方式与人进行信息交换，也就是让计算机具有视觉、听觉和说话等能力。这时计算机必须具有逻辑推理和决策的能力。具有上述能力的计算机就是智能计算机。 智能计算机不但使计算机更便于为人们所使用，同时如果用这样的计算机来控制各种自动化装置特别是智能机器人，就可以使这些自动化系统和智能机器人具有适应环境，和自主作出决策的能力。这就可以在各种场合取代人的繁重工作，或代替人到各种危险和恶劣环境中完成任务。 1.1.3 简单原理 计算机视觉就是用各种成象系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。要经过长期的努力才能达到的目标。因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。例如，计算机视觉的一个重
基于计算机视觉水火弯板的三维测量系统
基于计算机视觉水火弯板的三维测量系统 赵猛，王直 （江苏科技大学江苏镇江212003） 摘要：将激光测量技术和多目视觉照相测量技术相融合，分别发挥激光测量精度高、定位准，照相测量速度快、密度高的特点，研制曲面板三维形状的自动测量以及划线定位系统，实现曲面板上的关键点的位置精确、快速的测量，该系统可基本实现工业船舶行业对曲面板技术的要求，对造船业的发展具有重要的现实意义。关键词：水火弯板；计算机视觉；激光测量；三维测量中图分类号：TP29 文献标识码：A 文章编号：1674－6236（2013）02-0063-04 Three -dimensional measurement system based on computer vision line heating plate ZHAO Meng ，WANG Zhi （Jiangsu University of Science and Technology ，Zhenjiang 212003，China ） Abstract:This article will laser measurement technology and visual camera measuring technology integration ，are played by laser high measuring precision ，accurate positioning ，photographic measurement speed ，high density characteristics ，development of curved plate shape measurement and scribing positioning system ，realize the curved panel on the key points of the position accuracy ，rapid measurement ，the system can realize the basic industry of shipbuilding industry on the curved panel technology requirements ，the development of shipbuilding industry has the important practical significance.Key words:plate bending ；computer vision ；laser measurement ；three-dimensional measurement 收稿日期：2012-09-19 稿件编号：201209139 作者简介：赵猛（1987—），男，山东济南人，硕士研究生。研究方向：复杂系统分析与建模、导航技术应用等。 大型曲面板的高精度快速测量及定位自动化，不仅是目前船舶建造所急需的，也是未来船舶建造测量装备发展的必然趋势。传统的研究方法对板子加工后位移大小的计算测量精度都不高，关键原因是在板子上标记具有难度。长期以来，对于船体双曲度外板的加工，国内外造船厂都是依靠有经验的工人采用水火弯板的方法手工作业完成。船体外板曲面的成型加工是船舶制造的关键及重要环节之一。各种船舶的外表面大多都是由复杂的、不可展的空间曲面构成，把钢板加工成这样的曲面，目前在国内外大部分船厂主要还是采用燃气火焰在钢板表面局部进行加热，当加热区达到一定温度后再降温，利用金属的热弹塑性收缩变形原理，以获得良好的整体变形，这就是所说的水火弯板工艺[1]。 1 曲面板测量、定位系统的整体设计与原理 1.1 整体架构图 该系统主要是由服务器、工控机、工业照相机、激光扫描 机以及传输信号的数据线组成的如图1所示。 服务器主要是接受处理伺服控制器的控制信号，通过伺服控制器来控制激光扫描机跟工业摄像机，对曲面板立体拍照、测量，通过嵌入式计算机收集反馈来的控制信号通过比较相机跟激光扫描机的来准确的定位划线装置的位移。 1.2相机成像原理 该测量系统采用了4台高分辨率家用单反相机、以及一 个高精度激光测量装置，系统将激光与照相相结合进行测量。目前该系统能比较准确地测量曲面板的三维形状，测量精度可以达到±2mm 。根据物理学中光学的原理摄像机成像 模型如图2所示[2]。 电子设计工程 Electronic Design Engineering 第21卷 Vol.21 第2期No.22013年1月Jan.2013 图1 整体架构图 Fig.1Overall chart 图2 摄像机成像模型 Fig.2Camera imaging model
基于计算机视觉技术的人脸检测系统设计
基于计算机视觉技术的人脸检测系统设计 王斌，郭攀，张坤，黄乐 （长安大学信息工程学院，陕西西安710064） 摘要：通过对基于Haar-like 特征的AdaBoost 人脸检测算法研究，利用由该算法训练的级联分类器和计算机视觉类库OpenCV 进行人脸检测系统设计，实现了基于静态图像、摄像头视频和avi 视频的人脸检测与标记，以及标记后的人脸区域图像实时显示和存盘。此外，在VC++6.0环境下实现了对人脸检测系统软件界面的开发。实验结果表明，该检测系统开发周期短，检测速度快，实时性强，检测率高，可作为人脸识别和人脸跟踪系统的开发基础。关键词：计算机视觉；人脸检测；AdaBoost 算法；Haar-like 特征；OpenCV 中图分类号：TP391.4 文献标识码：A 文章编号：1674－6236（2011）16-0038-04 The design of face detection system based on computer vision technology WANG Bin ，GUO Pan ，ZHANG Kun ，HUANG Le （College of Information Engineering ，Chang ’an University ，Xi ’an 710064，China ） Abstract:Through the research for AdaBoost face detection algorithm based on Haar -like features ，make use of the cascade classifier trained by this algorithm and computer vision library OpenCV to design a face detection system ，realize face detection and mark based on static image ，camera video and avi video ，finish displaying and saving the face region images marked by rectangles real -timely.Besides ，achieve the development of software interface by VC++6.0.The experiment result shows that the face detection system has features of short develop cycle ，rapid detection ，real -time and high detection rate ，which can be used for the bases of face recognition system and face tracking system. Key words:computer vision ；face detection ；AdaBoost algorithm ；Haar -like feature ；OpenCV 收稿日期：2011-06-19 稿件编号：201106084 作者简介：王斌（1985—），男，河南南阳人，硕士研究生。研究方向：信号与信息处理及智能控制。 随着计算机技术和数字信号处理技术的快速发展，计算机视觉技术逐渐应运而生，并得到了广泛的应用。OpenCV [1]（Open Source Computer Vision Library ）是由Intel 提供的由一系列C 函数和少量C++类构成的计算机视觉开源软件包，它拥有数百个可实现图像处理和计算机视觉方面的中、高层 API ，可以十分方便地搭建基于计算机视觉技术的静态图像 和视频流处理软件平台，可作为二次开发的理想工具。由于基于Haar-like 特征的AdaBoost 人脸检测算法具有检测速度快、实时性强、鲁棒性好等优点，本文采用基于Haar-like 特征的AdaBoost 人脸检测算法和OpenCV 相结合的方法在 VC++6.0软件开发平台上分别对基于静态图像、摄像头视频 和avi 视频的人脸检测系统进行设计，实现了从静态图像中检测出人脸并标记出人脸位置、从摄像头视频中实时检测和标记出人脸的位置和从avi 视频中提取检测出有人脸的帧并实时标记人脸，同时还实现了对标记后的人脸区域图像进行实时显示和存盘。 1AdaBoost 人脸检测算法 人脸检测的目的就是把静态图像或视频帧中的人脸区 域和非人脸区域区分开。Viola 等人提出的人脸检测方法是一种基于积分图、级联分类器和AdaBoost 算法的方法，该方法可分为以下3个步骤实现[2]。 1）使用Haar-like 特征表示人脸，并采用一种新的图像 表示方式—“积分图”快速计算其特征值。 2）利用AdaBoost 机器学习算法挑选出一些最能代表人 脸的矩形特征（弱分类器）并按照加权投票的方式将弱分类器构造成一个强分类器。 3）将训练得到的若干个强分类器串联起来构造成一个 级联结构的分类器，从而提高分类器的检测速度。 1.1Haar-like 特征 用一些简单的矩形特征来表示人脸特征，因其类似于 Viola 等人提出的Haar-like 小波而得名[3]。常用的Haar-like 特征有边缘特征、线性特征和中心特征，如图1所示。 其中特征值是指图像上两个或者多个形状大小相同的矩形内部所有像素灰度值之和的差值，在系统中统一采用白 电子设计工程 Electronic Design Engineering 第19卷Vol.19第16期No.162011年8月Aug.2011 图1 Haar -like 特征Fig.1 Haar -like features －38－