三维机器视觉及其应用
机器视觉技术的原理和应用案例
机器视觉技术的原理和应用案例近年来，随着科技的快速发展，机器视觉技术逐渐广泛应用于各个领域。
机器视觉技术指的是通过计算机视觉算法对图像或视频进行处理和分析，实现对物体的识别、跟踪、定位等多种功能。
在工业、医疗、交通等各个领域都有着广泛的应用。
一、机器视觉技术的原理机器视觉技术的原理可以分为三个主要步骤：图像获取、图像处理和结果输出。
首先，图像获取是机器视觉技术的第一步，也是最关键的一步。
要获取准确的图像，需要具备高质量的摄像设备和充足的光源。
同时，还需要通过摄像机角度、位置、焦距等参数进行调整，确保拍摄到的图像具有足够的清晰度和准确性。
其次，图像处理是机器视觉技术的核心。
在获取到原始图像后，需要对图像进行处理和分析，提取出其中的有用信息，如形状、轮廓、颜色、纹理等。
处理方式主要包括图像增强、特征提取、模式匹配等多种技术。
其中图像增强可以进一步提高图像的质量，特征提取可以准确地提取出图像中的关键特征，模式匹配可以将提取出的特征与数据库中的模板进行比对，从而实现目标的识别和跟踪。
最后，结果输出是机器视觉技术的最终步骤。
根据不同的应用需求，可以将结果输出为数字信号、文本信息、图片或视频等多种形式。
同时，也可以通过输出结果对图像进行修正或完善，从而实现更精准的数据分析和判断。
二、机器视觉技术的应用案例机器视觉技术已经在各行各业得到广泛应用。
下面分别介绍一些典型的应用案例：1. 工业制造在工业制造上，机器视觉技术可以应用于许多工业领域，如汽车制造、电子制造、医疗器械制造等。
通过机器视觉技术，可以实现对生产过程中的质量控制和缺陷检测。
例如，机器视觉技术可以对生产过程中的零件进行检测和分类，通过设定特定参数，实现对零件尺寸、形状、颜色等的检测和判断，效率非常高。
2. 无人机在无人机领域，机器视觉技术可以使用在无人机的定位、导航、飞行控制等方面。
在视觉导航中，无人机可以通过机器视觉技术对周围环境进行观察和感知，以实现精准的位置识别和移动控制。
HALCON在3D视觉及机器人中的应用介绍
HALCON在3D视觉及机器人中的应用介绍在3D视觉领域中，HALCON可以进行3D建模、3D测量和3D视觉检测等任务。
首先，HALCON可以实现3D点云数据的获取和处理。
它具有强大的点云库，可以对点云数据进行滤波、配准和拼接等操作，从而得到高质量的3D重建结果。
其次，HALCON还可以进行3D模型的创建和匹配。
它具有多种建模方法，包括基于CAD模型、基于视觉标定和基于深度图像等，可以根据实际需求选择最合适的方法。
此外，HALCON还可以进行3D物体的姿态估计和测量，可以实现对物体的精确定位和尺寸测量，可以广泛应用于工业自动化、智能制造和机器人视觉等领域。
在机器人领域中，HALCON可以用于机器人的视觉导航、目标检测和物体抓取等任务。
首先，HALCON可以与机器人系统进行无缝集成，实现机器人的定位和导航。
它可以通过摄像头获取环境图像，并进行图像处理和分析，实现机器人的自主导航和路径规划。
其次，HALCON可以用于机器人的目标检测和识别。
它具有强大的图像处理和模式识别功能，可以实现对不同目标的检测和识别，可以帮助机器人实现智能感知和自主决策。
此外，HALCON还可以用于机器人的物体抓取和操作。
它可以根据3D物体的形状和姿态信息，实现对物体的精确抓取和操作，可以广泛应用于工业机器人、服务机器人和医疗机器人等领域。
除了上述应用外，HALCON还可以应用于其他一些领域的机器视觉和机器人控制任务。
比如，HALCON可以用于医疗影像的处理和分析，可以帮助医生实现病灶的定位和诊断。
此外，HALCON还可以用于安防监控和智能交通系统中的车辆识别和行人跟踪，可以帮助实现安全管理和交通流量控制。
此外，HALCON还可以应用于无人机、无人车和无人潜水器等无人系统中，可以帮助实现自主导航和环境感知。
总之，HALCON在3D视觉及机器人中的应用非常广泛，可以帮助解决各种复杂的视觉和控制问题，是一个非常有价值的工具和平台。
机器视觉的技术和应用
机器视觉的技术和应用机器视觉，又称视觉智能，是指模拟和实现人类视觉的能力，通过使用电子传感器和计算机算法来解析和理解视觉信息，从而实现对图像和视频的分析、处理和理解。
随着计算机和图像处理技术的不断发展，机器视觉技术成为了一个快速发展和广泛应用的新兴领域，在工业、医疗、交通、安防等多个行业都得到了广泛应用和推广。
一、机器视觉技术1、图像采集图像采集是机器视觉技术的基础，它通过相机、摄像机等设备将目标物体采集成数字信号，然后通过特定的图像处理算法将其转化为可供计算机处理的数字图像。
目前图像采集的设备种类繁多，从普通的数码相机、摄像机到高端的医疗影像设备和工业相机，应用领域也非常广泛。
2、图像预处理图像预处理是指将数字图像预处理成为更好的质量和格式，以方便机器视觉算法的使用。
图像预处理包括灰度变换、色彩空间转换、噪声过滤、边缘检测、图像增强等多个方面。
3、特征提取特征提取是指根据目标应用的需要从数字图像中提取出具有代表性的特征，并以数学形式进行表达。
常见的特征包括边缘、颜色、纹理等，通常需要根据具体应用进行设计和选择。
4、图像分割图像分割是将数字图像分割成不同的区域，并且将不同区域分配给不同的对象和结构。
常见的图像分割算法包括基于阈值的分割、基于边缘的分割、基于区域的分割等。
5、目标识别目标识别是指根据图像特征检测和图像分割的结果，将某个特定目标从图像中提取出来，并进行进一步的分析和处理。
目标识别常用的算法包括支持向量机、决策树、深度学习等。
二、机器视觉的应用1、工业应用机器视觉在工业领域的应用广泛，包括自动化生产、质量控制、安全监测等多个方面。
在自动化生产中，机器视觉可以实现对物品的识别、判别和分类，从而实现自动化生产；在质量控制中，机器视觉可以自动检测并判断产品是否符合质量标准，从而提高质量检测的效率和准确性；在安全监测中，机器视觉可以实现对工厂的监控和安全防护，从而保障工业安全。
2、医疗应用机器视觉在医疗领域的应用也十分广泛，包括医学影像分析、疾病诊断、手术辅助等多个方面。
机器视觉技术的应用实践
机器视觉技术的应用实践机器视觉技术是指利用图像处理技术、模式识别技术等方法，让计算机对人类所看到的视觉信息进行处理。
随着人工智能技术的迅速发展，机器视觉技术的应用也越来越广泛。
本文将介绍机器视觉技术在各个领域的应用实践。
一、制造业领域机器视觉技术在制造业领域的应用已经十分成熟，主要应用于自动化生产线以及质检过程中。
比如，在汽车制造领域，机器视觉技术可以用于实现自动化零件检测，对故障件进行精准识别和分类管理。
在智能工厂的建设中，采用机器视觉技术可以大幅提高生产效率，同时减少出现生产环节的误差，实现产品质量的稳定提升。
二、医疗领域机器视觉技术在医疗领域的应用主要涉及到医学影像分析、手术辅助、智能诊断、监控和安全检查等领域。
例如，用机器视觉技术进行医学影像分析，可以实现对人体内部病灶的自动化识别和量化测量。
在手术辅助领域，机器视觉技术可以为医生提供高清实时影像辅助手术操作，标记手术标记点和器械位置等辅助信息，让手术过程更加精确和安全。
三、安防监控领域在安防监控领域，机器视觉技术主要应用于视频监控、安全检测和智能分析等领域。
通过对摄像头拍摄到的画面进行分析，可以实现对突发事件的预判和快速处置，从而提高公共安全水平。
此外，机器视觉技术可以用于人脸识别、证件比对、24小时监控等场景，实现全方位的安全防范。
四、物流行业领域机器视觉技术在物流行业的应用主要涉及到智能识别、智能配送、智能仓储和智能仓储等领域。
通过对包裹的尺寸、重量等信息进行识别，实现自动化智能分拣和配送，提高配送的速度和准确性。
而在仓储方面，机器视觉技术可以帮助企业实现智能化的库存管理和查询，降低人工成本，提高库存管理效率。
五、农业领域机器视觉技术在农业领域的应用主要集中在智能农业、农产品质量检测、农产品分类和分拣等领域。
通过安装智能摄像头、传感器等设备，实现对农田和农作物的智能化监测和管理，提高农业生产的效率。
同时，机器视觉技术也可以用于对农产品的质量检测和分拣，大幅提高农产品的质量和价值。
机器视觉中的三维重建技术及其应用
机器视觉中的三维重建技术及其应用随着人工智能技术的发展，机器视觉也逐渐成为了一个重要的研究领域，其应用范围广泛，包括自动驾驶、安防监控、虚拟现实等多个领域。
其中，三维重建技术是机器视觉中的一个重要分支，其可以通过计算机算法将二维图像或点云数据转化为三维模型，实现对物体、场景等的精确捕捉和再现。
本文将就机器视觉中的三维重建技术及其应用进行探讨。
一、三维重建技术的发展历史三维重建技术可以追溯到20世纪70年代，当时三维扫描设备的出现为三维重建技术的发展提供了技术支持。
而后，计算机图形学、计算机视觉等领域的快速发展又为三维重建技术的进一步优化奠定了基础。
近年来，随着硬件设备和软件技术的不断升级，三维重建技术的应用领域也越来越广泛。
二、三维重建的技术实现方法三维重建的实现方法主要可以分为基于几何原理和基于图像处理的两种方式。
其中，基于几何原理的方法一般采用三角测量、结构光扫描、激光测距等技术来测量真实环境中物体的空间坐标和形状等数据，然后利用计算机算法将这些数据转换为三维模型。
而基于图像处理的方法则主要依靠相机图像捕捉的二维信息，通过立体视觉计算，得到物体的三维坐标和形状等数据，再根据计算结果生成三维模型。
三、三维重建技术的应用领域1、建筑工程和文化遗产三维重建技术在建筑工程和文化遗产保护中有着广泛应用。
通过三维重建可以生成精确的建筑模型，再利用计算机模拟对建筑进行可视化展示，从而真实地展现出建筑的细节和美丽。
同时，三维重建技术也可以为文化遗产的修复和保护提供技术支持，比如可以使用非接触式激光扫描技术对文物进行三维捕捉，再利用计算机软件进行数据处理、重建和分析等操作，对文物的研究和保护提供更加精准的数据基础。
2、虚拟现实和游戏开发三维重建技术在虚拟现实和游戏开发中也有着广泛的应用。
通过三维重建技术可以生成高保真、真实感强的三维场景和人物模型，从而带来更加沉浸式的虚拟体验。
3、医学和生物科学三维重建技术在医学和生物科学中也有着重要的应用。
机器视觉技术在工业生产中的应用案例
机器视觉技术在工业生产中的应用案例随着科技的发展，机器视觉技术的应用范围越来越广，而在工业生产领域中，机器视觉技术也成为了改进效率、提升质量、减小成本的重要工具。
本文将重点介绍一些机器视觉技术在工业生产中的应用案例。
1. 自动光学检测在许多制造业中，要求所有产品都必须经过质量检测，而在传统的生产方式中，这个过程通常依赖于人工目测以及手动测量。
自动光学检测是利用机器视觉技术来实现对产品密度、大小、颜色、形状等的自动检测。
这一技术通常使用高分辨率的摄像头来检查每一个产品，并且使用计算机视觉算法来分析数据。
例如，许多汽车制造商使用自动光学检测来检测发动机的零部件，从而确保它们的尺寸和颜色是正确的。
这种技术的好处是可以提高检测质量、减少不符合要求的产品的数量、节省成本和时间。
2. 机器人视觉引导在生产线上，机器人可以用于许多不同的操作，例如装配、包装和挑选。
然而，在许多情况下，机器人必须准确地识别并定位物体，以便执行指定的任务。
这就要用到机器人视觉引导技术，它利用摄像头来捕捉图像，并通过计算机视觉算法来分析并定位物体的位置。
例如，在汽车生产线上，机器人可以使用视觉引导技术来识别车体上的标记，并使用其位置来定位零部件的位置。
这种技术可以提高生产效率、准确性和精度。
3. 三维扫描在许多工业应用程序中，特别是在制造和反应堆中，需要对很多物体进行三维扫描。
三维扫描是使用激光或结构光扫描仪来获取物体表面的三维几何形状和样品表面微观形貌的技术。
在许多应用程序中，这些数据可以用于优化设计和测试，以及为评估部件和组件分析提供数据支持。
例如，在航空航天工业中，三维扫描可以用于分析机翼、引擎和其他一些复杂部件的形式和结构。
这种技术的优势在于它可以在极短的时间内获得大量的数据，并提供高精度数据，以便进行更加准确的分析。
4. 非接触式检测在一些生产工艺中，需要对产品进行某些形式的检测，但是由于产品的特性，无法使用常规的直接接触式检测技术。
三维成像技术的原理及应用
三维成像技术的原理及应用1. 介绍三维成像技术是一种利用传感器和计算机算法获取和处理真实世界中物体的三维几何结构的技术。
三维成像技术广泛应用于计算机图形学、医学影像学、虚拟现实、机器视觉等领域。
本文将介绍三维成像技术的原理，并探讨其在各个领域中的应用。
2. 原理2.1 激光扫描三维成像激光扫描是一种常见的三维成像技术，其原理是利用激光器发射出的激光束扫描物体表面，并测量扫描点到激光源的距离。
通过对不同位置的扫描点进行测量，可以获得物体表面的三维坐标信息。
激光扫描技术通常使用三角测量法或结构光法来确定扫描点的位置。
2.2 纹理映射三维成像纹理映射是一种将二维图像映射到三维模型表面的技术。
通过给三维模型表面贴上合适的纹理图像，可以让模型呈现出更加真实的外观。
纹理映射技术通常涉及到将二维图像的坐标映射到三维模型的坐标，在计算机图形学中被广泛应用。
2.3 计算机视觉三维成像计算机视觉是一种利用计算机算法和图像传感器来获取和处理图像的技术。
在三维成像中，计算机视觉可以通过多视角图像或者深度图像获取物体的三维结构信息。
计算机视觉技术在机器人导航、虚拟现实、医学影像等领域都有广泛的应用。
3. 应用3.1 计算机图形学三维成像技术在计算机图形学中有广泛的应用。
通过获取物体的三维结构信息，可以实现逼真的渲染效果和真实感的虚拟场景。
三维成像技术可以用于实时游戏渲染、视觉特效制作等领域。
3.2 医学影像学三维成像技术在医学影像学中被广泛应用。
通过获取患者体内的三维结构信息，医生可以更准确地诊断和治疗疾病。
三维成像技术可以用于CT扫描、MRI等医学影像设备，并结合计算机算法进行图像重建和分析。
3.3 虚拟现实三维成像技术在虚拟现实中起到重要的作用。
通过获取场景的三维结构信息，可以实现沉浸式虚拟现实体验。
三维成像技术可以用于虚拟现实头盔、游戏控制器等设备中，让用户获得逼真的虚拟体验。
3.4 机器视觉三维成像技术在机器视觉中也有广泛的应用。
机器视觉技术的应用和实践
机器视觉技术的应用和实践随着人工智能技术的发展，机器视觉技术也日渐成熟并实现了广泛的应用。
机器视觉技术是一种透过相机或其他光学设备捕捉图像，并利用计算机视觉算法对图像进行处理的技术。
这种技术可以分为三个主要的步骤：图像采集、图像处理和结果呈现。
在本文中，将介绍机器视觉技术的应用和实践。
一、机器视觉技术的应用1. 自动驾驶自动驾驶技术需要使用各种传感器、摄像头和雷达等设备捕获路面信息和交通信号。
机器视觉技术将这些采集到的数据形成对路面情况的分析，指导车辆的行驶和判断。
测量车道宽度、车速测量、车道控制以及交通标志识别都是机器视觉技术的应用。
2. 工业自动化生产在机器视觉的应用中，工业自动化生产是最为广泛的应用之一。
机器视觉技术可以对工业生产过程中的各个关键点或参数进行检测、分析、识别和监控，并给出相应的控制和调节信号，实现对整个工业生产线的自动化控制。
3. 物体识别和追踪机器视觉技术可以用于物体识别和跟踪，这在监控、安全和医疗等方面都有重要的应用。
通过摄像机采集图像和识别算法的处理，机器视觉可以自动检测犯罪行为或异常活动，及时警报和调度警力。
在医疗领域，机器视觉可以帮助医护人员自动检测和追踪手术过程中的重要部位和器官，并给出安全警报。
4. 人机交互机器视觉技术也可以用于人机交互，为人们提供丰富的交互体验。
例如，通过面部表情检测技术将用户的情绪状态反馈到计算机系统中，使得用户可以用面部表情控制游戏、指挥家庭自动化系统和控制终端。
二、机器视觉技术的实践1. 人脸识别人脸识别技术是机器视觉技术的一项应用，它可以帮助识别在公开场合出现的危险人物。
例如，在大型公共场所如机场、车站、体育场馆等，人脸识别系统可以将摄像头拍摄的图像与用户数据库中的数据进行比对，轻松地识别出嫌疑人，以实现对安全的保障。
2. 医学影像分析医学影像分析技术使用机器视觉技术来自动分析，处理和评估医学图像，包括医学检查（如X光和MRI）和生物医学图像（如细胞和组织切片）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
双视觉传感器标定点发生方法
X Y Z 光电瞄准装置 （安装于三维 移动台上） 投射器 A 摄像机 A
图 像 采集卡
计算机
投射器 B
摄像机 B
光电 三极管 圆锥形 瞄准孔
放大电路
D
S S
放大电路
D
圆锥形 瞄准孔 光电 三极管
标定点数据的全局统一
X Z
P 1
Y
P2
光电瞄准装置 （安装于三维移动台上）
双目被动视觉
双目被动视觉传感器一般由两台性能相同的 CCD摄像机组成，基于视差原理，可完成视场 内的所有特征点的三维测量。 摄像机内部参数经过标定后，处于任何位置， 相对保持恒定，因此可以离线标定。而传感器 的结构参数，即两个摄像机之间的位置关系， 随摄像机的摆放位置和方向的不同发生变化， 它们的结构容易受传感器固定安装的影响，所 以需要在线标定。
j 1 Nh
( X C j )T ( X C j ) u j exp 2 2 j
视觉检测网络模型
对标准BP算法进行了改进，所得到的改 进BP算法具有非线性映射能力强、收敛 较快、映射精度高、健壮性比较好等优 点；并且利用该算法成功地建立起了用 于结构光三维单视觉检测的BP网络模型， 在200 mm的测量范围内网络的测试精度 为0.135mm。
三维机器视觉及其应用
机器视觉
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。 机器视觉偏重于计算机视觉技术工程化, 能够自动获取和分析特定的图像,以控制 相应的行为。
三维机器视觉主要方法
双目被动视觉 结构光主动视觉 双目主动视觉
拉丝法
. . . . .
3
4
1
.
x y z 2 o 5
4 6
图象采集卡
1.不能实现标定点图像位置的高精度提取。 2.两台电子经纬仪获取标定点物坐标的精度较低。
标准量块法（或称为微分法） 标准量 块法与标准靶尺法相似，只不是用标准 量块替代了标准靶尺。
单视觉传感器标定点发生方法
双视觉传感器标定点 发生方法
三维机器视觉应用
视觉检测 视觉导引
三维曲面检测
轿车白车身检测
微小型飞行器昆虫运动仿生
装配机器人导引
谢
谢！
l
x2 x1 h y 2 y1 l sin z2 z1 l cos
安装偏角的测量方法
在双向光电瞄准装置的上表面做一标记，并在双向光 电瞄准装置的上方放置一摄像机。 摄像机自上而下采集双向光电瞄准装置的上表面图像， 经图像处理便可得到瞄准装置的轴线。 控制移动台沿Z向移动，每移动一定的距离，摄像机自 上而下采集双向光电瞄准装置上表面标记的图像，经 图像处理便可得到标记点的位置。移动台一直沿Z向移 动，这样便可获得标记点一系列的位置，采用这些位 置点进行直线拟合，便可得到移动台Z向轴线的图像直 线方程。 由得到的瞄准装置的轴线和移动台Z向轴线的图像直线 方程便可实现安装偏角θ的测量。
双目被动视觉传感器数学模型
x zX 1 f1 , y zY1 f1 f1 ( f 2t x X 2tz ) z X 2 ( r7 X 1 r8Y1 f1r9 ) f 2 ( r1 X 1 r2Y1 f1r3 ) f1 ( f 2t y Y2tz ) Y2 ( r7 X 1 r8Y1 f1r9 ) f 2 ( r4 X 1 r5Y1 f1r6 )
传统方法
1 5
3
. . . . . . .. . . . .
6 7
图象采集卡6ຫໍສະໝຸດ 2X Z oY4
8
拉丝法
不能实现标定点图像位置的高精度提取。同时 两台电子经纬仪获取标定点物坐标的精度较低， 一般在0.05mm左右。 在两个视觉传感器相对放置的情况下，由于 “盲区”问题，不能直接产生标定点，而是通 过两台电子经纬仪的移动来实现，因此造成了 测量误差。 需要多次坐标系的转换，在坐标系的转换过程 中必然损失掉一些测量精度。
RBF神经网络
由三层组成，输入层节点只是传递输入 信号到隐层，隐层节点由核函数构成， 而输出层节点是简单的线性函数。隐层 节点的传递函数（即核函数）对输入信 号在局部产生响应，即当输入信号靠近 核函数的中央范围时，隐层节点将产生 较大的输出。
X1
Y1 Y2
X2
Y3
yi iju j Wi TU
将 RBF 神经网络应用于结构光三维视觉检测， 建立起高精度的结构光三维双视觉检测的 RBF 网络模型。针对实际系统没有采用 RBF 网络的 典型学习算法，而是提出一种改进算法，该算 法映射精度高、健壮性好、收敛较快，更适用 于神经网络技术的结构光三维多视觉检测系统。 实验中利用该算法成功的建立起 RBF 视觉检测 模型，该模型的测量精度和BP网络相比，提高 了约一倍。在200 mm的测量范围内网络的测试 精度为0.084mm。
BP神经网络
网络不仅有输入层节点，输出层节点，而且可 以有一层或多层隐层节点。这个算法的学习过 程，由正向传播和反向传播组成。在正向传播 过程中，输入信号从输入层经隐单元层逐层处 理，并传向输出层，每一层神经元的状态只影 响下一层神经元的状态。如果输出层不能得到 期望的输出，则转入反向传播，将误差信号沿 原来的连接通路返回，通过修改各层神经元的 权值，使得误差信号最小。
人工神经网络
x1
x2
1i
2i
i x0 1
f
yi
xn
ni
Ii
j 1
n
ji
x j i
yi f ( I i )
人工神经网络具有自适应功能、泛化功 能、非线性映射功能和高度并行处理功 能，可实现函数逼近（数字逼近映射）、 数据聚集、模式分类、优化计算、概率 密度函数估计等功能。因此人工神经网 络已被广泛用于人工智能、自动控制、 机械人、统计学等领域的信息处理中。
结构光主动视觉
Light Stripe Object
Laser Plane
Laser Projector
CCD Camera
双目主动视觉
Light Stripe Object
Laser Plane
Laser Projector
CCD Camera
国内外研究热点
建立更加合理的视觉检测模型 建立有效的标定方法 建立高精度标定点产生方法 建立有效的通用的图象处理方法 图象采集与处理实时化方法 多视觉传感器的世界坐标系统一
标定点发生方法
传统方法
标准靶尺法
1 3
4
2 5 计算 机
标定点是靠光平面与标准靶尺上的特征的边缘 的交点提供的，因此，边缘的光反射会造成标 定点提取的误差。 要保证标准靶尺与单向移动台的严格垂直。这 在实际操作中很难做到，必然会引进由于不垂 直所产生的误差。 要保证单向移动台的移动方向与激光面的法向 垂直。这在实际操作中很难做到，必然会引进 由单向移动台移动方向和激光面的夹角所产生 的误差。 不能实现标定点图像位置的高精度提取。