机器视觉入门知识详解
机器视觉培训系列教程之基础入门培训
机器视觉培训系列教程之基础入门培训第一节：机器视觉的概念和应用机器视觉是一种用于模拟人眼视觉系统的技术，它可以让机器像人一样“看”和“理解”周围的环境。
机器视觉的应用非常广泛，包括工业自动化、智能制造、无人驾驶、智能医疗等领域。
它可以帮助我们实现自动化生产，提高生产效率和产品质量；可以帮助机器人在复杂环境中实现导航和操作；可以帮助交通管理部门进行智能监控和交通管制。
通过机器视觉技术，我们可以让机器更好地适应人类生活和工作的需求，实现智能化、便捷化和高效化。
第二节：机器视觉技术的原理机器视觉技术主要包括图像采集、图像处理和图像识别三个方面。
图像采集是指通过摄像头等设备获取环境的图像信息；图像处理是指对采集到的图像进行处理和分析，包括去噪、滤波、边缘检测等操作；图像识别是指通过图像处理技术对图像中的目标进行识别和分类。
这三个方面相互配合，共同构成了机器视觉技术的基本原理和方法。
第三节：机器视觉的技术方法机器视觉的技术方法主要包括特征提取、对象识别、目标跟踪等。
特征提取是指从图像中提取出具有代表性的特征信息，如颜色、纹理、形状等；对象识别是指通过对特征点进行匹配和分类，识别出图像中的对象；目标跟踪是指通过对图像序列的处理和分析，实现对目标的实时监测和跟踪。
这些方法在机器视觉技术中起着非常重要的作用，对于实现各种应用场景具有至关重要的意义。
第四节：机器视觉的发展趋势机器视觉技术正以前所未有的速度和规模发展，未来的发展趋势主要包括深度学习、云端计算、多传感器融合等方面。
深度学习是指通过建立多层神经网络模型对图像进行识别和分类，实现更加精准和智能的图像处理；云端计算是指通过云平台实现图像数据的存储和计算，实现更加灵活和便捷的信息处理；多传感器融合是指通过多种传感器对环境进行多维度、多层次的感知，实现更加全面和深入的信息获取。
这些发展趋势将进一步推动机器视觉技术的发展，为各种应用场景提供更加全面、智能和便捷的解决方案。
机器视觉入门介绍
机器视觉入门介绍在当今科技飞速发展的时代，机器视觉作为一项重要的技术，正逐渐走进我们的生活和工作的各个领域。
那么，什么是机器视觉呢？简单来说，机器视觉就是让机器能够像人一样“看”世界，并理解所看到的内容。
想象一下，一台机器能够自动检测产品的质量，识别图像中的物体，或者引导机器人进行精确的操作。
这背后的核心技术就是机器视觉。
它依靠摄像头等设备获取图像或视频信息，然后通过一系列的处理和分析，提取出有用的信息和特征。
机器视觉系统通常由几个关键部分组成。
首先是图像获取设备，这就像是机器的“眼睛”，常见的有工业相机、摄像头等。
这些设备负责捕捉清晰、准确的图像。
然后是图像传输和存储环节，确保图像能够快速、稳定地传递到处理单元，并被妥善保存，以备后续分析使用。
接下来就是图像处理和分析的部分了，这可以说是机器视觉的“大脑”。
在这个环节中，会运用到各种算法和技术，来对图像进行增强、滤波、分割等操作，以便提取出我们关心的目标物体或特征。
比如，在检测产品表面缺陷时，机器需要能够准确地识别出那些微小的瑕疵，这就需要强大的图像处理能力。
为了让机器能够理解图像中的内容，特征提取是至关重要的一步。
这就好比我们人类在看一幅画时，会关注一些关键的特征，比如形状、颜色、纹理等。
机器也需要从图像中提取出类似的特征，然后将这些特征与已知的模式或模型进行匹配和比较。
在机器视觉的应用中，工业领域是一个重要的方面。
在生产线上，机器视觉可以用于产品质量检测，快速、准确地发现不合格的产品，大大提高了生产效率和产品质量。
例如，在电子制造业中，它可以检测电路板上的元件是否安装正确，焊点是否良好；在汽车制造业中，能够检测车身的表面是否有划痕、零部件是否装配到位。
除了工业，机器视觉在农业、医疗、安防等领域也发挥着重要作用。
在农业中，它可以帮助识别农作物的病虫害，进行精准的灌溉和施肥；在医疗领域，辅助医生进行疾病诊断，如通过分析医学影像来发现病变部位；在安防领域，实现人脸识别、行为分析等功能，增强公共安全保障。
机器视觉基础知识（ＰＤＦ）
机器视觉中的图像采集技术硬件基础知识
一、镜头基本概念（7）
镜头的调制传递函数MTF
第一节 工业镜头
机器视觉中的图像采集技术硬件基础知识
一、镜头基本概念（8）
镜头的调制传递函数MTF
第一节 工业镜头
机器视觉中的图像采集技术硬件基础知识
第一节 工业镜头
一、镜头基本概念（9）
镜头的调制传递函数MTF
机器视觉中的图像采集技术硬件基础知识
第一节 工业镜头
一、镜头基本概念（4）
镜头接口 – C-MOUNT 镜头的标准接口之一，镜头的接口螺纹参数： 公称直径：1“ 螺距：32牙 – CS－Mount是C－Mount的一个变种，区别仅仅在于 镜头定位面到图像传感器光敏面的距离的不同，C－ Mount 是17。5mm，CS－Mount是12。5mm。 – C/CS能够匹配的最大的图像传感器的尺寸不超过1“。
一、镜头基本概念（10）
系统的调制传递函数MTF
第一节 工业镜头
机器视觉中的图像采集技术硬件基础知识
第一节 工业镜头
二、镜头的分类（1）
按照等效焦距分为 广角镜头
等效焦距小于标准镜头（等效焦距为50mm）的镜头。特点 是最小工作距离短，景深大，视角大。常常表现为桶形畸变。 中焦距镜头 焦距介于广角镜头和长焦镜头之间的镜头。通常情况下畸变 校正较好。 长焦距镜头 等效焦距超过200mm的镜头。工作距离长，放大比大，畸变 常常表现为枕形状畸变。
像素速率（Pixel Rate）
相机每秒中能够输出像素的个数，仅仅对于数字相机有意 义。
机器视觉中的图像采集技术硬件基础知识
第二节 工业相机
一、工业相机的基本概念（5）
卷帘快门（Rolling Shutter）
机器视觉入门知识总结
机器视觉入门知识总结一、机器视觉系统工业相机类型：按照输出信号类型的不同分为模拟相机和数字相机两种。
而数字相机按照接口标准不同，可以分为1394相机、USB相机、CameraLink相机以及Gige相机四种。
其中CameraLink接口相机能够解决大数据量传送问题；Gige接口相机能够解决长距离、快速传输问题；而1394相机和USB接口相机具有简单易用、性价比高等特点；镜头接口类型：C接口、CS接口、U接口等；光源类型：环形光源、背光源、同轴光源、条形光源、点光源、球积分光源等；二、如何选择相机？1、根据应用的不同分别选用CCD或CMOS相机CCD工业相机主要应用在运动物体的图像提取，当然随着CMOS技术的发展，很多贴片机也在选用CMOS工业相机。
用在视觉自动检查的方案或行业中一般用CCD工业相机比较多。
CMOS工业相机由成本低，功耗低也应用越来越广泛。
2、分辨率的选择根据系统需求来选择分辨率大小。
首先考虑待观察或待测量物体的精度，根据精度选择分辨率。
相机像素精度=单方向视野范围大小/相机单方向分辨率。
则相机单方向分辨率=单方向视野范围大小/理论精度。
若单视野为5mm长，理论精度为0.02mm，则单方向分辨率=5/0.02=250。
然而为增加系统稳定性，不会只用一个像素单位对应一个测量/观察精度值，一般可以选择倍数4或更高。
这样该相机需求单方向分辨率为1000，选用130万像素已经足够。
其次看工业相机的输出，若是体式观察或机器软件分析识别，分辨率高是有帮助的；若是VGA输出或USB输出，在显示器上观察，则还依赖于显示器的分辨率，工业相机的分辨率再高，显示器分辨率不够，也是没有意义的；利用存储卡或拍照功能，工业相机的分辨率高也是有帮助的。
应用案例：假设检测一个物体的表面划痕，要求拍摄的物体大小为10*8mm,要求的检测精度是0.01mm。
首先假设我们要拍摄的视野范围在12*10mm,那么相机的最低分辨率应该选择在：(12/0.01)*(10/0.01)=1200*1000,约为120万像素的相机，也就是说一个像素对应一个检测的缺陷的话，那么最低分辨率必须不少于120万像素，但市面上常见的是130万像素的相机，因此一般而言是选用130万像素的相机。
机器视觉行业知识点总结
机器视觉行业知识点总结在这篇文章中，我们将对机器视觉行业的一些知识点进行总结和梳理，以帮助读者更好地理解这一领域的发展和应用。
一、机器视觉的基本原理1.图像采集和传感器技术图像采集是机器视觉系统的第一步，也是至关重要的一步。
图像传感器的选择将直接影响到后续的图像处理和分析效果。
常见的图像传感器有CCD（Charge-Coupled Device）和CMOS（Complementary Metal-Oxide-Semiconductor）两种类型，它们在成本、灵敏度和分辨率等方面各有优劣。
2.图像预处理图像预处理包括对图像进行去噪、增强、滤波、边缘检测等操作，目的是减少图像中的噪声和干扰，从而提高后续的图像处理和分析效果。
3.特征提取和描述特征提取和描述是机器视觉系统中的关键步骤，它涉及到对图像中的特征进行提取和描述，常用的特征包括边缘、角点、纹理等。
特征提取和描述的质量将直接影响到后续的目标检测、识别和跟踪效果。
4.目标检测、识别和跟踪目标检测、识别和跟踪是机器视觉系统中的核心任务之一，它涉及到对图像中的目标进行定位、识别和跟踪。
常见的目标检测和识别算法包括Haar特征、HOG特征、深度学习等技术。
5.应用领域机器视觉技术在工业自动化、智能制造、医疗影像诊断、交通监控、安防监控等领域都有广泛的应用。
其中，工业自动化是机器视觉技术应用最为广泛的领域之一，它包括产品的质量检测、组装线的监控、机器人视觉导航等方面。
二、机器视觉的发展趋势1.深度学习与机器视觉深度学习作为机器学习的一种方法，在图像识别和分析领域表现出了强大的能力，因此也在机器视觉领域得到了广泛的应用。
通过深度学习技术，机器视觉系统可以更准确地识别和分析图像中的目标，实现更高水平的自动化。
2.智能传感器与机器视觉智能传感器集成了传感器、处理器和通信接口等功能，它可以直接在传感器端进行数据的处理和分析，从而减轻了计算机端的负担。
智能传感器的发展将进一步推动机器视觉系统的智能化和自动化。
机器视觉培训教程
机器视觉培训教程第一点：机器视觉基础理论机器视觉是人工智能的一个重要分支，它涉及到计算机科学、图像处理、模式识别、机器学习等多个领域。
在本部分，我们将介绍机器视觉的基础理论，包括图像处理、特征提取、目标检测、图像分类等核心概念。
1.1 图像处理：图像处理是机器视觉的基本环节，主要包括图像增强、图像滤波、图像边缘检测等操作。
这些操作可以帮助机器更好地理解图像中的信息，提取出有用的特征。
1.2 特征提取：特征提取是机器视觉中的关键步骤，它的目的是从图像中提取出具有区分性的特征信息。
常用的特征提取方法有关联矩阵、主成分分析（PCA）、线性判别分析（LDA）等。
1.3 目标检测：目标检测是机器视觉中的一个重要任务，它的目的是在图像中找到并识别出特定目标。
常用的目标检测方法有基于滑动窗口的方法、基于区域的方法、基于深度学习的方法等。
1.4 图像分类：图像分类是机器视觉中的应用之一，它的目的是将给定的图像划分到预定义的类别中。
常用的图像分类方法有支持向量机（SVM）、卷积神经网络（CNN）等。
第二点：机器视觉应用案例机器视觉在现实生活中的应用非常广泛，涵盖了工业检测、自动驾驶、安防监控、医疗诊断等多个领域。
在本部分，我们将介绍几个典型的机器视觉应用案例，以帮助大家更好地理解机器视觉的实际应用。
2.1 工业检测：机器视觉在工业检测领域的应用非常广泛，它可以用于检测产品的质量、尺寸、形状等参数，提高生产效率，降低人工成本。
2.2 自动驾驶：机器视觉在自动驾驶领域的应用主要包括环境感知、车辆定位、目标识别等。
通过识别道路标志、行人、车辆等障碍物，自动驾驶系统可以做出相应的决策，保证行驶的安全性。
2.3 安防监控：机器视觉在安防监控领域的应用主要包括人脸识别、行为识别、车辆识别等。
通过实时监控和分析监控画面，机器视觉系统可以有效地发现异常情况，提高安防效果。
2.4 医疗诊断：机器视觉在医疗诊断领域的应用主要包括病变识别、组织分割、影像分析等。
机器视觉入门
机器视觉入门目录•1. 什么是机器视觉o 1.1. 机器视觉是人工智能重要的前沿技术o 1.2. 机器视觉能做什么o 1.3. 机器视觉的优势（为什么用机器视觉，不仅仅是替代人工哦）•2. 发展历程o 2.1. 源于国外o 2.2. 国内市场爆发式增长o 2.3. 核心部件国产化进行时《打开“视”界之门,挖掘机器视觉蓝海》1. 什么是机器视觉机器视觉通过模拟人类视觉系统，赋予机器“看”和“认知”的能力，是机器认识世界的基础。
机器视觉利用成像系统代替视觉器官作为输入手段，利用视觉控制系统代替大脑皮层和大脑的剩余部分完成对视觉图像的处理和解释，让机器自动完成对外部世界的视觉信息的探测，做出相应判断并采取行动，实现更复杂的指挥决策和自主行动。
作为人工智能最前沿的领域之一，视觉类技术是人工智能企业的布局重点，具有最大的技术分布。
1.1. 机器视觉是人工智能重要的前沿技术人工智能基础构架，如下图：国内外人工智能企业应用技术分布：1.2. 机器视觉能做什么•识别（填空题，描述看到的是什么）识别功能指甄别目标物体的物理特征，包括：o外形o颜色o字符识别（OCR、OVR）o条码其准确度和识别速度是衡量的重要指标•检测（判断题）o判断有无o外观验伤▪外观是否存在缺陷▪产品装配是否完整•定位获取目标物体的坐标和角度信息，自动判断物体位置•测量把获取的图像像素信息标定成常用的度量衡单位，然后在图像中精确地计算出目标物体的几何尺寸，主要应用于高精度及复杂形态测量。
o2D测量o3D测量1.3. 机器视觉的优势（为什么用机器视觉，不仅仅是替代人工哦）相对于人类视觉而言，机器视觉在量化程度、灰度分辨力、空间分辨力和观测速度等方面存在显著优势。
其利用相机、镜头、光源和光源控制系统采集目标物体数据，借助视觉控制系统、智能视觉软件和数据算法库进行图形分析和处理，软硬系统相辅相成，为下游自动化、智能化制造行业赋予视觉能力。
随着深度学习、3D 视觉技术、高精度成像技术和机器视觉互联互通技术的发展，机器视觉性能优势进一步提升，应用领域也向多个维度延伸。
机器视觉基础知识
机器视觉基础知识
机器视觉基础知识是指基于人类视觉系统原理和计算机科学技术，通过视觉传感器获取并解析图像信息，实现对图像的理解、分析和处理的一门技术。
机器视觉技术在工业、医疗、安防等领域得到广泛应用，其基础知识包括以下几个方面：
1. 图像采集：机器视觉系统通过摄像机、激光雷达等视觉传感器采集图像信息，获取目标物体的外在特征。
2. 图像预处理：为了提高图像的质量和准确性，需要对采集到的图像进行去噪、滤波、增强等处理。
3. 特征提取：通过图像处理算法，提取目标物体的形状、颜色、纹理等特征，作为后续处理的基础。
4. 目标检测：通过特定的算法，实现对图像中目标物体的自动识别和定位，为后续的分析和决策提供基础。
5. 图像分割：将图像分为不同的区域，为目标的进一步分析和处理提供基础。
6. 物体跟踪：对连续的图像序列中的目标物体进行跟踪，分析其运动轨迹和状态变化。
7. 三维重建：通过多视角的图像信息，实现对目标物体的三维重建，为后续的仿真和虚拟现实应用提供基础。
机器视觉技术的发展和应用，需要深入掌握以上基础知识，结合实际应用场景，灵活运用各种算法和技术手段，不断提升机器视觉系统的性能和应用效果。
- 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)。
机器视觉入门知识详解
随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。
小编为你准备了这篇机器视觉入门学习资料。
机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。
机器视觉系统是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。
机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。
机器视觉系统与被检测对象无接触，安全可靠。
人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。
啤酒厂采用的填充液位检测系统为例来进行说明：
当每个啤酒瓶移动经过检测传感器时，检测传感器将会触发视觉系统发出频闪光，拍下啤酒瓶的照片。
采集到啤酒瓶的图像并将图像保存到内存后，视觉软件将会处理或分析该图像，并根据啤酒瓶的实际填充液位发出通过-未通过响应。
如果视觉系统检测到一个啤酒瓶未填充到位，即未通过检测，视觉系统将会向转向器发出信号，将该啤酒瓶从生产线上剔除。
操作员可以在显示屏上查看被剔除的啤酒
瓶和持续的流程统计数据。
机器人视觉引导玩偶定位应用：
现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。
该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。
该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。
通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。
视觉检测在电子元件的应用：
此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。
通过对每个元器件定位后，使用斑点工具检测产品固定区域的灰度值，来判断此区域有无缺胶情况。
该应用采用了深圳视觉龙公司的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。
当出现产品不良时，立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。
机器视觉的应用领域:
•识别
标准一维码、二维码的解码
光学字符识别（OCR）和确认（OCV）
•检测
色彩和瑕疵检测
零件或部件的有无检测
目标位置和方向检测•测量
尺寸和容量检测
预设标记的测量，如孔位到孔位的距离
•机械手引导
输出空间坐标引导机械手精确定位
机器视觉系统的分类
•智能相机
•基于嵌入式
•基于PC
机器视觉系统的组成
•图像获取：光源、镜头、相机、采集卡、机械平台
•图像处理与分析：工控主机、图像处理分析软件、图形交互界面。
•判决执行：电传单元、机械单元
光源---光路原理
照相机并不能看见物体，而是看见从物体表面反射过来的光。
镜面反射：平滑表面以对顶角反射光线
漫射反射：粗糙表面会从各个方向漫射光线
发散反射：多数表面既有纹理，又有平滑表面，会对光线进行发散反
射
•光源---作用和要求
在机器视觉中的作用
照亮目标，提高亮度
形成有利于图像处理的效果
克服环境光照影响，保证图像稳定性
用作测量的工具或参照
良好的光场设计要求
对比度明显，目标与背景的边界清晰
背景尽量淡化而且均匀，不干扰图像处理
与颜色有关的还需要颜色真实，亮度适中，不过曝或欠曝；
•光源---光场构造
明场： 光线反射进入照相机
暗场：光线反射离开照相机
•光源---构造光源
使用不同照明技术对被测目标会产生不同的影响，以滚珠轴承为例：
•相机
种类：线&面、隔/逐、黑/彩、数/模、低/高、CCD/CMOS
指标：象元尺寸、分辨率、靶面大小、感应曲线、动态范围、灵敏度、速度噪声、填充因子、体积、质量、工作环境等
工作模式：Free run、Trigger（多种）、长时间曝光等
传输方式：GIGE，Cameralinker,模拟
•相机--按照图像传感器区分
CCD相机：使用CCD感光芯片为图像传感器的相机,集光电转换及电荷存贮、电荷转移、信号读取于一体，是典型的固体成像器件。
CMOS相机：使用CMOS感光芯片为图像传感器的相机 ,将光敏元阵列、图像信号放大器、信号读取电路、模数转换电路、图像信号处理器及控制器集成在一块芯片上，还具有局部像素的编程随机访问的优点。
•相机--按照输出图像颜色区分：
单色相机：输出图像为单色图像的相机。
彩色相机：输出图像为彩色图像的相机。
•相机--按输出信号区分
模拟信号相机：从传感器中传出的信号，被转换成模拟电压信号，即普通视频信号后再传
到图像采集卡中。
数字信号相机：信号自传感器中的像素输出后，在相机内部直接数字化并输出。
数字相机
又包含1394相机、USB相机、Gige相机、CameraLink相机等 •相机--按照传感器类型区分
面扫描相机：传感器上像素呈面状分布的相机，其所成图像为二维“面”图像。
线扫描相机：传感器上呈线状（一行或三行）分布的相机，其所成图像为一维“线”图像。
•相机--CMOS VS CCD
CCD
CMOS 串行处理 并行处理
光线灵敏度高，图像对比度高
光线灵敏度低，图像对比度低，高动态范围 低噪声
存在固定模式噪音 集成度较低
高集成度，芯片上集成了很多功能 取图速度慢，帧率低
取图速度块，帧率高 功耗一般
功耗较低 成本较高
成本低
•相机--传感器的尺寸
图像传感器感光区域的面积大小。
这个尺寸直接决定了整个系统的物理放大率。
如：1/3“、1/2”等。
绝大多数模拟相机的传感器的长宽比例是4：3 (H：V)，数字相机的长宽比例则包括多种：1：1，4：3，3：2 等。
•相机--像素
是成像于相机芯片的图像的最小组成单位。
以200万像素的相机为例，满屏有1600*1200个像素,成像于1/1.8英寸大小的CCD 芯
片。
•相机--分辨率
由相机所采用的芯片分辨率决定，是芯片靶面排列的像元数量。
通常面阵相机的分辨率用水平和垂直分辨率两个数字表示，如：1920（H）x 1080(V)，前面的数字表示每行的像元数量，即共有1920个像元，后面的数字表示像元的行数，即1080行。
•相机--帧率和行频
由相机的帧率/行频表示相机采集图像的频率，通常面阵相机用帧率表示，单位fps（Frame Per second），如30fps,表示相机在1秒钟内最多能采集30帧图像；线性相机通常用行频表示，单位KHz,如12KHz表示相机在1秒钟内最多能采集12000行图像数据。
•相机--快门速度（Shutter Speed）
CCD/CMOS相机多数采用电子快门，通过电信号脉冲的宽度来控制传感器的光积分（曝光）时间。
对于一般性能的的相机快门速度可以达到1/10000-1/100000秒。
卷帘快门（Rolling Shutter）：多数CMOS图像传感器上使用的快门，其特征是逐行曝光，每一行的曝光时间不一致。
全局快门（Global Shutter）：CCD传感器和极少数CMOS传感器采用的快门，传感器上所有像素同时刻曝光。
•相机--智能相机
智能工业相机是一种高度集成化的微小型机器视觉系统。
它将图像的采集、处理与通信功能集成于单一相机内，从而提供了具有多功能、模块化、高可靠性、易于实现的机器视觉解决方案。
智能工业相机一般由图像采集单元、图像处理单元、图像处理软件、网络通信装置等构成。
由于应用了最新的 DSP、FPGA及大容量存储技术，其智能化程度不断提高，可满足多种机器视觉的应用需求。
•镜头---主要参数
工业的镜头大都是多组镜片组合在一起的。
计算时会忽略厚度对透镜的影响将其等效成没有厚度的播透镜模型，即理想凸透镜。
参数：焦距/视场/物距/像距/光圈/景深/分辨力/放大倍数/畸变/接口
畸变：镜头中心区域和四周区域的放大倍数不相同。
畸变的校正一般用黑白分明的方格图像来进行，过程并不复杂。
一般如果畸变小于2%，人眼观察不到；若畸变小于CCD的一个像素，
摄像机也看不见。
•镜头---分类
CCTV镜头
专业摄影镜头
远心镜头
•镜头---远心镜头
在测量系统中，物距常发生变化，从而使像高发生变化，所以测得的物体尺寸也发生变化，即产生了测量误差；即使物距是固定的，也会因为CCD敏感表面不易精确调整在像平面上，同样也会产生测量误差。
采用远心物镜中的像方远心物镜可以消除物距变化带来的测量误差，而物方远心物镜则可以消除CCD位置不准带来的测量
误差。