简述机器视觉在自动驾驶中的应用
简述机器视觉在自动驾驶中的应用
机器视觉是人类认知世界最重要的功能手段，生物学研究表明，人类获取外界信息75%依靠视觉系统，而在驾驶环境中这一比例甚至高达90%。
如果能够将人类视觉系统应用到自动驾驶领域，无疑将会大幅度提高自动驾驶的准确性，而这正是当前计算机科学和自动驾驶领域最热门的研究方向之一，它就是机器视觉技术。
机器视觉技术发展至今已有二十多年的历史，而真正发生革命性进步的则是莫尔视觉计算理论的提出，通过实现神经网络相关算法使机器拥有同人类视觉系统同样的功能提供了可能。一般来说，机器视觉系统包含有镜头、摄像系统和图像处理系统，而其核心则是专用高速图像处理单元，也就是把存入的大量数字化信息与模板库信息进行比较处理，并快速得出结论，其运算速度和准确率是关键指标。这主要通过高效合理的算法和处理能力强大的芯片来实现。
目前，市场上已有多种高效视觉专用硬件处理器及芯片等电子器件，并且随着计算机技术的进步，更先进的算法被相继发明，如采用网格分布式处理系统能够有效的提高运算的效率。今后机器视觉的核心问题将是对图像的深入理解。
机器视觉在自动驾驶中的应用主要有以下两个方面：
一、障碍物检测
准确率是车辆自动驾驶过程中安全性的重要保证。在行驶过程中，障碍物的出现是不可预知的，也就无法根据现有的电子地图避开障碍物，只能在车辆行驶过程中及时发现，并加以处理。当前，由于自动驾驶环境的不成熟，关于障碍物的定义尚没有统一的标准。因此，可以认为一切可能妨碍车辆正常行驶的物体和影响车辆通行的异常地形都是车辆行驶过程中的障碍物。目前来看，算法主要有以下三种：1. 基于特征的;2. 基于光流场的;3. 基于立体视觉的。在三种算法中，基于立体视觉的因为既不需要障碍物的先验知识，对障碍物是否运动也无限制，还能直接得到障碍物的实际位置而成为主流研究方向。但其对摄像机标定要求较高。而在车辆行驶过程中，摄像机定标参数会发生漂移，需要对摄像机进行动态标定。
二、道路检测
自动导航是自动驾驶的必要条件，自动驾驶过程中，道路检测主要是为了确定车辆在道路中的位置和方向，以便控制车辆按照正确的路线行驶。另外，它还为后续的确定搜索范围，以及缩小的搜索空间，降低算法复杂度和误识率。然而由于现实中的道路多种多样，在加上光照、气候等各种环境因素的影响，道路检测是一个十分复杂的问题。至今仍无一个通用的算法，现有算法基本上都对道路做了一定的假设。通常采用的假设有：1特定兴趣区域假设;2道路等宽假设;3道路平坦假设。另外，道路平坦假设也为障碍物定义提供参考。
目前，机器视觉技术在自动驾驶中并没有进行大规模的应用，其实这这并非是硬件的问题，事实上摄像头技术在汽车中的应用已经十分成熟，如善领科技的行车记录仪，广角视野、倒车影像等功能都完全具备，而芯片技术也已能够高效完成图像的压缩处理，最终难点在于模拟神经网络的视觉算法。
机器视觉技术发展现状文献综述
机器视觉技术发展现状 人类认识外界信息的80%来自于视觉，而机器视觉就是用机器代替人眼来做 测量和判断，机器视觉的最终目标就是使计算机像人一样，通过视觉观察和理解 世界，具有自主适应环境的能力。作为一个新兴学科，同时也是一个交叉学科，取“信息”的人工智能系统，其特点是可提高生产的柔性和自动化程度。目前机器视觉技术已经在很多工业制造领域得到了应用，并逐渐进入我们的日常生活。 机器视觉是通过对相关的理论和技术进行研究，从而建立由图像或多维数据中获机器视觉简介 机器视觉就是用机器代替人眼来做测量和判断。机器视觉主要利用计算机来模拟人的视觉功能，再现于人类视觉有关的某些智能行为，从客观事物的图像中提取信息进行处理，并加以理解，最终用于实际检测和控制。机器视觉是一项综合技术，其包括数字处理、机械工程技术、控制、光源照明技术、光学成像、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术等，这些技术相互协调才能构成一个完整的工业机器视觉系统[1]。 机器视觉强调实用性，要能适应工业现场恶劣的环境，并要有合理的性价比、通用的通讯接口、较高的容错能力和安全性、较强的通用性和可移植性。其更强调的是实时性，要求高速度和高精度，且具有非接触性、实时性、自动化和智能 高等优点，有着广泛的应用前景[1]。 一个典型的工业机器人视觉应用系统包括光源、光学成像系统、图像捕捉系统、图像采集与数字化模块、智能图像处理与决策模块以及控制执行模块。通过 CCD或CMOS摄像机将被测目标转换为图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统，并根据像素分布、亮度和颜色等信息，将其转换成数字化信息。图像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、位置和长度等，进而根据判别的结果来控制现场的设备动作[1]。 机器视觉一般都包括下面四个过程：
《机器视觉及其应用》习题
第一章机器视觉系统构成与关键技术 1、机器视觉系统一般由哪几部分组成？机器视觉系统应用的核心目标是什么？主要的分 成几部分实现？ 用机器来延伸或代替人眼对事物做测量、定位和判断的装置。组成：光源、场景、摄像机、图像卡、计算机。用机器来延伸或代替人眼对事物做测量、定位和判断。三部分：图像的获取、图像的处理和分析、输出或显示。 2、图像是什么？有那些方法可以得到图像？ 图像是人对视觉感知的物质再现。光学设备获取或人为创作。 3、采样和量化是什么含义？ 数字化坐标值称为取样，数字化幅度值称为量化。采样指空间上或时域上连续的图像（模拟图像）变换成离散采样点（像素）集合的操作；量化指把采样后所得的各像素的灰度值从模拟量到离散量的转换。采样和量化实现了图像的数字化。 4、图像的灰度变换是什么含义？请阐述图像反色算法原理？ 灰度变换指根据某种目标条件按照一定变换关系逐点改变原图像中每一个像素灰度值，从而改善画质，使图像的显示效果更加清晰的方法。对于彩色图像的R、G、B各彩色分量取反。 第二章数字图像处理技术基础 1、对人类而言，颜色是什么？一幅彩色图像使用RGB色彩空间是如何定义的？24位真彩 色，有多少种颜色？ 对人类而言，在人类的可见光范围内，人眼对不同波长或频率的光的主观感知称为颜色。 一幅图像的每个像素点由24位编码的RGB 值表示：使用三个8位无符号整数（0 到255）表示红色、绿色和蓝色的强度。256*256*256=16,777,216种颜色。 2、红、绿、蓝三种颜色为互补色，光照在物体上，物体只反射与本身颜色相同的色光而吸 收互补色的光。一束白光照到绿色物体上，人类看到绿色是因为？ 该物体吸收了其他颜色的可见光，而主要反射绿光，所以看到绿色。 3、成像系统的动态范围是什么含义？ 动态范围最早是信号系统的概念，一个信号系统的动态范围被定义成最大不失真电平和噪声电平的差。而在实际用途中，多用对数和比值来表示一个信号系统的动态范围，比如在音频工程中，一个放大器的动态范围可以表示为： D = lg（Power_max / Power_min）×20； 对于一个底片扫描仪，动态范围是扫描仪能记录原稿的灰度调范围。即原稿最暗点的密度（Dmax）和最亮处密度值(Dmin)的差值。 我们已经知道对于一个胶片的密度公式为D = lg（Io/I）。那么假设有一张胶片，扫描仪向其投射了1000单位的光，最后在共有96%的光通过胶片的明亮（银盐较薄）部分，而在胶片的较厚的部分只通过了大约4%的光。那么前者的密度为： Dmin=lg（1000/960）= 0.02； 后者的密度为： Dmax=lg（1000/40）= 1.40 那么我们说动态范围为：D=Dmax-Dmin=1.40-0.02=1.38。
机器视觉的辅助驾驶系统的视频中行人检测跟踪讲解
机器视觉的辅助驾驶系统的视频中行人 实时检测识别研究文献综述 1机器视觉发展 国外机器视觉发展的起点难以准确考证，其大致的发展历程是：20世纪50年代提出机器视觉概念，20世纪70年代真正开始发展，20世纪80年代进入发展正轨，20世纪90年代发展趋于成熟，20世纪90年代后高速发展。在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。 国内机器视觉发展的大致历程：真正开始起步是20世纪80年代，20世纪90年代进入发展期，加速发展则是近几年的事情。中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。 未来机器视觉的发展将呈现下列趋势: （1）技术方面的趋势是数字化、实时化、智能化 图像采集与传输的数字化是机器视觉在技术方面发展的必然趋势。更多的数字摄像机，更宽的图像数据传输带宽，更高的图像处理速度，以及更先进的图像处理算法将会推出，将会得到更广泛的应用。这样的技术发展趋势将使机器视觉系统向着实时性更好和智能程度更高的方向不断发展。 （2）产品方面：智能摄像机将会占据市场主要地位 智能摄像机具有体积小、价格低、使用安装方便、用户二次开发周期短的优点，非常适合生产线安装使用，越来越受到用户的青睐，智能摄像机所采用的许多部件与技术都来自IT行业，其价格会不断降低，逐渐会为最终用户所接受。因此，
机器视觉系统——光源篇
机器视觉——光源篇收藏 一、为什么要使用光源 ?目的 将被测物体与背景尽量明显分别，获得高品质、高对比度的图像?地位 机器视觉三大技术（采像技术，处理技术，运动控制技术）之一?重要性 直接影响系统的成败，处理精度和速度 二、光源的种类 ?理想的光源应该是明亮，均匀，稳定的 ?视觉系统使用的光源主要有三种 高频荧光灯 光纤卤素灯 LED（发光二极管）照明 ?高频荧光灯 使用寿命约1500－3000小时 优点：扩散性好、适合大面积均匀照射 缺点：响应速度慢，亮度较暗 ?光纤卤素灯 使用寿命约1000小时 优点：亮度高 缺点：响应速度慢，几乎没有光亮度和色温的变化 ?LED灯
使用寿命约10000－30000小时 可以使用多个LED达到高亮度，同时可组合不同的形状 响应速度快，波长可以根据用途选择 三、LED光源的优势 ?可制成各种形状、尺寸及各种照射角度； ?可根据需要制成各种颜色，并可以随时调节亮度； ?通过散热装置，散热效果更好，光亮度更稳定； ?使用寿命长（约3万小时，间断使用寿命更长）； ?反应快捷，可在10微秒或更短的时间内达到最大亮度； ?电源带有外触发，可以通过计算机控制，起动速度快，可以用作频闪灯；?运行成本低、寿命长的LED，会在综合成本和性能方面体现出更大的优势；?可根据客户的需要，进行特殊设计。 四、LED光源的颜色 ?主要颜色 红色 蓝色 绿色 白色 ?其他颜色 橙色 红外 紫外 五、照明技术的基础知识 1、照射光的种类
(1)直射光 主要来自于一个方向的光，可以在亮色和暗色阴影之间产生相对高的对比度图像。 (2)漫射光（扩散光） 各种角度的光源混合在一起的光。日常的生活用光几乎都是扩散光。 (3)偏振光 在垂直于传播方向的平面内，光矢量只沿某一个固定方向振动的光。通常是利用偏光板（片）来防止特定方向的反射。 (4)平行光 照射角度一致的光。太阳光就是平行光。发光角度越窄的LED直射光越接近平行光。 对比度：对比度对机器视觉来说非常重要。机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景。 2、六种照明技术 通用照明，背光，同轴（共轴），连续漫反射，暗域及结构光。(1)一般目的的照明 通用照明一般采用环状或点状照明。环灯是一种常用的通用照明方式，其很容易安装在镜头上，可给漫反射表面提供足够的照明。 (2)背光照明： 背光照明是将光源放置在相对于摄像头的物体的背面。这种照明方式与别的照明方式有很大不同因为图像分析的不是发水光而是入射光。背光照明产生了很强的对比度。应用背光技术时候，物体表面特征可能会丢失。例如，可以应用背光技术测量硬币的直径，但是却无法判断硬币的正反面。 (3)同轴照明： 同轴照明是与摄像头的轴向有相同的方向的光照射到物体的表面。同轴照明使用一种特殊的半反射镜面反射光源到摄像头的透镜轴方向。半反射镜面只让从物体表面反射垂直于透镜的光源通过。同轴照明技术对于实现扁平物体且有镜面特征的表面的均匀照明很有用。此外此技术还可以实现使表面角度变化部分高亮，因为不垂直于摄像头镜头的表面反射的光不会进入镜头，从而造成表面较暗。连续漫反射照明：连续漫反射照明应用于物体表面的反射性或者表面有复杂的角度。连续漫反射照明应用半球形的均匀照明，以减小影子及镜面反射。这种照明方式对于完全组装的电路板照明非常有用。这种光源可以达到170立体角范围的均匀照明。 (4)暗域照明： 暗域照明是相对于物体表面提供低角度照明。使用相机拍摄镜子使其在其视野内，如果在视野内能看见光源就认为使亮域照明，相反的在视野中看不到光源就是暗域照明。因此光源是亮域照明还是暗域照明与光源的位置有关。典型的，暗域照明应用于对表面部分有突起的部分的照明或表面纹理变化的照明。 (5)结构光：结构光是一种投影在物体表面的有一定几何形状的光（如线形、圆形、正方形）。典型的结构光涉及激光或光纤。结构光可以用来测量相机到光源的距离。多轴照明：在许多应用中，为了使视野下不同的特征表现不同的对比度，需要多重照明技术。
机器视觉课后心得体会
. ;.. 经过机器视觉技术及应用这门课程的学习，我觉得受益匪浅。可以说这门课 程更偏重于实践，也很好的锻炼了我们，老师讲课很认真，ppT准备的很详细，对于一些关键问题的讲解更是深入浅出。机器视觉技术，即采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两种把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别，进而根据判别的结果来控制现场的设备动作。机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。 机器视觉不同于计算机视觉，它涉及图像处理、人工智能和模式识别，机器视觉是将计算机视觉应用于工业自动化。 目前在机器视觉系统中；CCD 摄像机以其体积小巧、性能可靠、清晰度高等优点得到了广泛使用。机器视觉伴随计算机技术、现场总线技术的发展，技术日臻成熟，已是现代加工制造业不可或缺的产品，广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、汽车制造等行业。在未来的几年内，随着中国加工制造业的发展，对于机器视觉的需求也逐渐增多；随着机器视觉产品的增多，技术的提高，国内机器视觉的应用状况将由初期的低端转向高端。加之机器视觉的介入，自动化将朝着更智能、更快速的方向发展。 通过本课程的学习，我们掌握了一些机器视觉方面的基本知识。这门课对于我们生活方面有很大的实用性，可以让我们了解到机器视觉的基本构造，对成为技术应用型人才，适应社会和培养实践能力与技能都起到了很大的作用。这样的学习让我们将知识更灵活的运用，更好的将知识和实践结合在一起并转化为技能。 通过这门课程的学习，我们懂得更多，收获更多，提升了自身操作能力的同时又学到了很多东西，我相信在以后的课堂学习和实践学习中可以掌握更多更深入的知识，不断的提高自身的学习与应用能力。
基于机器视觉的工件识别和定位文献综述
基于机器视觉的工件识别和定位文献综述 1.前言 1.1工业机器人的现状与发展趋势 机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备，在现代先进生产制造业中发挥的作用越来越重要，机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出，“机器人技术与信息技术一样，在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l 世纪日本产业竞争力的产业战略之一，具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来，但近些年来，工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长，大都在10 年以上，并且可以全天后不间断的保持连续、高效地工作状态，因此被广泛应用于各行各业，主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要，工业机器人越来越被广泛的应用到现代化的生产中。 现在机器人的价格相比过去已经下降很多，并且以后还会继续下降，但目前全世界范围的劳动力成本都有所上涨，个别国家和地区劳动力成本又很高，这就给工业机器人的需求提供了广阔的市场空间，工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式，并且在国外，机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向，具有广阔的市场发展前景和强劲生命力，已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家，机器人自动化生产线已经应用到了各行各业，并且已经形成一个庞大的产业链。像日本的FANUC、MOTOMAN，瑞典的ABB、德国的KUKA、意大利的COMAU 等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。 我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后，发展速度就明显加快。特别是在每次国家的五年规划和“863”计划的重点支持下，我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展，科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。 机器人涉及到多学科的交叉融合，涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中，伴随着工业机器人应用范围的扩大和机器人技术的发展，机器人的自动化、智能化和网络化的程度也越来越高，所能实现的功能也越来越多，性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前，工业机器人技术正在向智能机器和智能系统的方向发展，其发展趋势主要为：结构的模块化和可重构化；控制技术的开放化、PC 化和网络化；伺服驱动技术的数字化和分散化；多传感器融合技术的实用化；工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。 1.2机器视觉在工业机器人中的应用 工业机器人是FMS（柔性加工）加工单元的主要组成部分，它的灵活性和柔性使其成为自动化物流系统中必不可少的设备，主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域，
机器视觉光源的选择
机器视觉光源选择 一、机器视觉光源分类 OPT机器视觉光源共有25大系列 1、环形光源（OPT-RI系列） 特点：环形光源提供不同角度照射，能突出物体的三维信息，有效解决对角照射阴影问题。高密度LED阵列，高亮度；多种紧凑设计，节省安装空间；可选配漫射板导光，光线均匀扩散。 使用：PCB基板检测；IC元件检测；显微镜照明；液晶校正；塑胶容器检测；集成电路印字检测；通用外观检测。 2、条形光源（OPT-LI系列） 特点：条形光源是较大方形结构被测物的首选光源；颜色可根据需求搭配，自由组合；照射角度和安装随意可调。 使用：金属、玻璃等表面检查；表面裂缝检测；LCD面板检测；线阵相机照明；图像扫描。 3、高均匀条形光源（OPT-LIT系列） 特点：高密度贴片LED，高亮度，高散射漫射板，均匀性好；良好的散热设计确保产品稳定性和寿命；安装简单、角度随意可调；尺寸设计灵活；颜色多样可选，可定制多色混合、多类型排布非标产品。 使用：电子元件识别和检测；服装纺织；印刷品质量检测；家用电器外壳检测；圆柱体表面缺陷检测；食品包装检测；灯箱照明；替代荧光灯。 4、条形组合光源（OPT-LIM系列） 特点：四边配置条形光,每边照明独立可控；可根据被测物要求调整所需照明角度，适用性广。 使用：PCB基板检测，IC元件检测；显微镜照明，包装条码照明；二次元影像测量。 5、同轴光源（OPT-CO系列） 特点：高密度排列LED，亮度大幅提高；独特的散热结构，延长寿命，提高稳定性；高级镀膜分光镜，减少光损失；成像清晰，亮度均匀。 使用：此系列光源最适宜用于反射度极高的物体，如金属、玻璃、胶片、晶片等表面的划伤检测；芯片和硅晶片的破损检测，Mark点定位；包装条码识别。 6、底部背光源（OPT-FL系列） 特点：用高密度LED阵列面提供高强度背光照明，能突出物体的外形轮廓特征，尤其适合作为显微镜的载物台；红白两用背光源、红蓝多用背光源，能调配出不同的颜色，满足不同被测物多色要求。 使用：机械零件尺寸的测量；电子元件、IC的引脚、端子连接器检测；胶片污点检测；透明物体划痕检测等。
机器视觉文献综述
文献综述 河北科技师范学院 文献综述 题目：基于计算机视觉测量技术 姓名：张力坤 一．国内外现状 机器视觉自起步发展到现在，已有将近20年的发展历史。应该说机器视觉作为一种应用系统，其功能特点是随着工业自动化的发展而逐渐完善和发展的。 目前全球整个视觉市场总量大概在70~80亿美元，是按照每年8.8%的增长速度增长的。而在中国，这个数字目前看来似乎有些庞大，但是随着加工制造业的发展，中国对于机器视觉的需求将承上升趋势。 何谓机器视觉？ 简言之，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。在中国，这种应用也在逐渐被认知，且带来最直接的反应就是国内对于机器视觉的需求将越来越多。 机器视觉在国内外的应用现状在国外，机器视觉的应用普及
基于机器视觉的产品检测技术研究文献综述
基于机器视觉的产品识别检测技术研究 摘要：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特征，如面积、数量、位置，再根据预设的允许度和其他条件输出结果，包括尺寸、个数、合格/不合格、标识有无等，实现自动识别功能。机器视觉的研究是从20世纪60年代中期开始70年代已形成几个重要研究分支：目标制导的图像处理、图像处理和分析的并行运算、序列图像分析和运动参量求值、视觉知识的表示、视觉系统的知识库等。 关键词：机器视觉；CCD相机；图像处理；产品检测。
引言 机器视觉就是用机器代替人眼来做测量和判断，它是一项综合技术，其中包括数字图像处理技术、控制技术、电光源照明技术、光学成像技术、传感技术、模拟与数字视频技术等，机器视觉更强调实用性，要求能够适应工业生产中恶略的环境，要有通用的工业接口。电视摄像技术的成熟与计算机技术的发展使得机器视觉研究成为可能，它作为早期人工智能的一部分，由于技术条件的限制进展缓慢。后来在随着计算机技术的快速发展，机器视觉的研究得到了迅速发展在国外，机器视觉的应用普及主要体现在半导体及电子行业，机器视觉系统在产品检测方面已经得到了广泛的应用。在中国机器视觉技术应用开始与90年代，目前国内机器视觉大多为外国品牌，不过随着机器视觉的应用，国内公司技术上已经逐渐成熟。与此同时，随着配套基础设施建设的完善，技术、资金的积累，各行各业对机器视觉技术的工业自动化、智能化需求开始广泛出现。国内高校校、研究所和企业在这个领域进行了积极探索和大胆尝试，这都将促进工业检测自动化技术向智能化发展。
机器视觉的现状及其应用
河北工业大学 院系：河北工业大学机械工程学院 班级：机研155班 姓名：翟云飞 学号： 201531204037 题目：机器视觉技术及其应用
目录 1.机器视觉的发展现状 2.机器视觉系统组成 2.1机器视觉系统的工作原理 3.机器视觉的应用 3.1基于机器视觉的FPC嵌入式检测系统检测系统 3.2基于机器视觉的柔性制造岛在线零件识别系统 3.3基于机器视觉的PCB光板缺陷检测技术 3.4新兴行业 4.机器视觉发展趋势 5.中国机器视觉产业的发展现状 5.1、随着产业化的发展对机器视觉的需求将呈上升趋势 5.2、统一开放的标准是机器视觉发展的原动力 5.3、基于嵌入式的产品将取代板卡式产品 5.4、标准化、一体化解决方案也将是机器视觉的必经之路 6.参考文献
1.中国机器视觉的发展趋势 近年来，机器视觉已经发展成为光电子的一个应用分支，广泛应用于微电子、PCB生产、自动驾驶、印刷、科学研究和军事等领域。机器视觉在中国的蓬勃发展，使从事机器视觉的公司和人员大量涌现。首先概述了机器视觉技术的基本原理并分析了机器视觉系统的构建；接着论述了机器视觉技术的当前主要应用领域与情况；最后分析了现阶段机器视觉技术存在的问题。 2.机器视觉系统组成及其工作原理 简言之，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。 从原理上机器视觉系统主要由三部分组成：图像的采集、图像的处理和分析、输出或显示。—个典型的机器视觉系统应该包括光源、光学系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块，如图1所示。
文献综述
文献综述 随着社会经济的发展，企业所面临的外部经营环境发生了明显的变化。战略管理和项目管理作为应对变化的有效手段被越来越多的企业所采用，同时，随着企业规模的扩大，项目的数量和规模急剧扩增，企业中的项目越来越多，企业在面临众多项目而资源有限的情况下，如何组织好、协调好多个项目，同时又要使其与企业战略目标一致成为亟待解决的问题。项目组合管理架起了战略管理与项目管理的桥梁，它是帮助实现项目与企业战略相结合的有效理论和工具。 1 项目组合管理理论 项目组合管理要对每一个项目进行商业价值和利益的评判，集合成项目组合的战略价值，去实现一定的组织目标和利益,项目组合不再是简单的进行多个项目的管理[1]。 项目组合管理是将一系列项目纳入到同一个组合当中,这个组合有独立的项目组合评审报告记录了各个项目的目标、成本、时限、专业技术水平、资源、风险和其他的关键因素。然后项目执行主管便能从整体上把握该组合，恰当地配置资源和调整项目，以使部门的利益回报最大化[2]。 项目组合管理是将单个项目、活动和所需资源与公司战略相联系的过程，从而确保投入的有限资源具有最高的价值和最低的风险。此外，这个过程允许贯穿整个组织的战略沟通，进而更好的选择和执行那些支持公司战略的项目和活动，同时剔除那些劣质项目[3]。 项目组合管理是对项目集进行选择、评价、策划、实施、管理的有效过程[4]。 PMI对组合管理的定义为[5]: 项目组合管理不是简单地管理多个项目,每个项目组合都需要根据自身的商业价值和公司战略来评价,并且要实现一定的商业目标或商业利益。 PMBOK2004这样定义项目组合 组织依据其具体的目标来管理项目组合。项目组合管理的目标之一
机器视觉之光源的显色性与色温
光源的显色性与色温 光源对物体的显色能力称为显色性，是通过与同色温的参考或基准光源（白炽灯或太阳光）下物体外观颜色的比较。光所发射的光谱内容决定光源的光色，但同样光色可由许多，少数甚至仅仅两个单色的光波纵使而成，对各个颜色的显色性亦大不相同。相同光色的光源会有相异的光谱组成，光谱组成较广的光源较有可能提供较佳的显色品质。 当光源光谱中很少或缺乏物体在基准光源下所反射的主波时，会使颜色产生明显的色差(color shift)。色差程度愈大，光源对该色的显色性愈差。演色指数系数(Kaufman)仍为目前定义光源显色性评价的普遍方法
显色分两种 忠实显色：能正确表现物质本来的颜色需使用显色指数(Ra)高的光源，其数值接近100，显色性最好。 效果显色：要鲜明地强调特定色彩，表现美的生活可以利用加色的方法来加强显色效果。采用低色温光源照射，能使红色更加鲜艳；采用中等色温光源照射，使蓝色具有清凉感；采用高色温光源照射，使物体有冷的感觉。 显色指数与显色性的关系 当光源光谱中很少或缺乏物体在基准光源下所反射的主波时，会使颜色产生明显的color shift.色差程度越大，光源对该色的显色性越差。演色指数系数（Kau fman）仍为目前定义光源显色性评价的普遍方法。 白炽灯的显色指数定义为100，视为理想的基准光源。此系统以8种彩度中等的标准色样来检验，比较在测试光源下与在同色温的基准下此8色的偏离（Deviation）程度，以测量该光源的显色指数，取平均偏差值Ra20-100，以100为最高，平均色差越大，Rr值越低。低于20的光源通常不适于一般用途。
指数（Ra）等级显色性一般应用90-100 1A 优良需要色彩精确对比的场所 80-89 1B 需要色彩正确判断的场所 60-79 2 普通需要中等显色性的场所 40-59 3 对显色性的要求较低，色差较小的场所 20-39 4 较差对显色性无具体要求的场所 色温（CT-color temperature） 光源所发出的光的颜色与黑体在某一温度下辐射的颜色相同时，黑体的温度就称为该光源的色温，用绝对温度K（kelvim）表示.黑体辐射理论是建立在热辐射基础上的，所以白炽灯一类的热辐射光源的光谱功率分布与黑体在可见区的光谱功率分布比较接近，都是连续光谱，用色温的概念完全可以描述这类光源的颜色特性。 关色温（CCT-correlated color temperature） 光源所发出的光的颜色与黑体在某一温度下辐射的颜色接近时，黑体的温度就称为该光源的相关色温，单位为K。由于气体放电光源一般为非连续光谱，与黑体辐射的连续光谱不能完全吻合，所以都采用相关色温来近似描述其颜色特性。色温（或相关色温）在3300K 以下的光源，颜色偏红，给人一种温暖的感觉。色温超过5300K时，颜色偏兰，给人一种清冷的感觉。通常气温较高的地区，人们多采用色温高于4000K的光源，而气温较低的地区则多用4000K以下的光源。 色指数（Ra-color rendering index） 太阳光和白炽灯均是辐射连续光谱，在可见光的波长（380nm-760nm）范围内，包含着红、橙、黄、绿、青、蓝、紫等各种色光。物体在太阳光和白炽灯的照射下，显示出它的真实颜色，但当物体在非连续光谱的气体放电灯的照射下，颜色就会有不同程度的失真。我们把光源对物体真实颜色的呈现程度称为光源的显色性。为了对光源的显色性进行定量的
机器视觉课后心得体会
经过机器视觉技术及应用这门课程的学习，我觉得受益匪浅。可以说这门课程更偏重于实践，也很好的锻炼了我们，老师讲课很认真，ppT准备的很详细，对于一些关键问题的讲解更是深入浅出。机器视觉技术，即采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两种把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别，进而根据判别的结果来控制现场的设备动作。机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。 机器视觉不同于计算机视觉，它涉及图像处理、人工智能和模式识别，机器视觉是将计算机视觉应用于工业自动化。 目前在机器视觉系统中；CCD 摄像机以其体积小巧、性能可靠、清晰度高等优点得到了广泛使用。机器视觉伴随计算机技术、现场总线技术的发展，技术日臻成熟，已是现代加工制造业不可或缺的产品，广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、汽车制造等行业。在未来的几年内，随着中国加工制造业的发展，对于机器视觉的需求也逐渐增多；随着机器视觉产品的增多，技术的提高，国内机器视觉的应用状况将由初期的低端转向高端。加之机器视觉的介入，自动化将朝着更智能、更快速的方向发展。 通过本课程的学习，我们掌握了一些机器视觉方面的基本知识。这门课对于我们生活方面有很大的实用性，可以让我们了解到机器视觉的基本构造，对成为技术应用型人才，适应社会和培养实践能力与技能都起到了很大的作用。这样的学习让我们将知识更灵活的运用，更好的将知识和实践结合在一起并转化为技能。 通过这门课程的学习，我们懂得更多，收获更多，提升了自身操作能力的同时又学到了很多东西，我相信在以后的课堂学习和实践学习中可以掌握更多更深入的知识，不断的提高自身的学习与应用能力。
机器视觉行业市场调研报告
机器视觉 市场调研报告 营业部:李凯丽 2015年9月2日
机器视觉技术是一项新兴产业，自起步发展至今，机器视觉在中国经历了三个发展阶段，其功能以及应用范围随着工业自动化的发展也在逐渐完善和推广。而在世界范围内，机器视觉已经为人类解决了许多重大问题，由于机器视觉自身领域的特点，目前应用于工业、农业、交通运输业、新兴行业等多领域，创造了人工无法比拟的经济和社会价值。本文从机器视觉的发展、机器视觉的应用领域、竞争状态、市场规模和预测等多方面，调研了机器视觉行业的发展状态，为公司投资机器视觉领域提供了参考依据。 关键词：机器视觉、市场规模、竞争、前景
第一章机器视觉发展背景 (3) 1.1 机器视觉综述 (3) 1.1.1 机器视觉定义及组成 (3) 1.1.2 行业发展阶段 (5) 1.1.3 机器视觉特点及应用优点 (6) 1.2 机器视觉行业发展特性 (7) 1.3 产业链分析 (8) 1.4 行业发展环境分析 (9) 1.4.1 行业政策环境 (9) 1.4.2 行业技术环境分析 (10) 第二章国际机器视觉行业发展趋势和现状 (11) 2.1 市场发展规模 (11) 2.1.1 产业发展历程 (11) 2.1.2 应用现状分析 (12) 2.1.3 产业市场规模和格局 (13) 2.2 行业分布状况和发展趋势 (14) 2.2.1 产业地区分布情况 (14) 2.2.2 发展趋势预测 (16) 第三章中国机器视觉行业的发展现状和趋势 (18) 3.1 发展现状及市场规模 (18) 3.1.1 产业发展历程 (18) 3.1.2 市场规模 (19) 3.2 行业竞争现状 (21) 3.2.1 行业竞争主体 (21) 3.2.2 企业分布状况 (26) 3.3 发展趋势 (27) 第四章机器视觉的应用 (29) 4.1 应用领域分布 (29) 4.2 机器视觉在各行业的应用情况 (30) 4.2.1 在工业领域中的应用 (30) 4.2.2 在农业领域中的应用 (34) 4.2.3 在医药行业中的应用 (36) 4.2.4 在交通领域中的应用 (37) 第五章机器视觉行业发展前景与投资建议 (39) 5.1 发展前景及进入壁垒 (39) 5.2 投资机会和风险 (41)
边干边学_机器视觉_第一章 选择光源
目录 第1章搭建机器视觉处理平台 (1) 1.1 选择光源 (1) 1.1.1 常见的光源类型 (1) 1.1.2 照明效果的优化 (5) 1.1.3 光源评估服务 (7)
第1章搭建机器视觉处理平台 通常，典型的机器视觉系统由以下四个部分——光源、相机、图像采集卡和图像处理软件组成，如图1.1所示。 图1.1 典型的机器视觉系统 作为机器视觉系统开发工程师，我们必须根据实际需要选择好光源，相机，图像采集卡和图像处理软件。下面本文将依次介绍如何选择光源，相机，图像采集卡和图像处理软件，并介绍一种对初学者来说性价比非常高的学习方案。 1.1 选择光源 刚接触机器视觉系统时可能无法意识到光源选择恰当与否直接关系到系统的成败。例如，把10斤红豆(待观察的对象特征)、10斤绿豆(不需要关注的物体)和10斤沙子(噪声)混合在一起让你在三分钟内把10斤红豆筛选出来和把10斤红豆、1斤绿豆、1斤沙子混合在一起让你在三分钟内把10斤红豆筛选出来，谁更容易些？显然干扰少(绿豆)，噪声低(沙子)的工作才能干的又快又好！ 选择光源的目标就是：1、增强待处理的物体特征； 2、减弱不需要关注的物体和噪声的干扰； 3、不会引入额外的干扰。 以获取高品质、高对比度的图像。 按照明方式的不同，光源可以分为：直接照明光源、散射照明光源、背光照明光源、同轴照明光源和特殊照明光源。下面，本文将依次介绍各种不同的光源。 1.1.1常见的光源类型 1．直接照明光源 直接照明光源就是光源直接照射到被检测物体上，它的特点是照射局域集中、亮度高和安装方便，可以得到清楚的影像。常见的直接照明方式有沐光方式、低角度方式、条形方式和聚光方式。 沐光方式 沐光方式常用的是LED环形光源，如图2.1所示。高密度的LED阵列排列在伞状结构中，可以在照明区域产生集中的强光。 图2.1的右方部分是LED环形光源的安装部分，其中被检测的物体应该在图中的Work 区域。
机械视觉论文概述综述
绪论 机器视觉是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等多个领域的交叉学科。它不仅是人眼的延伸，更重要的是具有人脑的一部分功能。近年来，随着计算机技术尤其是多媒体技术和数字图像处理及分析理论的成熟，以及大规模集成电路的迅速发展，机器视觉技术得到了广泛的应用研究，取得了巨大的经济与社会效益。 一、机器视觉的研究背景 “作为一项关键性的自动化技术，机器视觉在发展中国家中对经济的现代化非常重要。为了在世界市场中进行竞争，发展中经济不能无限期的依赖于廉价劳动力。“ AIA市场分析员Kellett说。同样地，现代化必须实现高效率、高生产率以及高质量。这也是机器视觉的作用所在，”对机器视觉长期需求这样的趋势是发展中国家实现经济现代化的基础。因此，机器视觉对于世界经济的发展将越来越重要。” 传统地来讲，外观检查和质量控制是通过人类专家来完成的。虽然人类在很多情况下可以把这项工作做的比机器更好，但是他们的速度比机器慢，并且很快就会感觉疲倦。此外在一个行业里很难找到或者留住人类专家，他们需要接受培训，而且他们的技能需要花时间去培养。还有些情况就是检测工作往往很乏味或者很困难，甚至对那些训练有素的专家来说也是一样。某些应用中，精确的信息必须被很迅速或者重复地提取和使用（例如目标跟踪和机器人引导）。在一些环境下（例如水下检测，原子能工业，化学工业等）检测可能很困难或者很危险。在这种高要求的情况下，计算机视觉可以很有效的取代人工检测。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人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。 半导体行业是最先利用机器视觉技术进行检测的行业，其他行业也随之而来。作为生产机械的OEM的设计工程师，最基本的问题就是：“我是要检测这个部件还是整个这个产品”。检测可以得到高质量的产品，但是也会有这样的事实存在：检测成本或者产品质量要求并不需要这样的检测。比如说牙签，假设每一个装有500个牙签的盒子里有一两个不合恪，大多数人都不会怎么担心。但是对于很多产品，假如前面的盒了里装的不是牙签，而是针头，试想不合格品可能会带来什么样的后果，所以产品功能性的检测都是不可缺少的，即使只是外观检测，要证明内在的品质也必须要做到无缺陷。因此，为了达到这个目的，许多OEM将机器视觉世用到他们将要卖给用户的系统中。机器视觉能够为整个系统增值，表现在三个方面：提高生产效率，提高制造过程的精确性，减少成本。 那么，对丁一个设计工程师来说，怎么样才能知道机器视觉是否适合他的系统呢?尽管最早的最基本的机器视觉系统在20世纪70年代引入，工业就将其视为主流应用。这就导致设计工程师要考虑它是否合适他们的应用，同时要考虑利用机器视觉检测的成本与其所能带来的利润。 高复杂度产品行业，比如说半导体行业和电子行业，由于它们的复杂性和小型化，从传统上推动着机器视觉市场的发展。但是如今，所有产业，包括自动化、
机器视觉在焊接熔池实时检测与参数测定中应用【文献综述】
毕业设计开题报告 电气工程及其自动化 机器视觉在焊接熔池实时检测与参数测定中应用 1前言部分 机械制造业作为我国国民经济的支柱产业，决定了我国的工业生产能力和水平，焊接作为制造业中总要的加工方法之一，更是有着举足轻重的作用。随着科技水平的进步，人们对焊接质量的要求也越来越高。而人工焊接时，由于受到技术水平、疲劳程度、责任心、生理极限等客观和主观因素的应影响，难以较长时间保持焊接工作的稳定性和一致性。而且，由于焊接恶劣的工作条件，愿意从事手工焊接的人在减少，熟练的技术工人更有短缺的趋势。另一方面，电子技术、计算机技术、数控及机器人技术的发展为焊接过程的自动化提供了有利的条件，并已渗透到焊接的各个领域。 以往焊接质量主要是通过两种手段来保障。焊前根据工件、材料、性能要求等制订合理的焊接工艺，但是焊接过程存在的时变性使得质量无法得到严格保证。焊后可以进行质量检验，对不合格的焊缝，返修或者清理之后再重新焊接来保证焊缝质量，但这种检验方法费时又费力，况且某些焊接产品，如船舶、桥梁、大型压力容器、航天器材等一些重要的焊接件，是不允许出现焊接质量问题的。因此焊接过程中的在线实时质量控制就显得尤为重要。 但是焊接这一技术领域长期以来采用的是传统焊接方法，尽管近些年来各类气保护焊也得到了广泛应用，但焊接变形、咬边、气孔、裂纹、应力集中、未焊合和夹渣等在缺陷问题仍然较严重。同样，采用传统焊接方法进行生产，焊接接头的外观成形质量和一致性也无法得到保证，而且手工焊接也如先前所提的原因无法普遍适用。很显然这些都成了制约焊接质量提高的根源，因此采用自动化、智能化焊接时焊接技术革新的根本出路。 随着焊接自动化智能化研究的深入，人们越来越注重对焊接质量的控制，其中熔透与成形直接反映了焊接质量，因此检测出反映焊缝熔透和成形质量信息对于质量控制是非常关键的。目前国内外普遍使用各类传感装置对焊接熔池信息进
人脸识别文献综述
文献综述 1 引言 在计算机视觉和模式识别领域，人脸识别技术（Face Recognition Technology，简称FRT）是极具挑战性的课题之一。近年来，随着相关技术的飞速发展和实际需求的日益增长，它已逐渐引起越来越多研究人员的关注。人脸识别在许多领域有实际的和潜在的应用，在诸如证件检验、银行系统、军队安全、安全检查等方面都有相当广阔的应用前景。人脸识别技术用于司法领域，作为辅助手段，进行身份验证，罪犯识别等;用于商业领域，如银行信用卡的身份识别、安全识别系统等等。正是由于人脸识别有着广阔的应用前景，它才越来越成为当前模式识别和人工智能领域的一个研究热点。 虽然人类能够毫不费力的识别出人脸及其表情，但是人脸的机器自动识别仍然是一个高难度的课题。它牵涉到模式识别、图像处理及生理、心理等方面的诸多知识。与指纹、视网膜、虹膜、基因、声音等其他人体生物特征识别系统相比，人脸识别系统更加友好、直接，使用者也没有心理障碍。并且通过人脸的表情/姿态分析，还能获得其他识别系统难以获得的一些信息。 自动人脸识别可以表述为：对给定场景的静态或视频序列图像，利用人脸数据库验证、比对或指认校验场景中存在的人像，同时可以利用其他的间接信息，比如人种、年龄、性别、面部表情、语音等，以减小搜索范围提高识别效率。自上世纪90年代以来，人脸识别研究得到了长足发展，国内外许多知名的理工大学及TT公司都成立了专门的人脸识别研究组，相关的研究综述见文献[1-3]。 本文对近年来自动人脸识别研究进行了综述，分别从人脸识别涉及的理论，人脸检测与定位相关算法及人脸识别核心算法等方面进行了分类整理，并对具有典型意义的方法进行了较为详尽的分析对比。此外，本文还分析介绍了当前人脸识别的优势与困难。 2 人脸识别相关理论 图像是人们出生以来体验最丰富最重要的部分，图像可以以各种各样的形式出现，我们只有意识到不同种类图像的区别，才能更好的理解图像。要建立一套完整的人脸识别系统(Face Recognetion System，简称FRS)，必然要综合运用以下几大学科领域的知识： 2.1 数字图像处理技术 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机
机器视觉文献综述
一、机器视觉与图像采集的研究的意义 “作为一项关键性的自动化技术，机器视觉在发展中国家中对经济的现代化非常重要。为了在世界市场中进行竞争，发展中经济不能无限期的依赖于廉价劳动力。“AIA市场分析员Kellett说。同样地，现代化必须实现高效率、高生产率以及高质量。这也是机器视觉的作用所在，”对机器视觉长期需求这样的趋势是发展中国家实现经济现代化的基础。因此，机器视觉对于世界经济的发展将越来越重要。” 二、机器视觉与图像采集的研究的现状 国外机器视觉发展的起点难以准确考证，其大致的发展历程是：在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。 国内机器视觉发展的大致历程：中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。 三、机器视觉与图像采集技术在各个领域的应用 视觉技术的最大优点是与被观测对象无接触,因此,对观测与被观测者都不会产生任何损伤,十分安全可靠,这是其它感觉方式无法比拟的. 理论上,人眼观察不到的范围机器视觉也可以观察,例如红外线、微波、超声波等,而机器视觉则可以利用这方面的传感器件形成红外线、微波、超声波等图像. 另外,人无法长时间地观察对象,机器视觉则无时间限制,而且具有很高的分辨精度和速度. 所以,机器视觉应用领域十分广泛,可分为工业、科学研究、军事和民用4 大领域. 3. 1 工业领域 工业领域是机器视觉应用中比重最大的领域,按照功能又可以分成4 类:产品质量检测、产品分类、产品包装、机器人定位. 其应用行业包括印刷包装、汽车工业、半导体材料/ 元器件/ 连接器生产、药品/ 食品生产、烟草行业、纺织行业等.下面以纺织行业为例具体阐述机器视觉在工业领域的应用[9 ] .在纺织企业中,视觉检测是工业应用中质量控制的主要组成部分,用机器视觉代替人的视觉可以克服人工检测所造成的各种误差,大大提高检测精度和效率. 正是由于视觉系统的高效率和非接触性,机器视觉在纺织检测中的应用越来越广泛[10 - 12 ] ,在许多方面已取得了成效.机器视觉可用于检测与纺织材料表面有关的性能指标见表4. 目前主要的研究内容可分为3 大类: 纤维、纱线、织物. 由于织物疵点检测(在线检测) 需要很高的计算速度,因此,设备费用比较昂贵. 目前国内在线检测的应用比较少,主要应用是离线检主要的检测有纺织布料识别与质量评定、织物表面绒毛鉴定、织物的反射特性、合成纱线横截面分析、纱线结构分析等. 此外还可用于织物组织设计、花型纹板、棉粒检测、分析纱线表面摩擦。 3. 2 民用领域 机器视觉技术可用在智能交通、安全防范、文字识别、身份验证、医疗设备等方面. 在医学领域,机器视觉用于辅助医生进行医学影像的分析,主要利用数字图像处理技术、信息融合技术对x 射线透视图、核磁共振图像、CT 图像进行适当叠加,然后进行综合分析,以及对其它医学影像数据进行统计和分析。 3. 3 科学研究领域 在科学研究领域可以利用机器视觉进行材料分析、生物分析、化学分析和生命科学,如