前言
机器替人成为现自动化检测的主流趋势,其中视觉检测近几年应用度飙升,几乎成为自动化检测的第一标签技术,其应用越来越成熟和广泛,从安防、医疗等到工业智能制造各个领域,都得到了很好的应用。
目前视觉应用主要分两种:2D和3D;2D视觉应用包括2D成像、摄影、图像尺寸测量、图像识别与检测等;3D视觉应用包括结构光、TOF、双目等3D点云重建以及3D点云领域的一些检测、识别、测量应用;
一、视觉算法入门工具
2D:
OpenCV:不用多介绍,2D视觉领域的扛把子,视觉算法工程师必备技能之一;官网:https://opencv.org/
其兼容性非常广,包括操作系统的兼容,各大语言接口的兼容版本等等;例如:opencvsharp、opencv-python等等;
Matlab:许多对图像处理的编程代码上与opencv类似;imread、Mat、imshow等等;官网:https://www.mathworks.com/products/matlab.html
对于图像的快速分析,算法的快速仿真等必不可少;
另外,同行业中还有许多其他比较强大的工具,例如halcon,visionPro等等;不同的企业也有不同的需求吧;
深度学习内容比较多,后面再介绍;对于想入门深度学习的朋友们,初期掌握一种框架和模型算法即可;对于环境配置、硬件配置、框架、模型、编译平台等选择后期将逐步深入讲解;
3D:
Pcl:对于3D而言,主要算法设计主要为点云的一些处理操作;包括点云获取、数据存储结构、点云滤波、稀疏、分割、渲染、配准等等;如果说opencv是2D视觉的扛把子,那么pcl就是3D视觉的扛把子,官网:https://pointclouds.org/;
其实3D视觉按过程重要程度可分为3个部分:硬件结构部分、数据采集部分、点云处理部分;与2D拍照的不同,不同原理使得3D视觉衍生出了各种不同的方法(面结构光、线激光、双目、摄影、TOF等);然而,无论采用哪种方法进行3D重建,最终都将归为3D点云的处理上来;
2D/3D
全息:省略;
二、视觉算法入门工具下载
opencv:官网下载[https://opencv.org/releases/];各个版本都有;
另外,opencv在github上也有全套的开源资料,所以你也可以前往[githubhttps://github.com/opencv/opencv/releases]
一些早期入门的CV工程师们习惯使用opencv2.4.9版本;当然如果不做复杂的机器视觉模块,opencv2.4.9版本的稳定性还是相当高的;
如果对机器视觉比较感兴趣,推荐使用opencv3.3(DNN模块)及以上版本;
Matlab推荐使用matlabR2016b及以上版本;集成PointCloud点云相关函数;至于使用破解版还是官方版本,看个人用途;
离线版本资源包后续补充;
总结
随着自动化的快速转型,视觉方案近几年可以说是独领风骚;然而该方向的起步却相对较高,一般都是硕士以上才拿得出手;毕竟过去的几年中,大学并未明确设立该专业,我国近两年才逐渐跟上。
对于计算机、通信、物理、自动化等专业的同学而言,机器视觉和人工智能是个非常不错的选择,前提是一定要对视觉检测行业感兴趣;
掌握一到两种视觉算法入门工具是必不可少的。视觉算法这条路发展的脚步也是非常快的,只有通过不断地学习、精进,才能站住脚跟;