一辉Oo的视觉算法学习笔记2

---

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；