Machine Vision 浅谈

Machine Vision 浅谈

       从刚毕业开始到现在，一直在学习视觉相关的知识，不知不觉，已经五个月过去了，以前总觉得娱乐、休息的时间过得很快，没想到工作的时候，时间好像也过得蛮快的！来回想一下，这五个月，都学到了啥。

 

       毕业后来到公司，开始了视觉的学习。说实话刚开始确实有点懵，对视觉也是没啥概念，Tony跟我说让我学习视觉方面的知识，刚开始觉得视觉挺高大上的，也没想那么多，就像公司同事们说的那句话一样，先猛chacha地干了再说！最开始，从概念上了解视觉开始，需要先知道，视觉，它是什么？我想，现在我应该能大概回答一下这个问题了。视觉，简单来说，就是给机器装上眼睛，让机器代替我们人眼去看。这是在网上看到的一个对机器视觉很通俗的解释，我觉得视觉不仅仅是要代替我们去看，在某种程度上来说，它还要代替我们去思考（虽然它的“思想”都是我们给的），是我们的思想的载体！从本质上来说，机器视觉最核心的还是图像处理，虽然光源、镜头、相机这些硬件设备也很重要，但是对图像的最终处理才代表了视觉的水平!不过我现在的工作，倒用不着去研究那些高深的图像处理算法（这个活儿目前中国人基本没有做得好的），我要做的是，在视觉算法库的基础上做二次开发，比如halcon、visionPro、OpenCV、SCI，能用好这些库，做好公司的视觉软件，就OK了！

 

       好了，下一个问题，视觉能干什么？视觉能干的事情就太多了，各行各业，都能看到视觉的身影,汽车、激光、人脸识别、印刷、AOI、追踪定位......总的说来，视觉的应用有四大类：定位、检测、测量、识别。具体到我们激光行业的话，四大类应用都有涉及，目前的话，我们主要是定位、测量、检测。

 

        接下来，就是视觉系统的组成。分为硬件和软件两部分。硬件：光源、镜头、相机、图像采集卡；软件：视觉处理软件。常用光源的种类有：条形光源、环形光源、同轴光源、点光源、线形光源、背光源，当然还可以针对具体的项目定制非标光源；镜头的种类主要是根据焦距来分的，有广角镜头（焦距<50mm），远距镜头（焦距>50mm）,远心镜头（景深打、视野小）；相机的分类就比较复杂一点，根据芯片的类型分，有数字相机和模拟相机；根据成像的颜色分可分为黑白相机和彩色相机；根据产品运动状态，选择线阵相机或者面阵相机;根据芯片材料的不同，分为CCD和CMOS；最近还听到一种分类方式，是根据相机的快门的曝光方式分的，分为全局相机和卷帘相机。最后就是软件了，最终的成型的视觉软件就不说了，肯定每个公司或者领域都有自己独特的视觉软件，但是所依赖的算法库也就只有几种：halcon、visionPro、OpenCV、MATLAB；

       

       再就是设备的选型，要说这个的话还得好好整理下，在这里就不细说了，大概就是：

                 1.光源的打光方式，这是设备选型和项目评估中最重要也最复杂的一个环节，虽然去了OPT几天，但是也就看到了个皮毛；     

                 2.镜头的选型相对来说比较简单，只需要考虑焦距，工作距离，芯片的尺寸、畸变、景深、分辨率的大小以及和相机的接口；

                 3.相机的选型需要考虑的参数就会多一点，分辨率、帧率、视野大小、物体运动状态、芯片尺寸、与镜头的接口、相机输出的接口、采集图像的颜色等；

                 4.软件的选择会比较灵活一点，根据不同的项目、不同的精度要求、可以选择不同的软件，达到最高的性价比。

 

       最后就来说说视觉设备的主要供应商，其实这部分我接触的供应商虽然有一些，但是可能功课做得不够，对各个供应商的优势及劣势，还不能很好地把握，这也是以后工作中需要注意的一个地方。

                  1.光源的供应商：OPT，锐视、CCS、KKIMAC；其中，CCS是日本的一个企业，他们是最早做光源的；KKIMAC也是日本的公司，他们的优势主要是点光源和一些小光源做得比较好；OPT是国内最大的光源公司，光源的质量上有保障；锐视也是在东莞的一家做光源的公司，它们的产品性价比比较高；

                  2.镜头的供应商：据我所知，主要有映美精和凌云，还有一些做相机的企业大部分都会有自己的镜头，映美精和凌云的产品接触得不多，也不是很了解，后续再补充；

                  3.相机的供应商：康耐视、基恩士、Basler、大华、灰点、MV、CIS......康耐视是美国的的公司，他们的相机很贵，但是是品牌，稳定性等各方面都比较好，在高精度的项目中可以使用；基恩士主要是智能相机，就是将他们的处理软件集成到相机中去了，用户使用起来会很方便，但确实也很贵，用户能做的工作相对来说就不是很多了，不太适合我们；其他的相机没怎么接触过，以后再说吧；

                  4.软件的选型：主要还是根据项目来，一般的项目，精度要求不高的项目，就用国内一些视觉公司自己开发的开发包就能处理了；但是如果是高精度的、复杂的项目还是要用国外的算法库，像halcon和visionPro。

 

       总结下来，发现对以前的知识还是有些遗忘，也发现了之前的学习盲点，比如：视觉设备的供应商以及他们各自的强项，这可能是由于之前在学习选型的时候重点放在了用参数来选型，忽略了不同的供应商提供的不同的产品这一块；接下来的工作首先是用SCI算法库基于QT开发视觉界面；在应用阶段还要继续设备选型、打光的深入学习；然后基于halcon以及visionPro的算法库的视觉界面的开发；再后面可能就是基于OpenCV来开发自己的算法库，集成封装成界面！

                  

转载于:https://www.cnblogs.com/sx-software-zys/p/10049774.html