visionapplication(视觉应用)

机械制造 !" 卷பைடு நூலகம்第 !#$ 期
!""# $ %%
!"
现状・趋势・战略
! 知识引导 " 大量数据 同样的图像在不同的知识导引下， 灰度图像和彩色图像的信息量都十 ： 测系统中应用 9 > ; 8 微计算机信息， #==" ， "’ （ "" ） #" A ## 王箐8 机器视觉检测刀具磨损状态初探 9 > ; 8 武汉测 "# 梅安华， 绘科技大学学报， "??B< "( ) " 3 ： (% A ?B 张裕8 机器视觉检测滚子表面缺陷 9 > ; 8 轴承， "B 先武， "??"， （ ： %） B? A B@ 冯心海8 基于布尔神经网络的瓷砖表面缺陷检测 9 > ; 8 "@ 赵海洋， 计算机应用与软件， ： #==" ， "( （ #） #! A #? 华建兴， 黄秀宝8 基于匹配 \*]16 滤波器的规则纹 "! 贡玉南， ： 理缺陷检测方法 9 > ; 8 中国图象图形学报， #=="， !（ ’） %#@ A %#( "% 潘洪平 < 董申8 钢球表面质量评价系统用展开轮的理论研究 （ 9 > ; 8 轴承， ： #==" ， "# ） #( A B" "’ C8 Y8 F11,/0< \8 >8 J*T/< F8 V8 >*+4012< F8 >8 C*PM168 I,*,-0,O+*M T6/P M/./M E17/M0 Q16 1]R/+, M1+*,-12 *27 -7/2,-Q-+*,-128 [E*T/ ) "@ 3 U !BB A !@= *27 K-7/1 F1ENL,-2T< "??% ， "( &8 D8 &-E< H8 ^8 &-E< I8 ^8 ILG8 WL,1E*,-+ .-0L*M -20N/+,-12 0P0,/E ,1 7/,/+, Z612TMP *,,*+G/7 +1EN12/2,08 [2,/62*,-12*M F12 Q/6/2+/ 12 I-T2*M J61+/00-2T WNNM-+*,-120 *27 C/+G21M1TP ) [FIJWC_?( 3 < "??( "? [8 &G*271T-2< W8 &LEE/6,< X8 :*-Z*M78 XIJ *MT16-,GE0 Q16 ,G/ *L,1E*,-+ -20N/+,-12 1Q Q-‘-2T 7/.-+/0 1Q 6*-M61*7 M-2/0< [2,/6O 2*,-12*M F12Q/6/2+/ 12 I-T2*M J61+/00-2T WNNM-+*,-120 *27 C/+GO 21M1TP ) [FIJWC_?( 3 < "??( 黄心汉， 王敏8 基于视觉引导和超声测距的运动目标 #= 彭刚， 跟踪和抓取 9 > ; 8 高技术通讯， #==#< "# ) % 3 ： ’@ A ’(< (# #" 孟 丑武胜8 基于手眼视觉的测量与定位方法的 < 王田苗， 研究与实现 9 > ; 8 中国空间科学技术， #==#< "# ) % 3 ： "( A #! 廖学成， 乐静等译8 数字图像处理 9 : ; 8 ## 谷口庆治编8 朱虹， 北京： 科学出版社 < #==# 郑梅生， 颜景平8 视觉引导下的机器人跟踪复杂焊 #B 席文明， 缝的研究 9 > ; 8 东南大学学报， #===< B= ) # 3 ： ’? A (B ) 编辑 第一 A 三作者单位： 广东工业大学 邮政编码： 广州・!"==?= 第四作者单位： 深圳市视觉龙科技有限公司 收稿日期： #==@年@月 文 # 圻3 将会产生不同的识别结果。 分的巨大， 比如分辨率为 !"# $ !"# 的灰度图像的数据 同样分辨率的彩色图像的数据量是 ’%(&。 量为 #!%&， 巨大的数据量需要巨大的存贮空间， 同时不易实现快 速处理。 为了解决视觉所面临的问题， 研究人员不断寻求 新的途径和手段。 比如， 主动视觉 ) *+,-./ .-0-12 3 ， 面向 任务 的视觉 ) ,*04 5 16-/2,/7 .-0-12 3 ， 基 于知识、 基 于模 型的视觉， 以及多传感器信息融合和集成视觉等方法。 合理地使用这些方法不仅可以有效地提高系统的适应 性和鲁棒性， 而且可以求解机器视觉中较难的问题。
’
机器视觉技术存在的问题
对于人类视觉来说， 识别和理解周围场景是一件
非常容易的事， 但对于机器来说， 却是一件很困难的 事。 主要困难体现在如下几方面 ! / # 。 $ 图像多义性 三维场景被投影为二维图像， 深 度和不可见部分的信息被丢失， 因而会出现不同形状 的三维物体投影在图像平面上产生相同图像的问题。 另外， 在不同视角获取同一物体的图像也会有很大的 差异。 ! 环境因素影响 场景中的诸多因素， 包括照 明、 物体形状、 表面颜色、 摄像机以及空间关系变化都 会对生成的图像有影响。
技术， 机器视觉系统的首要目标是用图像创建或恢复 机器视觉是一个 现实世界模型， 然后认识现实世界 H & I 。 相当新且发展十分迅速的研究领域， 并已成为计算机 科学的重要研究领域之一。 机器视觉是在 -( 世纪 J( 年 代从统计模式开始的， 当时的工作主要集中在二维图 像分析和识别上。 通 -( 世纪 K( 年代 ， L4@0A8=（ &%KJ 年 ） 过计算机程序从数字图像中提取诸如立方体、 菱柱体 等各方面的三维结构， 并对物体形状及物体的空间关 系进行描述。 到了-(世纪M( 年代， 已经出现了一些视觉 以 N:2<1 O:AA 教授为代表， 提出了 应用系统。 &%MM 年， 不同于 “ 积木世界 ” 分析方法的计算视觉理论， 该理论 在-(世纪+( 年代成为机器视觉研究领域中的一个十分 重要的理论框架。 可以说， 对机器视觉的全球性研究热潮是从 -( 世 到+( 年代中期， 机器视觉获得蓬勃的 纪+(年代开始的， 发展。 随着光电自动化和计算机技术的 -(世纪%( 年代， 高速发展， 利用机器视觉的快速性、 可重复性、 智能化 和可现场性的特点， 机器视觉在汽车零配件批量加工 的尺寸检查和自动装配的完整性检查、 电子装配线的 元件定位、 印刷电路板的检验等应 PQ 上的字符识别、 用场合得到了具体的应用。
$
机器视觉在制造业中的应用
近几十年来， 在制造业中利用视觉系统的非接触、
速度快、 精度合适、 现场抗干扰能力强等突出的优点， 使机器视觉技术得到了广泛的应用， 取得了巨大的经 济与社会效益。 笔者在大量查阅有关资料的基础上， 对 国内外机器视觉技术应用于制造业的发展作一概述。 , & . 基于产品特征的检查 机器视觉在大批量生 产中， 能快速、 准确、 高效地检测产品的品质， 可大大地 提高生产效率。 通过对被检产品特征的深入研究， 归纳 了以下$ 种基于产品不同特征的检查。 ! 基于产品空间特征的检查 机器视觉在制造业 中通常是检查产品的尺寸是否在容许的范围内或产品
-
机器视觉原理及其视觉系统的组成部分
" 校青年基金资助项目 , 编号： (--(-* . 广东省自然科学基金资助项目 , 编号： ($-*+- .
!"
!""# $ %%
机械制造 9: 卷 第 9;< 期
现状・趋势・战略
是否有正确形状。 这类检查方法主要涉及到被检产品 二维或三维的几何特性， 如形状、 位置、 方向、 圆度等特 征， 也就是空间特征的检查。 在文献 ! " # 中提到印制电 路板（ 上焊点的实时在线检查和分类， 处理的 $%& ） 首先是对获得的图像 $%& 图像包括两个主要的步骤， 进行预处理以减少图像的噪声， 易于后续的焊点跟踪。 然后根据 $%& 上焊点典型的几何特征进行分类， 得出 文献 ! ’ # 采用启发式算法对 $%& 焊点的质量是否合格。 线段进行测量并评估视觉系统检测线段的精度。 文献 ! ( # 用机器视觉技术和自动控制技术对电子网板 （ 彩电 显像管的重要部件 ） 实现高精度和全自动的二维几何 尺寸检测。 文献 ! ) # 利用视觉技术检测电子插件的尺 测量范 寸。 文献 ! * # 介绍利用视觉检测技术的非接触、 围大等特点， 测量无缝钢管的直线度及截面尺寸。 同时 还介绍了一种将坐标测量机 （ 和视觉传感器结 %++） 合在一起的检测系统， 实现了较大范围的扫描测量。 文 献 ! , # 提出并实现了用机器视觉系统对汽车仪表质量 智能检测方法。 试验结果表明， 其绝对检测精度为 相对测量重复精度为12 。 -. -/00， ! 基于产品表面品质特征的检查 通过机器视觉 对产品表面凹陷、 划痕、 裂纹以及磨损的检查或对表面 精度、 粗糙度和纹理的检测， 从而对产品进行有效的评 估或分级。 文献 ! 3 # 介绍运用机器视觉技术对钢板表面 缺陷进行无损检测， 文中提到了美国 %45678 公司开发 的 9: ; 1--- 冷轧带钢表面自动检测系统， 该系统综合 效果可将缺陷检测阈值严格控制在带钢正常表面象素 达到高于其它检测系统中1. ( < 值偏差的 /. - < /. )倍， 文献 ! /- # 介绍一种测量和评估加工工件 ". -倍的水平。 表面粗糙度的方法。 文献 ! // # 介绍基于机器视觉的铜 箔基板疵点在线检测系统， 达到了在线检测的要求。 文 分析刀具磨损状态， 并对 献 ! /1 # 探讨用机器视觉检测、 刀具磨损情况作出预报， 通过实验验证并得到预期的 效果。 文献 ! /" # 介绍轴承滚子表面缺陷的机器视觉检 测系统对 !/- < !1-00 的圆柱滚子进行表面缺陷检 测， 可检出的最小裂纹宽度为 1- < "-"0， 并能在被测 表面有少量油污的情况下对大部分表面缺陷进行有效 的分选。 文献 ! /’ # 提出基于平面 %%= 的瓷砖产品的表 面质量检测的准则和方法。 文献 ! /( # 在对图像进行功 率谱分析的基础上， 根据人眼的视觉原理， 设计了两类 匹 配 >?@4A 滤 波 器 ， 对表面纹理缺陷进行检测。 文献 ! /) # 在计算机图像处理理论与模式识别理论的基础 上， 提出了钢球表面缺陷评价方法， 给出二窗法确定阈 值、 噪声去除和轮廓跟踪方法， 再从处理后的图像中提 取能表征缺陷性质的几何特征和纹理特征， 以实现计 算机对缺陷图像的理解和自动识别。 # 基于产品结构特征的检查 在生产线上， 通过 机器视觉能准确地检查产品是否丢失零部件 （ 如螺钉、 铆钉等 ） 或检查产品是否混有外物、 杂质。 文献 ! /* # 提 首先用一个合格的产品建立 到 $%& 元件构件的检测， 一个模板， 再用标准模板与被检查产品的图像相减， 得 到相减的图就可以判断电子元件的装配是否可接受。 文献 ! /, # 采用模板匹配方法实时在线检测汽车装配过 程中的异物出现情况。 通过专业操作人员选择一辆汽 车的四幅图像作为相应的模板， 然后由检测系统自动 分析， 这只是整个汽车装配线自动检测的一部分， 另外 一部分是检测汽车的门是否开还是关的状态。 文献 ! /3 # 应用滤波技术检测铁轨上的夹具和用神经网络算 法（ 检测螺丝。 BB:） C 1 D 机器视觉用于机器人的研究 在制造业， 机器 视觉也已应用于机器人， 为机器人建立视觉系统， 使得 机器人能更灵活、 更自主地适应所处的环境， 以满足在 柔性生产方式中对自动定位、 装配、 搬运和自动焊接的 需要。 文献 ! 1- # 提出一种基于视觉引导和超声测距的 文 手 ; 眼机器人系统对运动目标的跟踪和抓取方法。 献 ! 1/ # 提出一种基于手 ; 眼视觉的测量与定位方法， 可以判断未知目标物体是否可抓持以及为进行抓持规 划提供有效依据。 在重复定位任务中， 该方法可以利用 目标物体的先验信息快速定位从而避免频繁移动手 首先 臂。 文献 ! 11 # 介绍一种自动搬运冲压零件机器人。 用线状光投影方法， 除去金属表面的镜面反射所产生 同 时 计 算物 体 上 "= 位 置 向 量 、 法线向 的 伪 "= 信 息， 量， 最后检测出物体的某个面信息。 从检测出的面信息 中再检测出可保持稳定的位置， 利用真空吸盘吸起物 体进行搬运， 实现机器人高速且稳定地搬运工件。 文献 ! 1" # 介绍一种通过视觉引导的机器人跟踪复杂焊接的 应用。 利用双摄像机拍摄的图像求得焊缝上的空间点， 然后根据焊接要求的速度对空间点进行直线插补。 实 验表明， 由于使用视觉系统使得焊缝精度提高， 跟踪过 程简单迅速。
!"#$%&’$( "/0 10203456078 49 8/0 6:;/<70 2<=<47 80;/7<>?0 :71 8/0 @:=<; 5A<7;<530 :71 =8A?;8?A0 49 8/0 6:;/<70 2<=<47 =B=806 :A0 5A0=07801 <7 8/<= 5:50AC "/0 :553<;:8<47 49 8/0 6:;/<70 2<=<47 80;/7<>?0 <7 6:7?9:;8?A<7D <= :7:3BE01 <7 8F4 :=50;8=G <C 0C 8/0 <7=50;8<47 @:=01 47 8/0 5A41?;8 90:8?A0= :71 8/0 2<=<47 D?<1<7D 49 8/0 A4@48C "/0 5A4@306= <7 8/0 6:;/<70 2<=<47 80;/7<>?0 :71 8/0<A =43?8<47= :A0 1<=;?==01 :71 8/0 5A4=50;8 49 :553<;:8<47 49 8/0 6:;/<70 2<=<47 D<207 9<7:33BC )*+ ,-%.#( /&’012* 31#1-2 4%-.5’$ 6*&$5%* 31#1-2 751.128
现状・趋势・战略
机器视觉及其在制造业中的应用
!
摘
"
颜发根
!
刘建群
!
陈
新
!
丁少华
要 ! 介绍机器视觉技术的发展、 机器视觉原理和机器视觉系统的组成部分。 从基于产品特征的检查和机器人的
视觉引导这两个方面， 概述机器视觉技术在制造业中的应用， 并探讨机器视觉技术存在的问题和解决方法， 最后对机器视 觉的应用前景进行了展望。 关键词： 机器视觉 中图分类号： "#$%& 产品特征 视觉引导 文献标识码： ’ 文章编号： &((( ) *%%+ , -((* . && ) ((-+ ) ($
&
机器视觉技术的发展
机器视觉是研究用计算机来模拟生物视觉的科学
机器视觉系统通常由光源部分、 QQN 图像传感器、 装有 图像采 集卡的计 算机和 专用的 图像 处理软 件组 成。 通过 QQN 图像传感器采集图像 （ 目标 ） ， 把目标的 三维图像采集为二维图像， 通过光信号转换成电信号， 即所谓的模拟信号； 再由图像采集卡把电信号转化成 数字信号， 供计算机处理。 一般来说， 机器视觉系统为 了避免环境自然光线或灯光对其工作状态的影响， 光 源应亮度大、 亮度可调、 均匀性好及稳定性高， 以抑制 外界环境各种光对图像质量产生较大影响而导致机器 视觉系统的故障或误判行为 H - I 。 常用的 QQN 图像传感 一种为面阵 QQN。 基 器有两种形式， 一种为线性 QQN， 于 #Q 机的机器视觉系统， 图像采集卡具有图像信号 接收与 ’ R N 转换、 协调摄像机进行同步或实现异步重 置拍摄和定时拍摄、 通过 #Q 总线进行高精度数据传 输、 专用图像处理软件完成对图像的处理与分析。