机器视觉系统的典型结构

Question

如题所述

Answer 1

一个典型的机器视觉系统包括以下五大块： FOV（Field of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）
镜头选择应注意：
①焦距②目标高度 ③影像高度 ④放大倍数 ⑤影像至目标的距离 ⑥中心点 /节点⑦畸变
视觉检测中如何确定镜头的焦距
为特定的应用场合选择合适的工业镜头时必须考虑以下因素：
· 视野 - 被成像区域的大小。
· 工作距离 (WD) - 摄像机镜头与被观察物体或区域之间的距离。
· CCD - 摄像机成像传感器装置的尺寸。
· 这些因素必须采取一致的方式对待。如果在测量物体的宽度，则需要使用水平方向的 CCD 规格，等等。如果以英寸为单位进行测量，则以英尺进行计算，最后再转换为毫米。
参考如下例子：有一台 1/3” C 型安装的 CDD 摄像机（水平方向为 4.8 毫米）。物体到镜头前部的距离为 12”（305 毫米）。视野或物体的尺寸为2.5”（64 毫米）。换算系数为 1” = 25.4 毫米（经过圆整）。
FL = 4.8 毫米 x 305 毫米 / 64 毫米
FL = 1464 毫米 / 64 毫米
FL = 按 23 毫米镜头的要求
FL = 0.19” x 12” / 2.5”
FL = 2.28” / 2.5”
FL = 0.912” x 25.4 毫米/inch
FL = 按 23 毫米镜头的要求
注：勿将工作距离与物体到像的距离混淆。工作距离是从工业镜头前部到被观察物体之间的距离。而物体到像的距离是 CCD 传感器到物体之间的距离。计算要求的工业镜头焦距时，必须使用工作距离 按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD和面阵CCD；黑白相机和彩色相机。

Answer 2

机器视觉系统包含多个部件，如果要进行机器视觉系统的开发，团队人员需要懂机械工程、电子工程、光学工程、软件工程等方面的知识，机器视觉系统需要多个方面人才的合作才能完成。其中的每一部分都机器视觉系统的成功都至关重要。比如，光源打光的好坏，直接影响到图像的质量，这个光源也不是那么简单，需要懂得各种打光的技巧，需要知道各种形状、颜色的光源的应用场景。剔除机构要能够和检测结果很好的配合，不然，很可能把正确的检测结果给剔除掉了。图像采集部分需要懂软件工程，一般讲图像采集和图像处理分为两个线程来实现，这时候又要保证检测的结果与剔除执行机构一致。所以，要成功实施机器视觉系统还是比较复杂的。

Answer 3

计算机PC平台、光源、 工业相机、镜头、图像处理单元（图像采集卡）、图像处理软件、监视器、通讯 / 输入输出单元等。

想了解更多机器视觉相关内容可登录：www.51camera.com.cn网页链接