机器视觉系统原理及基础知识1.机器视觉系统的原理机器人视觉的目标与任务1、定义：研究用机器人来模拟人和生物的视觉系统功能。2、目标：使机器人具有感知周围视觉世界的能力。让机器人具有对周围世界的空间物体进行传感、抽象、判断的能力，从而达到识别、理解的目的。3、任务：图象的获取、预处理、图象分割与表示与描述、识别与分类、三维信息理解、景物描述、图象解释。红色部分就构成了图像分析的研究内容。机器视觉系统结构照明光源好的打光方式等于成功了一大半光源调制目标信息后传递探测器给（将目标想成我们自己）探测器所获得的光线必须包含足够的信息以便分离感兴趣的主要特征信息，并便于处理器将它们区分开来(光源是基准，打光有技巧）我们的目标就是最大化感兴趣区域的特征同时抑制其他的特征（噪声）照明规则镜头－影响图像质量的因素镜头－常见光学镜头的种类按其它性能划分固定焦距镜头变焦镜头自动变焦手动变焦不同接口方式的镜头C接口（后截距17.526mm）CS接口（后截距12.5mm）F接口（尼康口）M42其它：哈苏、徕卡、AK远心镜头􀂋在测量系统中，物距常发生变化，从而使像高发生变化，所以测得的物体尺寸也发生变化，即产生了测量误差；􀂋即使物距是固定的，也会因为CCD敏感表面不易精确调整在像平面上，同样也会产生测量误差。􀂋采用远心物镜中的像方远心物镜可以消除物距变化带来的测量误差，而物方远心物镜则可以消除CCD位置不准带来的测量误差。远心镜头的优点：􀂙没有视差畸变􀂙是尺寸测量的理想镜头􀂙可以在工作距离变化的条件下精密测量下面的观点也是不对的：􀂙远心镜头景深长􀂙只有远心镜头才能完成精密测量远心光路成像是机器视觉中一个很重要的原理。但是它有一个很大的缺点，那就是远心镜头的口径至少要与需要观察的物体尺寸相等或更大。这也是为什么远心镜头非常贵的原因之一。镜头畸变摄像机摄像机—计算机接口图像处理系统计算机视觉的任务与工作流程机器视觉及图像处理常用算法：一、视觉处理过程及方法预处理、分割、特征抽取、识别从图（a）到（f）分辨率依次为512×512，灰度级依次为256，64，16，8，4，2。从图（a）到（f）依次为：256×256，128级灰度；181×181，64级灰度；128×128，32级灰度；90×90，16级灰度；64×64，8级灰度；45×45，4级灰度。按照图像识别从易到难，可分为三类问题。第一类识别问题:图像中的像素表达了某一物体的某种特定信息。如遥感图像中的某一像素代表地面某一位置地物的一定光谱波段的反射特性，通过它即可判别出该地物的种类。第二类问题:待识别物是有形的整体，二维图像信息已经足够识别该物体，如文字识别、某些具有稳定可视表面的三维体识别等。但这类问题不像第一类问题容易表示成特征矢量，在识别过程中，应先将待识别物体正确地从图像的背景中分割出来，再设法将建立起来的图像中物体的属性图与假定模型库的属性图之间匹配。第三类问题:是由输入的二维图、要素图、2·5维图等，得出被测物体的三维表示。这里存着如何将隐含的三维信息提取出来的问题，当是今研究的热点。二、图像分析的关键技术1、低层处理的图象分割算法不稳定，很难把物体在图象中相应位置截然分割开来；2、从平面图象出发发现立体信息（病态问题）；3、大规模并行图象处理；三、图像分析的相关学科属于计算机学科，但它的基础知识来自神经生理学、认知心理学、物理学、数学等经典学科，它又与计算机学科中的图象处理、模式识别、人工智能等学科有着不可分离的关系。图像分析是一门多学科的交叉。四、图像分析的发展历程1、图像分析的兴起(1964年――1970年)以改善图像质量为目标的计算机图像处理得到蓬勃发展。2、图像分析的发展(1970年――1980年）围绕着纹理分析、图像编码、图像分割和滤波等问题的实验研究，也取得重大突破。3、图像分析的困惑(1980年至现在)即着眼于对图像的识别和理解。对图像的分析与处理，也由静止转向运动，由二维转向三维。图像分析处理所面临的根本性困难有：①所处理的信息量大得惊人；②图像都是非常模糊和歧义的；③由于人脑的视觉功能同样是有许多关键的规律有待于揭示；④人与机器的组织结构、工作机理不同。多个摄像头图象融合