機(jī)器視覺中獲得3D圖像的幾種方法詳細(xì)資料說明

近年來，機(jī)器視覺技術(shù)變得越來越復(fù)雜，工業(yè)領(lǐng)域的圖像處理更多的專注于3D傳感器，而且越來越多的技術(shù)已經(jīng)完善并且投入到實際應(yīng)用中，包括焊縫的檢測，以及在生產(chǎn)過程中對未分類部件進(jìn)行倉揀或精確測量金屬板?？梢哉f，機(jī)器視覺已經(jīng)轉(zhuǎn)向了3D。

在過去的幾年里，點云評估和測量軟件也得到了快速地的發(fā)展：從單一的圖像數(shù)據(jù)轉(zhuǎn)換成點云數(shù)據(jù)，對點云數(shù)據(jù)進(jìn)行測量，計數(shù)和點云匹配。

正如圖像處理行業(yè)的大多數(shù)玩家所知道的，獲得3D圖像有幾種不同的方式。

3D成像

正如圖像處理行業(yè)的大多數(shù)玩家所知道的，獲得3D圖像有幾種不同的方式。

激光三角測量法

最傳統(tǒng)的激光三角測量法，這種方法可用于木材，橡膠和輪胎等垂直領(lǐng)域，以及汽車和軸的測量，金屬和鑄鐵工業(yè)或其他應(yīng)用如道路表面的測量。

對于激光三角測量，需要在結(jié)構(gòu)化光源（如激光線投影）上精確校準(zhǔn)相機(jī)，以確保即使在高環(huán)境溫度下也能獲得高于1kHz的高采樣率。通常測試對象在3D傳感器下方移動以捕獲3D點云。這意味著攝像機(jī)將檢測投射到物體上的激光線，并根據(jù)激光線輪廓計算高度信息。在相機(jī)下移動物體時，會創(chuàng)建多個配置文件，用于完成三維圖像。典型的設(shè)置包含一個激光器，它直接位于測試對象和相機(jī)之間，相機(jī)與激光器成30°角安裝。但是激光和相機(jī)的其他角度組合也是可以的。例如，為了獲得更準(zhǔn)確的高度分辨率，相機(jī)和激光之間的角度可以加寬。但必須注意的是，角度越小，進(jìn)入照相機(jī)的光就越多，評估結(jié)果就會更穩(wěn)定。

現(xiàn)在有越來越多的軟件可以處理3D圖像數(shù)據(jù)。該軟件可以將捕獲的數(shù)據(jù)轉(zhuǎn)換為點云，可以直接進(jìn)行比較，使分析變得更加容易。

條紋投影法

除了激光三角測量方法之外，還有一種稱為“條紋投影”的方法?；驹硪彩侨菧y量，但是測試對象的整個表面都是用一次拍攝捕捉的。激光將光投射到條紋圖案中，因此物體不必在傳感器下方移動。光線從30°角投射到物體上，相機(jī)正對下方物體。

測量范圍可以從不到一毫米縮放到一米以上，但分辨率也可以相應(yīng)地變化。由于其測量速度快，分辨率高，條紋投影可以用于小型和大型測試物體，在工業(yè)檢查中，應(yīng)用于包括形狀偏差檢查，完整性檢測，組件部件位置或體積測量等。但需要注意的是，條紋投影對周圍的光很敏感。

3D立體相機(jī)

3D立體相機(jī)是另一種方法。它已經(jīng)存在多年，越來越多地用于機(jī)器人或調(diào)試應(yīng)用。立體圖像處理使用與人眼相同的原理即立體偏移。為了獲得3D圖像，該方法采用兩臺相機(jī)。但由于測試對象并不總是具有相同的特定特征，因此經(jīng)常使用隨機(jī)模式投影。

ToF（time-of-flight）

幾年前，據(jù)說在所有的方法中，ToF（time-of-flight）方法由于其分辨率有限而不適用于工業(yè)用途。大多數(shù)ToF相機(jī)的分辨率低于VGA，z分辨率相對較低，重復(fù)精度以厘米為單位。但是市場上已經(jīng)有一些像素為百萬像素的相機(jī)。ToF（time-of-flight）相機(jī)使用類似于雷達(dá)工程的技術(shù)。集成照明發(fā)送一個紅外脈沖，傳感器測量反射光所需的時間。近來越來越多的用于3D物體檢測，但不能用于精確的測量。越來越多的應(yīng)用領(lǐng)域是裝載和卸載機(jī)器人托盤。

深度學(xué)習(xí)

處理機(jī)器視覺的軟件，在3D視覺中扮演著重要角色，它就像3D的“大腦”一樣，但它是否像人腦一樣學(xué)習(xí)？如何訓(xùn)練它？

傳統(tǒng)的方法當(dāng)然是以這樣的方式對軟件進(jìn)行編程，即檢查程序檢測不良部件，每個偏離編程的特點是一個壞的部分，然后就是用軟件對好壞部分的圖像進(jìn)行訓(xùn)練。

我們也可以用深度學(xué)習(xí)的方式來處理。深度學(xué)習(xí)只是人工神經(jīng)網(wǎng)絡(luò)（簡稱ANN）的另一個名稱，但卻是一個更精致，更簡單的化身。他們已經(jīng)存在了40多年。

人工神經(jīng)網(wǎng)絡(luò)通常表示為互相交換信息的相互連接的“神經(jīng)元”系統(tǒng)。這些連接具有可根據(jù)經(jīng)驗進(jìn)行調(diào)整的數(shù)字權(quán)重，使神經(jīng)網(wǎng)絡(luò)適應(yīng)輸入并能夠?qū)W習(xí)。

由于它在目標(biāo)函數(shù)非常復(fù)雜且數(shù)據(jù)集很大的應(yīng)用程序中的表現(xiàn)令人滿意，它已經(jīng)成為機(jī)器學(xué)習(xí)的一個發(fā)展趨勢。

在深度學(xué)習(xí)中，人工神經(jīng)網(wǎng)絡(luò)可以自動提取特征。我們不需要拍攝圖像和手動計算如顏色分布，圖像直方圖，不同的顏色計數(shù)等，我們只需要在ANN中提供原始圖像。

機(jī)器視覺行業(yè)對3D成像以及人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的新可能性寄予厚望，讓我們拭目以待。