東莞市瑞智光電科技有限公司
專注于機器視覺、AI人工智能、激光、視覺檢測設備！
專注于機器視覺、AI人工智能、激光、視覺檢測設備！
2020-05-27 14:25:20 責任編輯： m.ranpm.com 0
機器視覺是通過光學設備和非接觸式傳感器自動接收和處理真實物體的圖像，以獲得需要的信息或用于控制機器人/機械運動的設備。
機器視覺最早是在1960年代提出的。直到1980年代和1990年代，機器視覺才迎來了蓬勃的發展，而在21世紀之后，機器視覺技術進入了成熟時期。
根據公開數據，2018年，全球用于工業自動化領域的機器視覺技術市場規模達到44.4億美元，預計2023年將達到122.9億美元，復合年增長率為21％。
與全球機器視覺產業相比，中國的機器視覺相關產業起步較晚，但發展迅速。從2011年到2019年，中國的機器視覺市場已從10億元躍升至100億元，并保持每年兩位數的增長速度。目前，我國已成為僅次于美國和日本的世界第三大機器視覺市場。
2020年新冠疫情的爆發，雖然對整個行業產生了一定影響，但卻成了機器視覺最大的“訓練場”，如：無人機噴灑消毒、機器人非接觸式配送等，加速了公眾對機器人的認知，從長遠來看，這無疑將加速機器視覺行業的發展進程，各個行業將使用機器視覺的功能特性更加多樣化，這將促進該行業的全面升級。
一、導航和定位
實際上，對于人眼來說，導航和定位是通過兩只眼睛確定目標對象的相對位置和絕對位置。對于機器，它需要創建一對“眼睛”——3D視覺。
對于3D視覺，首先要談談3D視覺的測量原理。當前市場上有四種主要的3D視覺測量技術：雙目視覺，TOF，結構光和激光三角測量。
1、雙目技術，目前是相對廣泛的3D視覺系統。它的原理就像我們的兩只眼睛，用兩個視點觀察同一景物以獲得不同視角的感知圖像，然后使用三角測量原理計算圖像的視差以獲得景物的三維信息。
雙目視覺對硬件的要求較低，因此可以在一定程度上控制成本。但是，它對環境照明非常敏感。受環境因素的影響，例如照明角度和照明強度的變化，將導致所拍攝圖片的亮度差異很大，這無疑增加了算法的要求。另外，相機基線（兩個相機之間的距離）限制了測量范圍。測量范圍與基線有很大關系：基線越大，測量范圍越遠；基線越小，測量范圍越近。
雙目視覺的優缺點決定了它更適合在生產現場的在線，產品檢測和質量控制。當然，某些產品也使用此技術原理，例如基于slam算法導航和定位的終端產品，體感攝像頭等。
2、TOF（全名：TimeOfFlight）飛行時間成像技術，其原理是連續向目標發射光脈沖，然后使用傳感器接收從物體返回的光，通過探測光脈沖的飛行時間來獲得目標物距離。
TOF的核心組件是光源和光接收模塊。它不需要類似雙目視覺算法即可進行計算。它可以通過特定公式直接輸出對象的深度信息。因此，它具有響應速度快，軟件簡單，識別距離長的特點。因為不需要獲取和分析灰度圖像，所以它不受外部光源的表面特性的影響。但是，TOF技術的缺點是分辨率低且無法精確成像。
這就決定了TOF技術更適合于遠程3D信息收集。最常見的是自動駕駛領域的激光雷達。但是，由于自動駕駛行業的發展特點，該領域的激光雷達公司并不多。主要公司已經占領了市場份額，后來進入者的市場門檻已經很高。近年來，隨著掃地機器人在ToC市場中的市場份額不斷增長，許多公司正在考慮使用TOF技術進入該領域，并在其中占有一定份額。但是，TOF技術公司面臨的主要問題是如何降低成本，讓我們拭目以待。
3、結構光技術，該技術是通過一個光源投射聘束結構光，打到要測量的對象上，因為不同的對象具有不同的形狀，這將導致由于一些條紋或斑點而導致的不同變形。發生這種變形后，就需要通過算法計算出距離，形狀，大小和其他信息，以獲得物體的三維圖像。
結構光技術不需要使用非常精確的時間延遲來測量，而且解決了雙目匹配算法的復雜性和魯棒性問題，因此具有計算簡單，測量精度高的優點。而且由于沒有明顯的紋理和形狀變化，因而同樣可以精確測量，因此越來越多的行業應用使用結構光技術。最常見的一種是手機的面部識別。
4、激光三角測距技術，也是一種幾何測量方法。本質上，它使用物體之間的三角幾何關系進行距離測量。典型的應用是使用激光作為光源的測量方案，該方案也基于光學幾何原理，并根據光源、物體和檢測器三者之間的幾何成像關系確定空間物體各點的三維坐標。
這種方法通常使用激光作為光源，并使用CCD/CMOS相機作為檢測器，具有結構光3D視覺的準確，快速和低成本的優點。根據幾何原理的計算，被測物體越近，CCD/CMOS上的位置差別越大，分辨率和精度越高。所以這種測量法在中近距離下的精度很高，特別適合中近距離測距，已成為室內機器人測距定位的首選。
二、外觀檢查
外觀檢查是通過圖像處理技術完成的。圖像處理實際上是圖像信息的計算機處理。
圖像處理的主要目的是三個方面：提高圖像的視感質量，提取圖像中包含的某些特征或特殊信息，對圖像數據進行轉換，編碼和壓縮，以便于圖像的存儲和傳輸。而這些是檢查生產線上產品質量問題的最佳應用，這個環節也是替代勞動力的最重要部分。
此外，它在其他領域也有應用，例如生成原始圖像的預覽圖，將相機安裝在汽車或無人駕駛飛機上以及使用圖像處理技術來處理相機拍攝的照片。
三、識別
從字面上可以看出，識別是一個認識加辨別的過程，需要對機器進行類似人的判斷。因此，識別主要通過圖像處理和深度學習的融合來實現此功能。
圖像處理把外部對象的信息轉換為機器語言，然后通過視覺感知完成信息的輸入。這個過程本質上是機器學習的過程，將兩者疊加融合以使識別功能智能化。最常見的應用是人臉識別和無人駕駛。
四、高精度檢測
高精度檢測實際上與第一個導航和定位功能原理相同。不同之處在于，它可能會把多種測量技術融合在一起，以形成一個高精度的檢測系統。
因為使用高精度檢測的行業通常在諸如精密加工和高端工業制造之類的高要求行業中，所以要求檢測精度達到um級。這些是人眼無法檢測到的，必須由機器完成。這也已成為工業4.0時代工業自動化的關鍵應用。
人工智能和“中國制造2025”戰略的深入下行，勢必給機器視覺需求帶來持續增長。
機器視覺是一個技術密集型產業。核心技術的積累和持續的技術創新是企業獲得競爭優勢的關鍵因素之一。我們期待出現更多的行業杰出人士，為整個行業的發展做出貢獻。
