機器視覺相關技術
1、圖像采集技術——機(ji)器視覺的基礎
圖像采集部分一般由光源(yuan)、镜头、数字摄像機(ji)和圖(tu)像采集卡構成。采集過程可簡單描述為在光源提供照明的条件(jian)下，数字摄像機拍摄目(mu)標物體並將(jiang)其轉化為圖像信號，最后通過(guo)圖像采集卡傳輸給圖像處理部分(fen)。在設計圖像采集部分時，要考虑到多方面(mian)的問題(ti)，主要是關於数字摄像(xiang)機(ji)、圖像(xiang)采集卡和光源(yuan)方面的問題。
（1）光源照明
照明是影響機器視覺系統輸入(ru)的重要(yao)因素，其直接影響輸入数據的質量和(he)應用效(xiao)果。到目(mu)前(qian)為止，還未有(you)哪種機器視覺照明設(she)備能通用各種應用，因此在實际(ji)應(ying)用中，需针對應用選擇相應的照明設備以满足特(te)定需求(qiu)。
照明系統按其照射方(fang)法可分為(wei):背向照明、前向照明、結構光(guang)和頻闪光照明(ming)等。其中(zhong)，背向照明是(shi)指將被測物放在(zai)光源和摄像機之間，以提(ti)高圖像的對比度。前向照明(ming)是光源和摄像機位於(yu)被測物的同侧，其優點是便於安(an)裝。結構光照明是將光(guang)栅或線光源等投射到被測(ce)物上，並根據其產生的畸變，解調(diao)出被測物的三維信息。頻闪光照明是將高頻率的(de)光脉冲照射到(dao)物體上，摄像機拍(pai)摄要求與光源同。
（2）光學摄像头
光(guang)學摄像头的任務就是進行光(guang)學成像，一般(ban)在測量(liang)领域都又專門的用於測量的摄像镜头，因為其對成(cheng)像質量有着關键(jian)性的作用。摄像头需(xu)要注意的一個問題(ti)是畸變。这個就需要使用相應的畸變校正方法，目前也開发出了很多(duo)自動畸變自動校(xiao)正系統。
（3）CCD 摄像機及圖像采集卡
CCD( Charge Coupled Device) 摄像機及圖像采集卡共同(tong)完成對目標圖像的采集與数字化(hua)。目前 CCD，CMOS等固體器件的(de)應用技術，線阵圖型敏(min)感器件(jian)，像元尺寸不断减(jian)小，阵列像元数量不断(duan)增加，像元電荷傳輸速率也得到大幅(fu)提高。在基於PC機的機器視覺系統(tong)中，圖像采集卡是控製摄像(xiang)機(ji)拍照來完成圖像的采集與数字化，並协(xie)調整個系統的重要設備。
圖像采集卡直接決定了摄像头的接口為：黑白、彩色、模擬(ni)、数字等形式。
2、圖(tu)像處(chu)理與分析——機器(qi)視覺的(de)核心
用於機(ji)器視覺的圖(tu)像處理與分析方法的核心是，解決目標的檢測识別問題。当所需要识別的目標比较复(fu)雜時，就需要通過几個環(huan)節，从不同的(de)侧面綜合來實現。
對目(mu)標進行识別提取的時(shi)候，首先是要考虑(lv)如何自動地將目標物从背景中分离出來(lai)。目標物提取的复雜性一般就(jiu)在於目標物與非目標(biao)物的特征差异不是很大，在確定了目(mu)標提(ti)取方案后，就(jiu)需要對目標特征(zheng)進行增強。
随着計算機技(ji)術、微電子技術以(yi)及(ji)大規模集成電路的发展，圖像信息處(chu)理工作越(yue)來越多地借助硬件完成，如 DSP 芯片、專(zhuan)用的圖像信號處(chu)理卡等。软件部分主要用來完(wan)成算法中並不成熟又较复雜或需不断完(wan)善改進的部分。这一方面提(ti)高了系統(tong)的實時性，同時又降(jiang)低了系統的复雜(za)度。
機(ji)器視覺技術遇到(dao)的問題
對於(yu)人類來說(shuo)，识別和理解周围場景是一件非常容易的事，但對(dui)於機器人(ren)來說，卻是一件很困难的事。主要困难(nan)有一下几個方面：
（1） 稳定性問題
現實中的環境(jing)因素是多變(bian)的，場景中的诸多因素，包括照明(ming)、物體形(xing)状、表(biao)面顏色、摄像機以及空間關系變化都會對(dui)生成的圖像有影(ying)響。比如用(yong)於智能交通檢測的(de)設備，如何保(bao)證其在恶劣天氣下依旧保持较高的稳(wen)定性就是一個很难解決的問題。
（2）構造出性能良好的识別算法
圖(tu)像處理與分析技術是機器視(shi)覺的核心，所以構(gou)造出一個良好的、適應相關领域應用的识別算法顯得尤(you)為重(zhong)要。而且現在的應用领域越來越要求檢測(ce)設備具有準(zhun)確、高速地识別出目標的能力，如果(guo)我們(men)不能構造出一個更好的识別算法，就不能(neng)適應不(bu)断增长的需求。
（3）数據量大
機器視覺所获取的数據量非常非常大(da)的(de)。比(bi)如用於手(shou)機上的人脸识別功能，识別一次要投射(she)多(duo)大几萬個紅外線點，这(zhe)是一個庞大的数(shu)據。再(zai)比如交通檢測方面看，一天累积下來的数(shu)據量也是惊人的。所以如何處(chu)理如此大的信息量是個(ge)难題。不過随着(zhe)硬件技術的发展(zhan)，这個問題(ti)將來會逐步得到解決。
