《维机器视觉及其应用ppt课件》由会员分享，可在线阅读，更多相关《维机器视觉及其应用ppt课件（37页珍藏版）》请在金锄头文库上搜索。
1、三维机器视觉及其运用三维机器视觉及其运用机器视觉机器视觉l计算机视觉是采用图像处置、方式识别、计算机视觉是采用图像处置、方式识别、人工智能技术相结合的手段人工智能技术相结合的手段, ,着重于一幅着重于一幅或多幅图像的计算机分析。或多幅图像的计算机分析。l机器视觉偏重于计算机视觉技术工程化机器视觉偏重于计算机视觉技术工程化, ,可以自动获取和分析特定的图像可以自动获取和分析特定的图像, ,以控制以控制相应的行为。相应的行为。l双目被动视觉双目被动视觉l构造光自动视觉构造光自动视觉l双目自动视觉双目自动视觉三维机器视觉主要方法三维机器视觉主要方法双目被动视觉双目被动视觉l双目被动视觉传感器普通由两
2、台性能一样的双目被动视觉传感器普通由两台性能一样的CCDCCD摄像机组成，基于视差原理，可完成视场摄像机组成，基于视差原理，可完成视场内的一切特征点的三维丈量。内的一切特征点的三维丈量。l摄像机内部参数经过标定后，处于任何位置，摄像机内部参数经过标定后，处于任何位置，相对坚持恒定，因此可以离线标定。而传感器相对坚持恒定，因此可以离线标定。而传感器的构造参数，即两个摄像机之间的位置关系，的构造参数，即两个摄像机之间的位置关系，随摄像机的摆放位置和方向的不同发生变化，随摄像机的摆放位置和方向的不同发生变化，它们的构造容易受传感器固定安装的影响，所它们的构造容易受传感器固定安装的影响，所以需求在线标
3、定。以需求在线标定。 双目被动视觉传感器数学模型双目被动视觉传感器数学模型构造光自动视觉构造光自动视觉双目自动视觉双目自动视觉国内外研讨热点国内外研讨热点l建立更加合理的视觉检测模型建立更加合理的视觉检测模型l建立有效的标定方法建立有效的标定方法l建立高精度标定点产生方法建立高精度标定点产生方法l建立有效的通用的图象处置方法建立有效的通用的图象处置方法l图象采集与处置实时化方法图象采集与处置实时化方法l多视觉传感器的世界坐标系一致多视觉传感器的世界坐标系一致标定点发生方法标定点发生方法传统方法传统方法l规范靶尺法规范靶尺法 l标定点是靠光平面与规范靶尺上的特征的边缘标定点是靠光平面与规范靶尺上
4、的特征的边缘的交点提供的，因此，边缘的光反射会呵斥标的交点提供的，因此，边缘的光反射会呵斥标定点提取的误差。定点提取的误差。l要保证规范靶尺与单向挪动台的严厉垂直。这要保证规范靶尺与单向挪动台的严厉垂直。这在实践操作中很难做到，必然会引进由于不垂在实践操作中很难做到，必然会引进由于不垂直所产生的误差。直所产生的误差。l要保证单向挪动台的挪动方向与激光面的法向要保证单向挪动台的挪动方向与激光面的法向垂直。这在实践操作中很难做到，必然会引进垂直。这在实践操作中很难做到，必然会引进由单向挪动台挪动方向和激光面的夹角所产生由单向挪动台挪动方向和激光面的夹角所产生的误差。的误差。l不能实现标定点图像位置
5、的高精度提取。不能实现标定点图像位置的高精度提取。 拉丝法拉丝法1.1.不能实现标定点图像位置的高精度提取。不能实现标定点图像位置的高精度提取。2.2.两台电子经纬仪获取标定点物坐标的精度较低。两台电子经纬仪获取标定点物坐标的精度较低。l规规范范量量块块法法或或称称为为微微分分法法 规规范范量量块块法法与与规规范范靶靶尺尺法法类类似似，只只不不是是用用规规范范量块替代了规范靶尺。量块替代了规范靶尺。单视觉传感器标定点发生方法单视觉传感器标定点发生方法 双视觉传感器标定点双视觉传感器标定点发生方法发生方法传统方法传统方法拉丝法 l不能不能实现标定点定点图像位置的高精度提取。同像位置的高精度提取。
6、同时两台两台电子子经纬仪获取取标定点物坐定点物坐标的精度的精度较低，低，普通在普通在0.05mm0.05mm左右。左右。l在两个在两个视觉传感器相感器相对放置的情况下，由于放置的情况下，由于“盲区盲区问题，不能直接，不能直接产生生标定点，而是定点，而是经过两台两台电子子经纬仪的挪的挪动来来实现，因此呵斥了丈，因此呵斥了丈量量误差。差。l需求多次坐需求多次坐标系的系的转换，在坐，在坐标系的系的转换过程程中必然中必然损失掉一些丈量精度。失掉一些丈量精度。双视觉传感器标定点发生方法双视觉传感器标定点发生方法标定点数据的全局一致标定点数据的全局一致 安装偏角的丈量方法安装偏角的丈量方法 l在双向光在双
7、向光电瞄准安装的上外表做一瞄准安装的上外表做一标志，并在双向光志，并在双向光电瞄准安装的上方放置一瞄准安装的上方放置一摄像机。像机。l摄像机自上而下采集双向光像机自上而下采集双向光电瞄准安装的上外表瞄准安装的上外表图像，像，经图像像处置便可得到瞄准安装的置便可得到瞄准安装的轴线。l控制挪控制挪动台沿台沿Z Z向挪向挪动，每挪，每挪动一定的一定的间隔，隔，摄像机自像机自上而下采集双向光上而下采集双向光电瞄准安装上外表瞄准安装上外表标志的志的图像，像，经图像像处置便可得到置便可得到标志点的位置。挪志点的位置。挪动台不断沿台不断沿Z Z向挪向挪动，这样便可便可获得得标志点一系列的位置，采用志点一系列
8、的位置，采用这些位些位置点置点进展直展直线拟合，便可得到挪合，便可得到挪动台台Z Z向向轴线的的图像直像直线方程。方程。l由得到的瞄准安装的由得到的瞄准安装的轴线和挪和挪动台台Z Z向向轴线的的图像直像直线方程便可方程便可实现安装偏角安装偏角的丈量。的丈量。人工神经网络人工神经网络l人工神经网络具有自顺应功能、泛化功人工神经网络具有自顺应功能、泛化功能、非线性映射功能和高度并行处置功能、非线性映射功能和高度并行处置功能，可实现函数逼近数字逼近映射、能，可实现函数逼近数字逼近映射、数据聚集、方式分类、优化计算、概率数据聚集、方式分类、优化计算、概率密度函数估计等功能。因此人工神经网密度函数估计等
9、功能。因此人工神经网络已被广泛用于人工智能、自动控制、络已被广泛用于人工智能、自动控制、机械人、统计学等领域的信息处置中。机械人、统计学等领域的信息处置中。BP神经网络神经网络l网络不仅有输入层节点，输出层节点，而且可网络不仅有输入层节点，输出层节点，而且可以有一层或多层隐层节点。这个算法的学习过以有一层或多层隐层节点。这个算法的学习过程，由正向传播和反向传播组成。在正向传播程，由正向传播和反向传播组成。在正向传播过程中，输入信号从输入层经隐单元层逐层处过程中，输入信号从输入层经隐单元层逐层处置，并传向输出层，每一层神经元的形状只影置，并传向输出层，每一层神经元的形状只影响下一层神经元的形状。
10、假设输出层不能得到响下一层神经元的形状。假设输出层不能得到期望的输出，那么转入反向传播，将误差信号期望的输出，那么转入反向传播，将误差信号沿原来的衔接通路前往，经过修正各层神经元沿原来的衔接通路前往，经过修正各层神经元的权值，使得误差信号最小。的权值，使得误差信号最小。 RBF神经网络神经网络l由三层组成，输入层节点只是传送输入由三层组成，输入层节点只是传送输入信号到隐层，隐层节点由核函数构成，信号到隐层，隐层节点由核函数构成，而输出层节点是简单的线性函数。隐层而输出层节点是简单的线性函数。隐层节点的传送函数即核函数对输入信节点的传送函数即核函数对输入信号在部分产生呼应，即当输入信号接近号在部
11、分产生呼应，即当输入信号接近核函数的中央范围时，隐层节点将产生核函数的中央范围时，隐层节点将产生较大的输出。较大的输出。视觉检测网络模型视觉检测网络模型l对规范对规范BPBP算法进展了改良，所得到的改算法进展了改良，所得到的改良良BPBP算法具有非线性映射才干强、收敛算法具有非线性映射才干强、收敛较快、映射精度高、强壮性比较好等优较快、映射精度高、强壮性比较好等优点；并且利用该算法胜利地建立起了用点；并且利用该算法胜利地建立起了用于构造光三维单视觉检测的于构造光三维单视觉检测的BPBP网络模型，网络模型，在在200 mm200 mm的丈量范围内网络的测试精度的丈量范围内网络的测试精度为为0.m
12、m0.mm。 l将将RBFRBF神神经经网网络络运运用用于于构构造造光光三三维维视视觉觉检检测测，建建立立起起高高精精度度的的构构造造光光三三维维双双视视觉觉检检测测的的RBFRBF网网络络模模型型。针针对对实实践践系系统统没没有有采采用用RBFRBF网网络络的的典典型型学学习习算算法法，而而是是提提出出一一种种改改良良算算法法，该该算算法法映映射射精精度度高高、强强壮壮性性好好、收收敛敛较较快快，更更适适用用于于神神经经网网络络技技术术的的构构造造光光三三维维多多视视觉觉检检测测系系统统。实实验验中中利利用用该该算算法法胜胜利利的的建建立立起起RBFRBF视视觉觉检检测测模模型型，该该模模型型的的丈丈量量精精度度和和BPBP网网络络相相比比，提提高高了了约约一一倍倍。在在200 200 mmmm的的丈丈量量范范围围内内网网络络的的测测试试精度为精度为0.084mm0.084mm。三维机器视觉运用三维机器视觉运用l视觉检测视觉检测l视觉导引视觉导引三维曲面检测三维曲面检测轿车白车身检测轿车白车身检测微小型飞行器昆虫运动仿生微小型飞行器昆虫运动仿生装配机器人导引装配机器人导引l谢 谢！
