机器视觉测量技术真的简单吗

机器视觉测量技术真的简单吗

发布时间：2015-10-30

（注：本文转载自网络）

视觉测量是非接触式测量的一种常用手段，在很多视觉工程师眼中，视觉测量是最简单也是最容易实现的。一般在遇到基于视觉测量的项目时，都会尽可能的压缩软硬件成本。但事实真是这样吗？本文将使用SVS智能软件平台和XAVIS组态软件平台，通过测试一些典型的案例图片来说明视觉测量的“难易”情况。

在进行案例展示之前，先简单的说一下视觉测量的基本技术，其包含以下步骤：首先标定系统内外参数，主要包括图像中心点坐标、系统畸变系数、与实际尺寸的比例因子、镜头焦距；其次对图像进行预处理，此部分仁者见仁智者见智，后面会针对性说明；再就是在图像中寻找需要检测的对象，计算出对象在图像中的像素数，再依据之前标定的系统参数换算成实际数值；最后将测量结果输出。

从视觉测量的基本原理来看，其涉及到的数学模型简单，是比较容易做的项目，但是在实际项目中要分别来看，其主要难点在于如何保证重复测量精度。重复测量精度表示的是测量系统在不同时刻测量同一个工件时，其测量结果的一致性。这受系统中的2个要素制约：首先是采集的图像一致性要好；其次是图像预处理算法对不同时刻的图像的处理结果要一致。

一、图像获取系统的重要性

下面结合SVS智能软件对同一个工件在不同时间点拍摄的图像测量结果进行说明，案例是对一个方形工件的外形尺寸进行测量。

如上图所示，在精密测量领域，测量系统的外参数是非常重要，相同的工件在不同的距离或姿态下会呈现不同的图像，其测量结果会相差很多。所以视觉测量的第一个技术难点就是稳定一致的图像获取系统，保证系统不受外界光照的干扰，获取图像的视觉硬件系统参数一致不变。在视觉检测项目中，如果需要的检测精度很高，一定要采用专业光学镜头和稳定可靠的控制载体。比如BTOS双远心光学镜头就是一种典型的无畸变测量镜头，适用于各种高精度的测量环境使用。

二、图像预处理的重要性

获取到图像以后，并不能简单的直接去寻找待测对象的边缘，然后计算边缘之间的距离，而是要做图像预处理，需要把我们感兴趣的特征突出出来，再去寻找需要检测对象特征。我们常说的系统“鲁棒性”好或通用性好，其核心关键点就在这部分。其实在视觉检测项目中，图像预处理算法非常多，包括：阈值分割、图像滤波、图像变换、图像增强等。那么针对视觉测量来说，如何选择图像预处理算法是非常重要的。为了形象说明，下面以具体案例图像展示。

上图展示了，同一帧图像在不同滤波条件下的边缘效果图，由结果可以发现，通过这些图像预处理算法处理后的图像，其特征边缘已经发生了改变。如果对上图中的“原始图像”和“滤波后的图像”直接进行测量，其结果是不同的。那么在选择图像处理算法时，必须考虑2个因素：第一、图像预处理算法不会使必须的图像信息丢失；第二、图像预处理对项目中的所有图像的处理结果都是一致的。这样才能确保在检测精度一致的基础上去提高鲁棒性。所以在做视觉测量这种“简单”的项目时，反而需要更多的去注意图像预处理细节。在这里要特别说一下，视觉算法工程师常用的“二值化”和“阈值分割”算法，这两种算法是“去噪”最效率的方法，但是这在对像素数量及其敏感的视觉测量项目中是需要谨慎使用的。

上图展示的是基于XAVIS平台下不同参数的阈值分割结果。上图中采用阈值分割后的图像很好的解决了图中除被测工件以外的干扰信息，但是同时也把工件本身的边缘信息简化了，可能会丢失一些需要的信息。那么尽管在找被测对象的特征时，采用分割后的图像更容易了，但也可能会找到错误的位置。所以这类处理方法一定要在反复测试确认无误的情况下方可选择。

综上所述，视觉测量技术所涉及到的难点主要在于图像获取和图像预处理上，这相对于其他字符识别、颜色检测、缺陷检测等项目中的要求要高很多。也是很多项目负责人容易忽视的地方，越简单的事情越容易载跟头。本文采用的视觉测试平台为SVS智能软件和XAVIS组态软件，想了解这两个平台的朋友可以找针对此平台的介绍文章，本文不再赘述。