点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达本文转自|新机器视觉

当前机器视觉主流的检测手段还是依赖2D相机，即从灰度图中提取被测物特征，在X-Y平面内进行测量。当遇到需要高度测量或需要Z方向信息，如需要测高度、测深度、测厚度、测平面度、测体积、测磨损等情况时，2D视觉往往无能为力。甚者在被测物灰度图像对比度较差，无法准确提取被测物特征值时，往往可以考虑通过高度分割进行特征提取并测量，这时，3D视觉技术就成为解决机器视觉问题的重要检测手段。

结构光三角测量法原理

3D视觉技术的原理之一是结构光三角测量法。这个模型中主要包括2D相机、镜头、激光器、标定算法等内容。主要利用2D相机中拍摄到的激光线形变，通过三角公式即可获取被测物的高度信息。原理图如图1所示：

结构光三角测量法安装方式

结构光三角测量法的安装方法是一个重要影响因素，目前市场上流行的方法是激光线直射被测物，2D相机与激光器成一定角度（即测量角）拍摄，如图2所示。

2D相机的分辨率、安装的测量角都会影响到Z向分辨率。2D相机分辨率越大，Z向分辨率就越大，但由于输出了过多的无用数据，会影响到扫描速度的提高；测量角越大，Z向分辨率也越大，但盲区也会越大。因此，搭建3D视觉系统时，需要综合考虑被测物实际情况，选择合适的相机和安装方法。
除2D相机和测量角外，激光器的光束质量也是影响测量精度的主要因素。选择一个非高斯光束和均匀度好的激光器，对于提高测量精度非常重要，如图3所示。

3D视觉技术方案

目前市场上流行有三种3D视觉技术方案：第一种方案是使用2D相机、镜头、激光器等视觉组件，及标定算法搭建3D视觉系统，如图4，图5所示。

标定算法可以使用Halcon在PC机上实现，也可以使用SiliconSoftware的VD4卡在板卡上实现，降低PC机CPU负载。此种方案安装灵活，成本较低，但对技术人员水平要求较高，系统开发周期长。

第二种方案是使用分体式3D相机、镜头、激光器等视觉组件搭建，如图6所示。

标定算法在3D相机上实现，相机直接输出被测物高度数据和灰度数据，减小无用数据输出，从而可以得到2D相机无法实现的高帧率。此种方案安装灵活，扫描速度较高，成本适中，开发周期相对第一种方案较短，适合于高精度和高速3D测量领域。

第三种方案是直接使用一体式3D传感器Gocator产品，如图7所示。

该3D传感器把2D相机、镜头、激光器、标定算法集成在一起，出厂前标定完毕，开箱即可用于测量，开发周期较短；外形紧凑，封装等级较高，适合于需要短时间内完成，对成本控制不严格，相机安装空间小，环境恶劣的项目。第三种方案因为降低了技术人员前期的系统搭建要求，技术人员完全可以把精力用在后期的3D图像处理上，因此是目前最流行的一种方案。

应用

PCB板管脚是否缺失，或者短缺。使用1只一体式3D传感器——Gocator2330。视野范围：70mm，针脚高度：3mm，针脚直径：0.3mm，精度要求：0.03mm，如图8所示。

结论

总之，随着机器视觉领域测量技术的多元化发展，3D视觉技术必将成为一种重要的检测手段。3D视觉技术行业中越来越受到欢迎和重视。近年来，3D视觉领域的市场容量也在快速增加，相信3D市场必将成为机器视觉的一个主流的重要检测手段。

 End 

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~