2D和3D机器视觉检测技术的优势和局限性
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
机器视觉一般由工业光源,图像采集单元,图像处理单元,图像处理软件及网络通讯装置等构成。在自动化工业质量控制和在线检测领域,2D和3D技术都具有重要的作用。如何将两者结合起来创建一个更可靠、高效的机器视觉检测系统,首先要认识两者的各自优势和局限性。
从2D视觉技术开始
2D技术起步较早,技术也相对成熟,在过去的30年中已被证明在广泛的自动化和产品质量控制过程中非常有效。
2D技术根据灰度或彩色图像中对比度的特征提供结果。 2D适用于缺失/存在检测、离散对象分析、图案对齐、条形码和光学字符识别(OCR)以及基于边缘检测的各种二维几何分析,用于拟合线条、弧线、圆形及其关系(距离,角度,交叉点等)。
模式匹配:处理零件变化的关键
2D视觉技术在很大程度上由基于轮廓的图案匹配驱动,以识别部件的位置,尺寸和方向。 技术人员可以使用2D来识别零件并创建动态适应零件位置,角度和尺寸的检测工具,从而实现零件移动的稳健测量。 今天的模式匹配处理遮挡,杂波,失真,对比度反转,重叠的部分和不均匀的照明。
无法测量形状
2D传感器不支持与形状相关的测量。 例如,2D传感器不能够测量诸如物体平面度,表面角度,部分体积,或者区分相同颜色的物体之类的特征,或者在具有接触侧的物体位置之间进行区分。
易受变量照明条件的影响
由于照明决定了边缘位置和测量精度,因此传感器视野范围内的照明变化有时会导致边缘测量误差,除非使用特定的技术来补偿这种影响。 在工厂条件下,照明变化是生产车间意外环境或现场来源的共同挑战。
有限的对比度补偿
2D传感器依赖于测量物体的对比度(边缘数据),例如,这意味着它们无法测量黑色背景上的黑色物体,或者在没有特定光照的情况下区分部分特征来暴露边缘的存在和定义。
对物体运动敏感
由于元件移动造成的误差,二维传感器需要沿光轴(Z轴)精确固定,使用尺度不变特征检测,或者使用大型远心光学元件(必须与FOV尺寸相匹配)来消除影响。
结合2D和3D技术
3D视觉通过添加描述形状的第二层数据来建立在2D的成熟功能上,这对于设计高度可靠的测量系统至关重要。
3D视觉的好处
更丰富的数据采集
3D视觉可以测量产生2D系统不能的形状信息。 因此,可以测量与形状相关的特征,例如物体平直度,表面角度和体积。
测量稳定性
3D传感器中的所有组件都被牢固地安装在单个光机械组件上,以确保重复性,焦距相对于发射器和成像器平面锁定在位,并且包括温度补偿功能,以便纠正由于金属蠕变而引起的移动。
精度和重复性
利用3D机器视觉提供的深度测量信息,由于物体位置(距传感器的距离)而导致的误差不再可能,这意味着物体可以在传感器的测量体积内的任何位置移动,并仍能得到准确的结果。 这简化了物体固定要求,并降低了系统设计和维护成本。
多传感器拼接
3D机器视觉的另一个好处是能够使用已知的伪像将来自相对较少的多个扫描仪的3D点云拼接在一起,从而校准到通用坐标系。 例如,可以用多个扫描仪扫描诸如卡车框架的大物体。 定位和对准数以百计的二维相机,并使用摄影测量法来生成三维模型要比使用少量高精度的三维扫描仪更加复杂和不准确。
精密机器人视觉指导
工业机器人在三维世界中工作。 盲人机器人仅限于执行重复和结构化的任务。 3D机器视觉使机器人能够感知其物理环境的变化,并相应地进行调整,从而在基本应用中提高了灵活性,实用性和速度,例如拾放。
为什么选择3D机器视觉?
对比度不变,是检查低对比度物体的理想选择
体积测量(X,Y和Z轴)提供形状和位置
对较小的照明变化或环境光不敏感
集成的光学,照明和校准功能提高了重复性
建立大型物体检测的多传感器设置更简单
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~
2D和3D机器视觉检测技术的优势和局限性相关推荐
- 3D机器视觉的技术路径和场景适用
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 来源: 4thInstitute 3D机器视觉的技术路径和场景适用 ...
- 关于3D机器视觉检测与双目相机
2D技术根据灰度或彩色图像中对比度的特征提供结果,它适用于缺失/存在检测.离散对象分析.图案对齐.条形码和光学字符识别(OCR)以及基于边缘检测的各种二维几何分析,用于拟合线条.弧线.圆形及其关系(距 ...
- 机器视觉检测技术在汽车行业中的应用
最近在关注机器视觉这个领域,发现各种理论.算法讲了很多,但是在实际应用领域还在探索阶段.想做一个实际应用案例的系列.分享一篇机器视觉检测技术在汽车行业中的应用文章,论文发表在<电子测试& ...
- 无人驾驶中的 3D 目标检测技术
2020 年 2 月 12 日 14:33 随着全球科技的飞速发展,无论是汽车行业还是其他的各行各业,紧跟时代脚步的重要性都是不容置疑的.近年来,自动驾驶汽车得到了很高的关注,但是理想和现实的差距却犹 ...
- HMS Core AR Engine 2D图片/3D物体跟踪技术 助力打造更智能AR交互体验
AR技术已经被广泛应用于营销.教育.游戏.展览等场景.通过2D图像跟踪技术和3D物体跟踪技术,用户只需使用一台手机进行拍摄,即可实现海报.卡牌等平面物体以及文物.手办等立体物体的AR效果.尽管近年来2 ...
- 计算机视觉方向简介 | 机器视觉检测技术
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:计算机视觉life 一.机器视觉系统 机器视觉系统是指利 ...
- CenterNet做2D和3D目标检测
论文Objects as Points 源码GitHub地址 CenterNet是全卷积的神经网络,不需要额外的NMS的后处理,属于one-stage的检测方法. 1.2D目标检测 通过预测目标的中心 ...
- 基于光电检测图像处理目标检测算法相较传统检测技术的优势
光电检测图像处理目标检测算法相较传统检测技术有以下几个优势: 速度更快:光电检测图像处理算法可以在较短的时间内处理大量的图像数据,而传统检测技术需要更长的时间来进行目标检测. 精度更高:光电检测图像处 ...
- 施努卡:3d机器视觉检测系统 3d视觉检测应用行业
施努卡(SCHNOKA)成立于2010年,先后在上海,苏州及武汉建立了分公司.国家高新技术企业,致力于打造面向智能产线与智慧工厂最强控制大脑的高科技公司.公司围绕感知&识别核心技术构建智能装备 ...
最新文章
- 【teradata】强制解锁
- everedit选择_EverEdit(文本编辑器)
- Angular2中的路由(简单总结)
- 【Docker】Docker学习笔记:安装部署
- 荣耀平板5升级鸿蒙,荣耀能否“升级”鸿蒙?赵明正式确认:华为做得好会考虑采用!...
- 2013浙大878计算机基础综合大题答案解析
- python数据持久存储:pickle模块的基本使用
- like效率 regexp_Oracle中REGEXP_LIKE与LIKE的区别
- 单链表 和 顺序表 实现的 通讯录
- Java 运行环境安装(JRE JDK 区别)
- 【菜鸟学开发系统】学生成绩管理系统(二)
- Kubernetes-自动扩展器HPA、VPA、CA
- 如何克服自己的懒惰-第二弹
- Difference between Triplets POJ - 3244
- 数据分析-数据来源、字段类型、数据采集陷阱
- 数据结构 三:树(Tree)
- Excel教程之什么是好的仪表板工具
- Kubernetes 国外镜像的网络问题
- 小数除以整数在c语言,小数除法竖式计算的错因分析
- 《电子病历系统》管理员手册
热门文章
- Google经典面试题解析
- Alphabet旗下自驾公司Waymo入华,变身“慧摩”!
- AI一分钟 | 阿里联合蚂蚁金服95亿美元收购饿了么;西湖大学正式获批成立
- 最新论文解读 | 神经网络“剪枝”的两个方法
- 推荐一个分布式JVM监控工具,非常实用!
- 用了3年CAT,这次我想选择SkyWalking,老板反手就是一个赞!
- 为什么我不建议你用阿里巴巴Java规范,而使用 Google Guava 编程?
- Lombok经常用,却不知道它的原理是什么
- 不想CRUD干到老,就来看看这篇OOM排查的实战案例!
- 支付宝架构师眼中的高并发架构