Machine Vision and Computer Vision 2(笔记)

工业机器视觉的流程

在工业上，照相机对拍摄图像的质量的要求往往十分苛刻。因为传统工业的视觉系统主要用于测量(Measurement)检测（Detection）定位（Location）识别（Identification）四个方面。一张高质量的图像可以简化很多后期处理时遇到的不必要的麻烦.有趣的是，在我浅显的认识里，多数的机器视觉研究大都需要海量的图库，例如基于城市摄像头的人脸识别系统等等，因为这其中涉及到机器学习以及神经网络，因为理解前先在这里就不做过多的表述了。

Machine Vision 的硬件介绍

1.照相机

照相机分为面阵，线扫，3D相机三个大类分别对应不同的功能。

（1）面阵相机（Aerial Camera）

面阵相机可以简单理解为我们日常使用的普通相机，拍摄的是一张图片。常见的品牌有国内的海康机器人（HIKrobot），德国的Basler以及同样是国产的大华水星。

根据传输方式的不同又可以大致分为网口和USB3.0两种不同的接口。

相较于USB3.0接口，网口面阵相机的带宽较小只有1GB(125M）,却有较大的传输距离。

USB3.0接口有三倍于网口的带宽，却只有可怜的5M左右的传输距离。

为了，提高带宽，不缺钱的各位也可以使用10GigE接口的网口面阵相机，它的带宽是10GB，传输距离100M，都很优秀不过却会带来巨大的发热量。

（2）线扫相机（Line Scan Camera）

线扫相机拍摄的一张长度为相机芯片长度，宽度却只有一个像素的线形图片。通常用作拍摄连续的物体。

因为每次拍摄得到的图片宽度只有一个像素是人眼无法分辨的，但是我们可以通过软件将多张线扫照片拼接在一起就得到了我们想要结果。为什么说线扫相机多用于拍摄连续的物体呢？在这里我给你们举个例子。

比如说，你想要检测一个圆柱状水杯的外表是否有凹坑，普通的面阵相机并不能一次性将物体的全貌拍出，需要多角度地拍摄才能达成目的。然而线扫相机却可以配合着水杯的滚动将水杯的整个表面铺开，以一张图片的形式完整的成像我们想要的特征。

线扫相机目前只有DALSA一家生产（其他生产的厂家也都用他们家的芯片），可以说是垄断了整个线扫相机市场。

（3）3D相机

相较于普通的面阵相机，3D相机可以通过激光扫描得到被检测物体的高度，这个用的比较少，我也不懂哈哈。

常见品牌有：LMI，基恩士，深视智能

上述图片只是，3D照相机中的传感器（Sensor），具体的运作流程以及操作方法，建议反复问以下链接https://lmi3d.com/video/corporate-video/?lang=zh-hans。

Machine Vision and Computer Vision 2(笔记)相关推荐

澳大利亚国立大学计算机学院,ANU澳大利亚国立大学机器学习与计算机视觉硕士Master of Machine Learning and Computer Vision...
机器学习与计算机视觉硕士Master of Machine Learning and Computer Vision是澳大利亚国立大学研究生申请的热门专业,本文重点介绍了机器学习与计算机视觉硕士研究生 ...
（1）课程简介-CS231A：Computer Vision, From 3D Reconstruction to Recognition
斯坦福大学-源地址: CS231A: Computer Vision, From 3D Reconstruction to Recognition CS231AGitHub笔记:https://git ...
《Deep Learning for Computer Vision withPython》阅读笔记-StarterBundle(第6 - 7章)
6.配置您的开发环境当涉及到学习新技术(尤其是深度学习)时,配置开发环境往往是成功的一半.在不同的操作系统.不同的依赖版本以及实际的库本身之间,配置您自己的深度学习开发环境可能是相当令人头痛的事情. ...
Programming Computer Vision with Python （学习笔记一）
转载自:http://segmentfault.com/a/1190000003941588 介绍 <Programming Computer Vision with Python>是一本 ...
Computer vision: models, learning and inference 学习笔记1：引言
学习笔记1:引言目的 model,learning and inference 的含义独特之处:基于模型的知识结构体系最关键的是:模型(model) 目的学习<computer visi ...
《Deep Learning for Computer Vision withPython》阅读笔记-PractitionerBundle(第9 - 11章)
9.使用HDF5和大数据集到目前为止,在本书中,我们只使用了能够装入机器主存储器的数据集.对于小数据集来说,这是一个合理的假设--我们只需加载每一个单独的图像,对其进行预处理,并允许其通过我们的网络 ...
Resource of computer vision, pattern recognition, machine learning etc.
Resource of computer vision, pattern recognition, machine learning etc. 1.牛人 Serge Belongie at UC Sa ...
Computer Vision笔记01：图像处理
Computer Vision笔记01:图像处理Part 1 什么是图像处理(Image Processing)? 图像处理(Image Processing)的分类空间域处理(Spatial Op ...
阅读笔记：What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision?
阅读笔记:What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision? 1.介绍 2.相关工作 2.1 贝叶 ...

Machine Vision and Computer Vision 2(笔记)

Machine Vision and Computer Vision 2(笔记)相关推荐

最新文章

热门文章