智慧工廠機器視覺感知技術(shù)綜述
發(fā)布日期:2021-01-18 15:20:53來源:未知瀏覽次數(shù):
智慧工廠是一個復雜的生產(chǎn)系統(tǒng),應(yīng)用方向十分獨特,需要機器視覺感知控制技術(shù)所具有的高精準度、即時性及可再現(xiàn)性,在這種情況下可以發(fā)展智慧工廠機器視覺感知控制的系統(tǒng)化方案,依托實際生產(chǎn)需要,按照順序設(shè)計出智能視覺成像系統(tǒng)以及全自動圖像獲取部分,這部分主要是針對對象的圖像進行收集;而后對獲得的清晰高質(zhì)量圖像進行第二步處理,即以去噪點、分割、拼接等方式對圖像進行改善和完備,進一步提升圖像質(zhì)量和清晰度;接下來利用目標定位和分割法等,對圖像內(nèi)容進行判斷并根據(jù)預先設(shè)置好的信息庫加以分類甄別,完成對檢測對象的識別、檢查、測算等。在對圖像進行處理中所獲得的信息,可以進行恰當?shù)膬?yōu)化控制。
工業(yè)成像系統(tǒng)的關(guān)鍵技術(shù)工業(yè)成像系統(tǒng)主要由光學、成像和處理組成的對物體進行成像的流程和步驟,在這個過程中,光學系統(tǒng)構(gòu)成可分成光源和光學部件兩個方面,光源的作用在于對物體進行照射產(chǎn)生光場,使其可以被成像系統(tǒng)接受到,所應(yīng)用的光源可以是發(fā)光二極管或是結(jié)構(gòu)光,而光學系統(tǒng)的作用在于對光路進行調(diào)整,使光信號得以聚焦并在規(guī)定的平面上成像。成像部分是傳感器,通過光學部分成像而來的光信號在傳感器的作用下變成可被識別的電信號,而后以比例放大、數(shù)值調(diào)整等方式得出數(shù)字圖像。處理,是以通信電路和圖像處理器為基礎(chǔ),以處理算法為主體形成的圖像處理流程,數(shù)字圖像在通信電路的傳輸下到達圖像處理器,利用規(guī)定的處理算法完成即時性的數(shù)據(jù)處理,最終成為智能制造以及控制需要的信息。
自動獲取圖像的關(guān)鍵技術(shù)要達到自動獲取圖像的目標,就離不開精密成像機構(gòu)的存在,不僅能實現(xiàn)對圖像的成像位置的改變,還能調(diào)整圖像的視角、清晰度、質(zhì)量和數(shù)量,保證了成像信息的準確度。為滿足對不同機械設(shè)備進行成像的不同需求,目前應(yīng)用的自動化圖像獲取方法十分多樣化,如位置觸發(fā)成像、顯微成像、眼手圖像獲取、全方位圖像獲取等。

圖像預處理的關(guān)鍵技術(shù)圖像的預處理,是對獲取圖像的簡單處理和預先處理,主要包括對圖像的噪點進行處理、對對比度和色度進行調(diào)整、對不同角度的不同視角的圖像進行拼接等,經(jīng)過預處理后的圖像質(zhì)量會有明顯提升,智能化系統(tǒng)在進行識別的時候更加容易,且能更快的找到其應(yīng)在的分類,在提升檢測控制的準確度基礎(chǔ)上,大大提升了工作效率。其中圖像去噪的作用,它能將成像而來的高斯等噪聲處理掉,利用特征點進行判斷找到對比度的最合適數(shù)值,對邊界模糊和運動模糊的問題進行處理,可以利用空間域濾波方法、變換域濾波方法等完成去噪處理。而對圖像進行增強的手段則更加多樣化,如圖像銳化、圖像校正等都是極具代表性的操作手段。在進行圖像配準時,多源圖像經(jīng)過特征點檢索、歸類、變化、二次采樣以及處理之后,能夠明確檢測目標物與圖像之間的關(guān)系,而后以變換模型為基礎(chǔ)完成圖像的空間處理,最終得到準確的圖像。
圖像定位分割的關(guān)鍵技術(shù)在進行成像的時候,因為運動控制手段和機械電氣可能存在的誤差,很多時候目標的位置是不固定的,需通過目標定位和區(qū)域分割的方式進行成像,這樣精準度比較高。在對象的背景不復雜、特征較為突出的前提下,可選擇目標邊界或是幾何特征對物體進行定位和提取。但在一些特殊情況下,目標物體的背景非常復雜,很難進行定位和識別,物體本身也不具有較為明顯的特征點,在這種情況下可以選擇圖像分割定位技術(shù),如區(qū)域生長法、分水嶺割算法等分割手段完成定位分割,其準確度和定位效率都比較高。
圖像識別檢測的關(guān)鍵技術(shù)利用圖像識別檢測技術(shù),能夠順利且高效的完成對目標物的識別和分類、檢驗與測算等工序,確保智慧工廠生產(chǎn)過程中對目標物生產(chǎn)信息的多方面需求,圖像識別檢測技術(shù)的應(yīng)用是建立在圖像定位分割的基礎(chǔ)上的,在圖像分割完成后,對圖像的特征點進行檢驗,利用模式匹配等手段完成識別和檢測。通常需要進行識別的圖像目標,大都是紋理均勻的封閉區(qū)域,根據(jù)目標物體的輪廓這種極為精準的特征,對其形狀、大小、紋理等信息進行匹配和處理,根據(jù)特征點對分割后的圖像進行處理就可以完成圖像的識別。
在模式匹配識別手段中,模式一般可以以輪廓、點集的形式呈現(xiàn),而進行匹配的時候也不是靜置不變的,應(yīng)選取匹配程度最高的作為匹配結(jié)果。根據(jù)不同的識別檢測需求,目前已經(jīng)研究出多種特征分析手段,可以分成以紋理為基礎(chǔ)的檢測手段、以局部特征為匹配對象的檢測手段、以模板匹配為方式的檢測方法等。
圖像分類,是保證圖像識別檢測技術(shù)準確程度的基礎(chǔ),分類是否足夠準確決定著最終的識別結(jié)果是否精準。對于圖像分類能夠采用的方法有很多種,最具代表性、應(yīng)用最廣的有模糊方法、神經(jīng)網(wǎng)絡(luò)方法等,正在發(fā)揮著不可替代的重要作用,但是現(xiàn)階段對于一些多維數(shù)據(jù)以及比較復雜的數(shù)據(jù)信息,如何才能保證建模的準確性,還有待進一步進行探索和發(fā)展。
視覺伺服與優(yōu)化控制的關(guān)鍵技術(shù)
(1)智慧工廠是一個復雜的系統(tǒng)工程,利用視覺檢測識別出來的結(jié)果以及定位和姿態(tài)判定的結(jié)果作為參照,能夠控制機器人準確的完成定位、拿取、分類等十分復雜的工作,視覺伺服運動控制的原理比較復雜,視覺控制率以視覺誤差為界定確認控制量,并且控制機器人進行運動,進而做到規(guī)定的工作任務(wù)。
(2)視覺誤差,可以理解為,是給定特征向量和視覺信息反饋二者的差異,在信息回饋這部分,利用成像信息等數(shù)據(jù)和內(nèi)容,把現(xiàn)階段圖像的特征點的情況變成給定向量的測量值,以特征向量種類的不同,可以分成混合視覺伺服和直接視覺伺服等若干種視覺伺服。而基于位置的視覺伺服主要是利用機器人末端的位置情況作為參照信息,而混合視覺伺服在運行過程中則是利用圖像特征點的坐標進行參照。