机器视觉中获得3D图像的几种方法详细资料说明-电子发烧友网

近年来，机器视觉技术变得越来越复杂，工业领域的图像处理更多的专注于3D传感器，而且越来越多的技术已经完善并且投入到实际应用中，包括焊缝的检测，以及在生产过程中对未分类部件进行仓拣或精确测量金属板。可以说，机器视觉已经转向了3D。

在过去的几年里，点云评估和测量软件也得到了快速地的发展：从单一的图像数据转换成点云数据，对点云数据进行测量，计数和点云匹配。

正如图像处理行业的大多数玩家所知道的，获得3D图像有几种不同的方式。

3D成像

正如图像处理行业的大多数玩家所知道的，获得3D图像有几种不同的方式。

激光三角测量法

最传统的激光三角测量法，这种方法可用于木材，橡胶和轮胎等垂直领域，以及汽车和轴的测量，金属和铸铁工业或其他应用如道路表面的测量。

对于激光三角测量，需要在结构化光源（如激光线投影）上精确校准相机，以确保即使在高环境温度下也能获得高于1kHz的高采样率。通常测试对象在3D传感器下方移动以捕获3D点云。这意味着摄像机将检测投射到物体上的激光线，并根据激光线轮廓计算高度信息。在相机下移动物体时，会创建多个配置文件，用于完成三维图像。典型的设置包含一个激光器，它直接位于测试对象和相机之间，相机与激光器成30°角安装。但是激光和相机的其他角度组合也是可以的。例如，为了获得更准确的高度分辨率，相机和激光之间的角度可以加宽。但必须注意的是，角度越小，进入照相机的光就越多，评估结果就会更稳定。

现在有越来越多的软件可以处理3D图像数据。该软件可以将捕获的数据转换为点云，可以直接进行比较，使分析变得更加容易。

条纹投影法

除了激光三角测量方法之外，还有一种称为“条纹投影”的方法。基本原理也是三角测量，但是测试对象的整个表面都是用一次拍摄捕捉的。激光将光投射到条纹图案中，因此物体不必在传感器下方移动。光线从30°角投射到物体上，相机正对下方物体。

测量范围可以从不到一毫米缩放到一米以上，但分辨率也可以相应地变化。由于其测量速度快，分辨率高，条纹投影可以用于小型和大型测试物体，在工业检查中，应用于包括形状偏差检查，完整性检测，组件部件位置或体积测量等。但需要注意的是，条纹投影对周围的光很敏感。

3D立体相机

3D立体相机是另一种方法。它已经存在多年，越来越多地用于机器人或调试应用。立体图像处理使用与人眼相同的原理即立体偏移。为了获得3D图像，该方法采用两台相机。但由于测试对象并不总是具有相同的特定特征，因此经常使用随机模式投影。

ToF（time-of-flight）

几年前，据说在所有的方法中，ToF（time-of-flight）方法由于其分辨率有限而不适用于工业用途。大多数ToF相机的分辨率低于VGA，z分辨率相对较低，重复精度以厘米为单位。但是市场上已经有一些像素为百万像素的相机。ToF（time-of-flight）相机使用类似于雷达工程的技术。集成照明发送一个红外脉冲，传感器测量反射光所需的时间。近来越来越多的用于3D物体检测，但不能用于精确的测量。越来越多的应用领域是装载和卸载机器人托盘。

深度学习

处理机器视觉的软件，在3D视觉中扮演着重要角色，它就像3D的“大脑”一样，但它是否像人脑一样学习？如何训练它？

传统的方法当然是以这样的方式对软件进行编程，即检查程序检测不良部件，每个偏离编程的特点是一个坏的部分，然后就是用软件对好坏部分的图像进行训练。

我们也可以用深度学习的方式来处理。深度学习只是人工神经网络（简称ANN）的另一个名称，但却是一个更精致，更简单的化身。他们已经存在了40多年。