机械视觉中的3D成像技术

近年来，机械视觉技术变得越来越庞大，工业领域的图像处理更多的专注于3D传感器，并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，以及在生产历程中对未分类部件进行仓拣或精确丈量金属板
？梢运，机械视觉已经转向了3D。

在已往的几年里，点云评估和丈量软件也获得了快速地的生长：从简单的图像数据转换成点云数据，对点云数据进行丈量，计数和点云匹配。

正如图像处理行业的大大都玩家所知道的，获得3D图像有几种差别的方法。

3D成像

正如图像处理行业的大大都玩家所知道的，获得3D图像有几种差别的方法。

激光三角丈量法

Z古板的激光三角丈量法，这种要领可用于木材，橡胶和轮胎等笔直领域，以及汽车和轴的丈量，金属和铸铁工业或其他应用如门路外貌的丈量。

关于激光三角丈量，需要在结构化光源（如激光线投影）上精确校准相机，以保纵然在高情况温度下也能获得高于1 kHz的高采样率。通常测试工具在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，并凭据激光线轮廓盘算高度信息。在相机下移动物体时，会创立多个配置文件，用于完成三维图像。典范的设置包括一个激光器，它直接位于测试工具和相机之间，相机与激光器成30°角装置。可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区分率，相机和激光之间的角度可以加宽。但须注意的是，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，使剖析变得越发容易。

条纹投影法

除了激光三角丈量要领之外，另有一种称为“条纹投影”的要领；丛蠢硪彩侨钦闪，可是测试工具的整个外貌都是用一次拍摄捕获的。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。

丈量规模可以从不到一毫米缩放到一米以上，但区分率也可以相应地变革。由于其丈量速度快，区分率高，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丈量等。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立体相机是另一种要领。它已经保存多年，越来越多地用于机械人或调试应用。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，该要领接纳两台相机。但由于测试工具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，据说在全的要领中，ToF（time-of-flight）要领由于其区分率有限而不适用于工业用途。大大都ToF相机的区分率低于VGA，z区分率相对较低，重复精度以厘米为单位。可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，传感器丈量反射光所需的时间。近来越来越多的用于3D物体检测，但不可用于精确的丈量。越来越多的应用领域是装载和卸载机械人托盘。

深度学习

处理机械视觉的软件，在3D视觉中饰演着重要角色，它就像3D的“大脑”一样，但它是否像人脑一样学习
？如何逊
？

古板的要领虽然是以这样的方法对软件进行编程，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，然后就是用软件对优劣部分的图像进行训练。

我们也可以用深度学习的方法来处理。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。他们已经保存了40多年。

人工神经网络通常体现为相互交换信息的相互连接的“神经元”系统。这些连接具有可凭据经验进行调解的数字权重，使神经网络适应输入并能够学习。

由于它在目标函数很是庞大且数据集很大的应用程序中的体现令人满意，它已经成为机械学习的一个生长趋势。

在深度学习中，人工神经网络可以自动提取特征。我们不需要拍摄图像和手动盘算如颜色漫衍，图像直方图，差别的颜色计数等，我们只需要在ANN中提供原始图像。

机械视觉行业对3D成像以及人工神经网络和深度学习的新可能性寄予厚望，让我们拭目以待。