- 综合排序
- 最热优先
- 最新优先
- 来自专栏流川疯编写程序的艺术
机器视觉4——光的偏振
回顾《机器视觉3——电磁波》，我们了解到，光波，即电磁波的传播符合波动方程，本质上是一个正弦波。如下图。 从上图，可以看出，光波沿Y轴上下振动，而波的传播方向，沿Z轴传播。
1.1K21发布于 2020-02-26 - 来自专栏AIoT技术交流、分享
LabVIEW图像特征与机器视觉概念（理论篇—4）
为了能减少计算量并提高系统的实时性，几乎所有机器视觉系统对目标的识别、分类及检测都基于从图像中提取的各种特征来进行。 特征提取和特征选择的结果是否有效，直接决定着机器视觉系统进行机器决策的成败。 机器视觉系统开发过程中常见的特征包括像素灰度、边缘、轮廓和形状、纹理、角点、色彩以及各种与图像颗粒相关的属性等，如下图所示： ?
53230发布于 2021-08-10 - 来自专栏智能算法
机器视觉算法(系列一)--机器视觉简短入门
机器视觉是人工智能正在快速发展的一个分支。机器视觉作为生产过程中关键技术之一，在机器或者生产线上，机器视觉可以检测产品质量以便将不合格的产品剔除，或者指导机器人完成组装工作，与整个生产密切相关。 由于笔者正处于机器视觉行业，所以准备和大家一起系统的学习机器视觉方面相关知识，主要包括常见的机器视觉算法，以及常见的应用领域算法的实现等，欢迎大家的讨论和交流。 本文主要介绍机器视觉经典系统，常用领域以及机器视觉常用的图像处理库，希望以此作为一个简短入门。 1.机器视觉经典系统 简单说来，机器视觉就是用机器代替人眼来做测量和判断。 机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征 那么一个经典的机器视觉系统长什么样呢？ ?
3.8K80发布于 2018-04-03 - 来自专栏行走的机械人
机器视觉简述
机器视觉行业简述 机器视觉："用机器替代人眼来做测量和判断"，是计算机学科的一个重要分支，其功能及应用领域随着工业自动化的快速发展而变得广泛且全面。 21世纪初期，随着机器视觉技术的深入研究，机器视觉替代人眼开始成为共识，在工业，医疗，交通，生活等等多个领域开始快速发展并走向成熟。 我国机器视觉发展较晚，从零几年开始至今仅有十几年的时间。 机器视觉系统简述 机器视觉有其成熟的系统组成元素，包括相机、镜头、光源、计算机、软件与算法等等。机器视觉系统与自动化生产线相交互，以此达到产业智能化的功能。 机器视觉软件 机器视觉软件是机器视觉系统中自动化处理的关键部件，根据具体应用需求，对软件包进行二次开发，可自动完成对图像采集、显示、存储和处理。 总结 机器视觉系统的目得就是通过机器视觉产品（即光源、镜头、相机、采集卡）将被拍摄的目标转换为图像信号，传送给机器视觉软件（即图像处理系统），来代替人眼的测量、检测和判断。
1.3K60编辑于 2022-09-19 - 来自专栏智能算法
机器视觉(第4期)----工业相机综述及接口介绍
上期我们一起学习了镜头的相关知识，戳下链接： 机器视觉(第3期)----图像采集之镜头原理详述 这期我们一起学习相机和接口的相关知识，工业相机是机器视觉系统中的一个关键组件，其最本质的功能就是将光信号转变成有序的电信号 选择合适的相机也是机器视觉系统设计中的重要环节，相机的选择不仅直接决定所采集到的图像分辨率、图像质量等，同时也与整个系统的运行模式直接相关。 线阵： 线阵相机是一类特殊的视觉机器。与面阵相机相比，它的传感器只有一行感光元素，因此使高扫描频率和高分辨率成为可能。线阵相机的典型应用领域是检测连续的材料，例如金属、塑料、纸和纤维等。 4. doc.plcjs.com/doc_apply/apply_other/2009-9/3/099322203453836.htm 3.http://www.mimvm.com/share/skill/176.html 4.
2.3K120发布于 2018-04-03 - 来自专栏又见苍岚
机器视觉 —— 成像
本文记录《机器视觉》 第二章图像成像原理相关内容，主要介绍图像是如何产生的。 参考资料 《机器视觉》第二章。
2.1K20编辑于 2022-08-09 - 来自专栏机器人视觉
为何工业4.0离不开机器视觉 看人类视觉VS机器视觉
机器视觉是实现工业自动化强有力的工具，与人类视觉相比，机器视觉的可靠性更高，客观性更强，持续工作时间越长。 一套机器视觉系统一般包含光源、镜头、工业相机、机器视觉软件等软硬件产品，工业相机在合适的光照下采集被测物的图像，再由机器视觉视觉软件对图像进行数字化分析及处理。 在机器视觉中，相机快门时间可达微秒级，还能够感知紫外到红外的宽波段范围光谱，且机器视觉产品有宽温、抗振等不同性能可以选择，适应性强，因此，相较于人类视觉，机器视觉成本更低，且更加高效稳定，应用广泛。 ：差，一般只能分辨64个灰度级 机器视觉：强，目前一般使用256灰度级，采集系统可具有10bit、12bit、16bit等灰度级 4、空间分辨力 人类视觉：分辨率较差，不能观看微小的目标 机器视觉 ：目前有4K×4K的面阵相机和8K的线阵相机，通过备置各种光学镜头，可观测小到微米大到天体的目标 5、速度 人类视觉：人眼无法看清快速运动的目标 机器视觉：快门时间可达到10μs左右，高速像机帧率可达到
1.1K20编辑于 2022-11-14 - 来自专栏行走的机械人
机器视觉相机详解
模拟相机输出模拟信号，接口有PAL、NTSC等等，模拟相机需要接图像采集卡才可用于机器视觉。随着技术的发展，数字相机已经成为主流。 目前在机器视觉中，应用最广泛的接口是Gige(以太网)接口，以太网接口在传输速度、距离、成本等方面较其他接口具有很大的优势。 参考 机器视觉-工业相机篇 工业相机选型/工业相机与镜头选型技巧（实操应用） 机器视觉硬件之工业相机（一） CCD、COMS，数字摄像头、模拟摄像头、TVL、PAL、AV、CVBS等的联系和区别 机器视觉工业缺陷检测的那些事
1.5K10编辑于 2022-09-19 - 来自专栏个人学习笔记
机器视觉那些事
机器视觉是什么机器视觉是通过光学的、非接触的传感器自动地获取和解释处理一个真实物体的图像以获取所需信息或用于控制机器运动或过程。不少人会把计算机视觉（cv）等同于机器视觉，其实不然。 机器视觉系统的核心组成机器视觉系统主要包含：图像采集、图像处理、特征提取、判决和控制。 4. 因此由于视觉传感的检测方法以其可靠性高、无接触、包含信息丰富等优势得到了学术界和工业界的广泛关注。机器视觉和计算机视觉的区别计算机视觉和机器视觉是有一定区别的2。 CMOS图像传感器与CCD图像传感器一样，可用于自动控制、自动测量、摄影摄像、视觉识别等各个领域。4. CCD和CMOS图像传感器差异CCD和CMOS图像传感器具有以下差异。
99500编辑于 2025-04-09 - 来自专栏智能算法
机器视觉与计算机视觉的区别？
计算机视觉与机器视觉，首先是应用场景不一样，就像@Vinjn张静 回答的那样：你把摄像头对着人就是CV，对着车间就是MV。 计算机视觉和机器视觉应用场景不同，就像拉货车和载客车是的，侧重点不同而已，一个侧重人工智能分支，一个侧重工业应用！ 机器视觉，主要侧重对量的分析，比如通过视觉去测量一个零件的直径，一般来说，对准确度要求很高。我记得以前接触过一个需求: 视觉测量铁路道岔缺口。 有些机器视觉也需要分析质，比如零件自动分拣。但，计算机视觉一般来说对量的要求不会很高，商场人数统计误差个百分之几死不了人的，但机器视觉真的会，比如那个道岔缺口测量。 以上讨论的是技术，商业方面，计算机视觉的应用面更广一些，毕竟很多业务是跟人相关，比如人脸识别，行为分析等，很多垂直领域都有计算机视觉潜在需求，相对来说，更适合创业； 而机器视觉顾名思义，业务主要跟机器相关
3.6K111发布于 2018-04-03 - 来自专栏软件工程师Michael
Halcon实现机器视觉Demo
物流和包装业：Halcon可以用于物流和包装行业的自动化控制和质量检测，如货物分类、物流搬运机器人控制等。 医疗和生命科学：Halcon可以用于医疗影像诊断和图像处理、生命科学研究等方面。 今天我们使用Halcon实现一个机器视觉的Demo. using HalconDotNet; namespace HalconVisionSystem { class Program
1.2K130编辑于 2023-05-15 - 来自专栏AI机器视觉
机器视觉工具VisionPro介绍
VisionPro是美国公司康耐视的一款视觉处理软件，是目前市面上众多视觉软件中比较好用的一个。 在视觉工具层，通过视觉工具终端之间的拖动操作，可方便完成各工具之间的结果传递。另外VisionPro 可以通过应用程序向导生成应用程序，不需要任何代码即可完成视觉项目。 4.共享处理模式：在共享模式下，QuickBuild并不试图达到Jobs和CPU资源的平衡，相反，Job执行是顺序是由.NET架构来负责。 在上图的图像源置窗口中，您有4种方式来配置图像源，如下： 1.当图像文件，支持*.bmp，*.tif，*.png，*.jpg等格式。 2.图片文件夹，含有上述所支持的文件的文件夹。 4.工业相机，选择工业相机时需要自己置相机参数，如图xx所示，这里不详述。
21.2K30编辑于 2022-06-01 - 来自专栏git
机器视觉与Tesseract介绍
4.配置环境 （1）执行命令创建文件bash_profile（如果不存在）：subl ~/.bash_profile （2）在.bash_profile里面配置如下信息： export PATH=$PATH 4.重启Pycharm就好了
1.1K40发布于 2019-07-19 - 来自专栏深度学习和计算机视觉
机器视觉入门知识总结
一、机器视觉系统 工业相机类型：按照输出信号类型的不同分为模拟相机和数字相机两种。 然而为增加系统稳定性，不会只用一个像素单位对应一个测量/观察精度值，一般可以选择倍数4或更高。这样该相机需求单方向分辨率为1000，选用130万像素已经足够。 但一般来说分辨率越高，帧数越低； 4、与镜头的匹配 传感器芯片尺寸需要小于或等于镜头尺寸，C或CS安装座也要匹配。 光源是影响机器视觉系统输入的重要因素，其直接影响输入数据的质量和至少30%的应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。 因而丰富的照明技术可以解决视觉系统中图像获取的很多问题，光源照明技术的选择可能对一个视觉系统的成功与否至关重要。
1.2K20编辑于 2022-12-27 - 来自专栏机器人小农
机器人视觉3
今天我们就来说说3D相机和机器人之间那些思维。 往往3D相机是标定工具的，因此相机给出的位置信息对于机器人来说相当于绝对坐标值，就是说相机给了这个产品的位置信息，机器人拿到就直接执行这个位置就可以了。 首先我们来了解一下3D相机的原理： 3D相机是通过“激光”扫描得到镜头下物体轮廓的点云，并且计算出预先设置好的特征，并且计算出机器人tcp的位置 由此看来相机需要知道机器人的base坐标系位置，tcp 把这个位置信息发送给机器人。 当机器人收到后只需要执行这个位置就可以实现抓取了。 真的吗！！！ 回头看看我们前面说过相机给我们的数据是：机器人的base坐标系下，tcp位置，tcp抓取姿态。
74210编辑于 2022-06-29 - 来自专栏流川疯编写程序的艺术
机器视觉——光的初探
视觉，以及善于辨识，是人类与生俱来的特殊能力。明眸善睐，可以直通心灵。但是随着科学技术的发展，用于“辨识”的机器视觉，也应运而生。 这种机器辨识试图完成和人类视觉同样的功能，而且优点更为突出。 机器不会受主观情绪的限制，没有疲劳，对物体信息的记忆更加精确并持久，通过确定的计算方法得出结论而不会出现“视觉混淆”的情况。 以下是作为参考的机器视觉处理链 ? 在计算机对图像数据进行处理之前，我们首先要捕获图像信息。和人眼类似，机器视觉中的图像信息，是通过传感器捕获物体的光学特征而形成的。 所以，理解光的物理特性，对机器视觉的建立至关重要。
89831发布于 2019-06-11 - 来自专栏又见苍岚
机器视觉 —— 光信号检测
本文记录《机器视觉》 第二章图像成像原理相关内容，主要介绍数字图像是如将光线转换为信号的。 信号检测 几乎所有图像传感器的工作原理都依赖于：光子击打某种特殊材料时所产生的“电子/空穴”对。 这是生物视觉和摄影的基本过程。 不同的图像传感器之间的区别在于：它们对带电粒子流的检测方式不同。 在白光条件下，人类视觉系统所使用的“传感器”有三种。这些“传感器”被称为：锥状体。这三种锥状体中的每一种都具有特殊的光谱灵敏度。 机器视觉系统使用红、绿、蓝三种滤光镜来获得图像。 参考资料 《机器视觉》第二章。
1.4K10编辑于 2022-08-09 - 来自专栏深度学习和计算机视觉
机器视觉光源选型攻略
在机器视觉系统中，光源具有非常重要的作用，选择合适的光源成为决定整个系统成败的关键因素，光源的主要目的就是将被测物体与背景尽量明显分别，获得高品质、高对比度的图像。 下面带您了解一下机器视觉光源颜色的选择攻略： 一般情况下，如果使用黑白相机，又对被测物体的颜色选择没有特殊的要求，红色是比较合适的选择。 机器视觉应用中应注意目标颜色与光源颜色的搭配，我们看到某个物体成某种颜色，是因为其反射了对应的光谱。 视觉应用中，为目标颜色合理地选择光源的颜色有利于降低算法难度、提高系统稳定性。 同类色 同类色指色相性质相同，但色度有深浅之分。 是色相环中15°夹角内的颜色。 如深红与浅红，深蓝与浅蓝。 是色相环中，凡在60度范围之内的颜色都属邻近色的范围 互补色/对比色 有非常强烈的对比度，在颜色饱和度很高的情况下，可以创建很多十分震撼的视觉效果。 例如橙和蓝、红和绿、黄和紫。
1.9K10编辑于 2022-12-27 - 来自专栏深度学习和计算机视觉
机器视觉尺寸检测基础
边缘检测是通过视觉系统来检测这种浓淡变化的边缘。 可以通过下列4个过程来得到边缘。 (1)投影处理 对于测量区域内的图像进行投影处理。投影处理是相对于检查方向进行垂直扫描，然后计算各投影线的平均浓度。 (4)亚像素处理 对于微分波形中最大部分的中心附近的3个像素，根据这3个像素形成的波形，进行修正演算。以1/100像素为单位测算边界位置（次像素处理）。 ＜例4＞利用趋势边缘宽度的各种检查 利用“ 圆周”区域的“ 趋势边缘宽度”模式，扫描环状工件的内径、评价扁平度等。
96230编辑于 2022-02-10 - 来自专栏AI机器视觉
深度学习和机器视觉
机器视觉就是用机器代替人眼来完成观测和判断，常用于大批量生产过程中的产品质量检测，不适合认得危险环境和人眼视觉难以满足的场合。 机器视觉可以大大提高检测精度和速度，从而提高生产效率，并且可以避免人眼视觉检测所带来的偏差和误差。 深度学习（DeepLearning）是近年来人工智能领域取得的重要成果。 可以说深度学习是传统机器视觉领域发展的一个大趋势，接下来会有越来越多的项目落地，谁能把握住这个转变，谁就会在未来的竞争中脱颖而出。 1.机器视觉常用的功能： 2.机器视觉应用的领域 3.机器视觉典型应用 (1). 图像分类、目标检测： (2). 坐标定位、位置变换： (3). 特征判断，字符识别： (4). 语义分割： (5). 步态识别、重识别： (6).
2.2K40编辑于 2022-06-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号