机器视觉技术发展现状
人类认识外界信息的 80%来自于视觉，而机器视觉就是用机器代替人眼来做
测量和判断， 机器视觉的最终目标就是使计算机像人一样， 通过视觉观察和理解 世界，具有自主适应环境的能力。作为一个新兴学科，同时也是一个交叉学科， 取“信息”的人工智能系统，其特点是可提高生产的柔性和自动化程度。目前机 器视觉技术已经在很多工业制造领域得到了应用，并逐渐进入我们的日常生活。 机器视觉是通过对相关的理论和技术进行研究，
从而建立由图像或多维数据中获
机器视觉简介
机器视觉就是用机器代替人眼来做测量和判断。 机器视觉主要利用计算机来 模拟人的视觉功能， 再现于人类视觉有关的某些智能行为， 从客观事物的图像中 提取信息进行处理， 并加以理解， 最终用于实际检测和控制。 机器视觉是一项综 合技术，其包括数字处理、机械工程技术、控制、光源照明技术、光学成像、传 感器技术、 模拟与数字视频技术、 计算机软硬件技术和人机接口技术等， 这些技 术相互协调才能构成一个完整的工业机器视觉系统 。
机器视觉强调实用性， 要能适应工业现场恶劣的环境， 并要有合理的性价比、 通用的通讯接口、 较高的容错能力和安全性、 较强的通用性和可移植性。 其更强 调的是实时性，要求高速度和高精度，且具有非接触性、实时性、自动化和智能 高等优点，有着广泛的应用前景 。
一个典型的工业机器人视觉应用系统包括光源、 光学成像系统、 图像捕捉系 统、图像采集与数字化模块、 智能图像处理与决策模块以及控制执行模块。 通过
CCD或CMOS摄像机将被测目标转换为图像信号， 然后通过A/D转换成数字信 号传送给专用的图像处理系统， 并根据像素分布、 亮度和颜色等信息， 将其转换 成数字化信息。图像系统对这些信号进行各种运算来抽取目标的特征，如面积、 数量、位置 和长度等，进而根据判别的结果来控制现场的设备动作 。
机器视觉一般都包括下面四个过程：
[1]
[1]
[1]
第 1页（共 7 页）
被测物体光学系统
相机 图像采集卡 机器视觉系统组成
计算机
机器视觉的发展历史
机器视觉是在20世纪50年代从统计模式识别开始，当时的工作主要集中 在二维图像分析、识别和理解上。从 20世纪70年代才真正开始发展，并涌现 出了主动视觉理论框架、基于感知特征群岛物体识别理论框架等新的概念、方法 及理论。Marr视觉计算机理论是视觉研究迄今较为完善的理论，其使视觉研究 有了一个较为明确的体系⑵。
Marr视觉理论从计算视觉理论出发，将立体视觉分为自上而下的三个阶段, 即早期的二维视觉数据获取、中期的要素处理和后期三维信息的形成和表达。经 历这单个阶段即可完成二维到三维的转换工作
图象
?
早盼E
中期视
觉处理和,觉处理
? ?
要素E
e期视
处理
工￡维罔
图2 Marr理论框架的三个阶段
早期阶段的“要素图” (P rimarysketch)是由二维图像中的点、直线、曲线 和纹理等特征组成，早期阶段的处理是从图像中获取这些特征。 中期阶段的处理 是处理特征要素的位置和相互关系，从而完成对物体的识别、运动分析和形状恢 复等操作，该阶段处理的结果仅仅是对空间场景的二维半描述。 如若要完成对空 间场景的真正三维描述，还需第三阶段的后期视觉处理，将物体自身坐标统一到 一个世界坐标系中
［3］
。
第2页(共7页)
作为立体视觉的基础理论， Marr 理论具有极其重要的指导作用，但 Marr 理 论自身有缺陷，如单向性（视觉处理只能从前至后处理） 、被动性（视觉处理只 能是给什么图像处理什么图像） 、目的单一性（视觉处理的目标一般只是恢复空 间场景中的物体形状和位置） 等。经过几十年的发展， 许多学者纷纷提出了 Marr 理论的改进框架， 如在框架前增加图像拾取模块， 使其能根据分析要求和分析结 果自主获取图像； 增加反馈环节， 使视觉处理结果能反向指导图像获取环节， 前 后互动；增加高层指导模块和视觉目的模块， 使整个视觉处理按照视觉目的的要
在高层指导模块的指导下完成不同的视觉处理操作，实现其功能多样化 求，
改进的 Marr 理论框架使立体视觉趋于自动化、智能化和多功能化 之，
[3]
.总
。
机器视觉相关技术
1、 图像采集技术——机器视觉的基础
图像采集部分一般由光源、 镜头、数字摄像机和图像采集卡构成。 采集过程 可简单描述为在光源提供照明的条件下， 数字摄像机拍摄目标物体并将其转化为 图像信号，最后通过图像采集卡传输给图像处理部分。在设计图像采集部分时， 要考虑到多方面的问题，主要是关于数字摄像机、 图像采集卡和光源方面的问题。 1）光源照明
照明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应 用效果。到目前为止， 还未有哪种机器视觉照明设备能通用各种应用， 因此在 实 际应用中， 需针对应用选择相应的照明设备以满足特定需求。 在光源照明方案选 择过程中， 应尽可能地突出物体特征， 在物体需要检测的部分与不重要部分之间 尽量产生明显的区域， 增加对比度， 同时还应保证足够的整体亮度， 而物体位置 的变化不应影响成像的质量。
照明系统按其照射方法可分为 :背向照明、前向照明、结构光和频闪光照明 等。其中，背向照明是指将被测物放在光源和摄像机之间， 以提高图像的对比度。
前向照明是光源和摄像机位于被测物的同侧， 其优点是便于安装。 结构光照明是 将光栅或线光源等投射到被测物上， 并根据其产生的畸变， 解调出被测物的三维 信息。频闪光照明是将高频率的光脉冲照射到物体上， 摄像机拍摄要求与光源同
步
[1]。
2）光学摄像头
光学摄像头的任务就是进行光学成像， 一般在测量领域都又专门的用于测量 的摄像镜头， 因为其对成像质量有着关键性的作用。 摄像头需要注意的一个问题 是畸变。这个就需要使用相应的畸变校正方法， 目前也开发出了很多自动畸变自 动校正系统。 3) CCD 摄像机及图像采集卡
CCD( Charge Cou pled Device摄像机及图像采集卡共同完成对目标图像的采 集与数字化。目前CCD CMOS等固体器件的应用技术，线阵图型敏感器件，像 元尺寸不断减小，阵列像元数量不断增加，像元电荷传输速率也得到大幅提高。 在基于PC机的机器视觉系统中，图像采集卡是控制摄像机拍照来完成图像的采
第 3页（共 7 页）
机器视觉技术发展现状文献综述(2)
