机器视觉及其应用发展( 四 ) _视觉

二、机器视觉系统及典型应用分析

文章插图
机器视觉系统形式多样，在不同的场景中应用所采用摄像装置也是不同的。主要区分为，线阵和面阵两类。工业视觉大多数使用线阵系统。下面列出部分使用线阵和面阵视觉系统的应用。
（一）机器视觉的典型应用
1 ．纺织与服装
断纱检测；
织染检测；
布料、皮革形状检测。
2 ．食品与粮食
粮食异物检测、分拣与色选；
饮料液位检测；
生产日期、保质期字符识别；
灌装线上空瓶的破损、洁净检测。
3 ．特种检验
缆绳磨损与破损检测；
容器与管道探伤；
游乐设施速度检测；
危险装备的在线状态检测。
4 ．包装
外观完整性检测；
条码识别；
唛头、密封性检测。
5 ．机械制造
零部件外形尺寸检测；
装配完整性检测；
部件的定位与姿态识别；
零件、发动机、底盘等编号的同色凹字符识别。
6 ．邮政分拣

文章插图
邮政编码识别；
包裹物品检测。
7 ．海关与口岸
指纹、掌纹、虹膜与人脸识别；
货物识别；
安检危险物品检测。
此外，机器视觉还广泛应用于集成电路检测、航空航天、军事国防、消防和公路交通等。下面通过一个具体的视觉系统来说明。
（二）机器视觉在汽车辅助自动驾驶中的应用
在汽车的辅助自动驾驶中，机器视觉系统的典型应用，如图 1 所示。机器视觉系统在其中的主要任务在于，完成对车辆前方、车辆后方和两侧，以及车内驾驶员行为等各种视觉信息的获取和处理，并完成辅助驾驶指令的发出。其中前方车辆和路况信息对安全驾驶起着关键作用。汽车辅助自动驾驶，是未来发展智能汽车的前提和基础。
图 1辅助自动驾驶的路况示意图
着重介绍该立体视觉系统，该系统已经完成实验室研究。示意图如图 2 所示。在车辆前向对称位置，左右装置双目视觉的立体视觉系统。获取前方的车辆和路况信息，也包括道路标志信息。其基本原理是用两台 CCD摄像机以不同角度获取物体图像，通过空间物点在两幅图像中对应像点之间的几何位置关系来重构该物点的空间三维坐标。根据本车的速度和与前方车辆的相对位置或距离，不断检测前方视场范围内的车辆和环境信息，得到前方车辆的速度、车辆的高宽尺寸，并获取前方路况其他信息，如道路标志信息，路面障碍物信息等。根据得到的综合信息，辅助驾驶人员采取安全、有效的操控方式。达到高精度三维定位的一个关键前提是特征向量的选取以及高精度立体匹配。
图 2辅助自动驾驶的立体视觉系统示意图
过程如下：首先完成对采集到的图像进行灰度变换、直方图增强、平滑滤波等必要的预处理。需要指出的是，由于序列图像本身含有各种噪声干扰，且当目标运动速度过快时可能产生图像的“拉毛”现象，所以需要对图像进行平滑滤波。应用较多的高斯滤波器虽然能抑制高斯噪声，但它不能消除任何毛刺现象。考虑这种情况，系统采用了快速中值滤波（ FM ）算法。它的思想是，把数字图像中一个像素点的灰度值，用该点邻域中各点的中值替代，其中每次窗口沿着行平移一列后进行排序时，实际窗口内容变化的只是丢弃了最左侧的列取而代之的是一个新的右侧列，而其余的窗口下的像素值没有改变。该算法是一种很好的非线性滤波方法，可极大减小运算量，能消除脉冲干扰造成的孤立噪声，以及叠加白噪声和长尾叠加噪声，并可克服线性滤波器滤波结果中细节模糊的问题，能较好地保护边界信息。经过预处理后的图像序列成为可供计算机分析处理的图像。