影响机器视觉检测结果的重要场景因素

“在工业领域，机器视觉技术已应用于工业自动化系统中，以取代传统上的人工检查来提高生产质量和产量从拾取和放置、对象跟踪到计量、缺陷检测等应用，利用视觉数据可以通过提供简单的通过失败信息或闭环控制，来提高整个系统的性能。

”视觉的使用并不仅仅在工业自动化领域，在日常生活中，视觉相机也同样被大量应用，例如应用于计算机、移动设备中摄像头在几年前被引入到汽车中，如今汽车中已配备了大量摄像头，为驾驶员提供完整的360°车辆视图机器视觉检测可改善自动化设置。

集成的机器人解决方案可快速轻松地提供机器视觉检测的优势但是，即使技术有所改进，视觉也是机器人技术的一个比较“棘手”的问题机器视觉检测系统最常见的功能是检测已知物体的位置和方向，在完善硬件、程序和算法设置等环节之外，也需要充分考量照明、背景等因素。

一、照明如果有过在低光照下拍摄数码照片的经验，就会知道照明至关重要糟糕的照明会毁掉一切成像传感器不像人眼那样适应性强或敏感如果照明类型错误，视觉传感器将无法可靠地检测到物体有各种克服照明挑战的方法一种方法是将有源照明结合到视觉传感器本身中。

其他解决方案包括使用红外照明，环境中的固定照明或使用其他形式的技术，例如激光二、变形或铰接三、位置和方向机器视觉检测系统最常见的功能是检测已知物体的位置和方向因此，大多数集成视觉解决方案通常都克服了这些挑战。

只要整个物体可以在摄像机图像内被查看，检测物体的位置通常是直截了当许多系统对于对象方向变化的检测非常灵敏但是，并不是所有的方向都是易于检测的虽然检测沿一个轴旋转的物体是足够简单的，但是检测物体的3D旋转则更为复杂。

四、背景图像背景对物体检测有很大的影响举一个极端的例子，对象被放置在一张纸上，在该纸上打印同一对象的图像在这种情况下，机器视觉检测设置可能无法确定哪个是真实的物体完美的背景是空白的，并提供与检测到的物体良好的对比。

它的确切属性将取决于正在使用的视觉检测算法如果使用边缘检测器，那么背景不应该包含清晰的线条背景的颜色和亮度也应该与物体的颜色和亮度不同五、遮挡遮挡意味着物体的一部分被遮住了在前面的几种情况中，整个对象出现在相机图像中。

遮挡是不同的，因为部分对象丢失视觉系统显然不能检测到图像中不存在的东西有各种各样的东西可能会导致遮挡，包括其他物体、机器人的部分或相机的不良位置克服遮挡的方法通常涉及将对象的可见部分与其已知模型进行匹配，并假定对象的隐藏部分存在。

六、尺度在某些情况下，人眼很容易被尺度上的差异所欺骗机器视觉检测系统可能被他们弄糊涂了想象一下，你有两个完全相同的物体，只是一个比另一个大想象一下，您正在使用固定的2D视觉设置，物体的大小决定了它与机器人的距离。

尺度的另一个问题，也许不那么明显，就是像素值的问题如果将机器人相机放置得很远，则图像中的对象将由较少的像素表示当有更多的像素代表对象时，图像处理算法会更好地工作，但也存在一些例外七、照相机放置不正确的相机安装位置可能会导致以前出现过的任何问题，所以重要的是要正确使用它。

尝试将照相机放置在光线充足的区域，以便在没有变形的情况下尽可能清楚地看到物体，尽可能靠近物体而不会造成遮挡照相机和观看面之间不应有干扰的背景或其他物体八、运动运动有时会导致计算机视觉设置出现问题，特别是在图像中出现模糊时。

例如，这可能发生在快速移动的传送带上的物体上数字成像传感器在短时间内捕获图像，但不会瞬间捕获整个图像如果一个物体在捕捉过程中移动太快，将导致图像模糊我们的眼睛可能不会注意到视频中的模糊，但算法会当有清晰的静态图像时，机器视觉检测效果最佳。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。