解决方案
-
3D无序抓取
什么是3D无序抓取？3D无序抓取就是利用3D成像系统对工件表面进行感知和分析，计算得到物体的实时空间坐标和姿态，无需示教即可无缝驱动机械臂可被广泛应用于料框堆叠工件的识别/无序抓取等多种需求。针对料框中散乱工件的上下料技术难点及机器代替人工的趋势，3D视觉引导定位机器人无序抓取系统解决方案采用3D相机进行三维数据的采集、匹配、识别，并将最合适抓取工件的坐标转换为机器人坐标，机器人根据限定条件进行最优路径规划完成散乱工件的抓取，最终实现无序抓取的整个流程。为什么要使用3D无序抓取？在工业上，机器人完成重复性工作已经很常见了，但是无序的应用环境则要复杂得多。这就意味着机器人无法依靠设定好的程序继续执行工作，而是需要对环境进行感知、分析，从而再做出判断。在没有应用3D视觉之前，杂乱无章的工作任务通常是用传统的工装实现定位的。这种方式无法满足不同产品使用一个工装定位的问题。随着电子行业的兴起，工业生产中无序类的应用需求越来越多。为了解决这个问题，3D视觉就成为了最佳的选择。专门针对散乱堆放的工件设计，来高效地完成3D智能抓取，来替代传统的工装夹具。3D无序抓取在实际工业中的使用使用3D无序抓取命令，可以做到：检测任何物体的每个位置和形状；在盒子中检测未分类的零件，用机器人将他们捡起来并送入生产机器；将盒子中每个检测到的零件的位置发送给机器人。通过3D匹配，可以只用1个3D传感器来配置之前的任何对象的形状和位置。因此，可以用来无序抓取复杂形状的零件。在这些方向上3D无序抓取也得到了应用：>> 多品种工件的机器人3D定位抓取上料>> 料框堆叠物体3D识别定位>> 复杂多面工件的柔性化3D定位抓取>> 大型物体3D定位抓取>> 工件的无序来料3D定位>> 多工序间机器人协作3D定位抓取>> 输送带上物体的快速3D定位抓取>> 喷涂机器人来料3D识别定位>> 大型设备的机器人装配3D定位3D无序抓取现状及未来发展从生产和环境适应性的角度来讲，未来几年的发展方向对3D视觉有着更广泛的需求。这要求3D相机能够通过对工件3D数据的扫描，帮助机器人快速准确的找到被测零件并确认其位置，引导机械手准确抓取定位工件，从而实现工业机器人自动化生产线的柔性工装。而在应用拓展方面，除了智能抓取，当前，机器人3D视觉在自动化焊接、自动化切割、自动化装配、自动化码垛等方面也有广泛应用。【来源：光虎视觉内部培训资料】
-
自动对焦技术
什么是自动对焦？ 自动对焦指的是能够根据被测物与视觉系统之间的距离，来自动调整镜头焦距以保持影像清晰。是利用物体光反射的原理，相机上的传感器接收反射的光，通过计算机进行处理，带动电动对焦装置进行对焦。自动对焦技术通常分为两类：主动式和被动式。 主动式 指的是相机上的红外线发生器、超声波发生器发出红外光或超声波到被测物。相机上的接收器接收反射回来的红外光或超声波进行对焦，其光学原理类似三角测距对焦法，即测距自动对焦。 被动式 即直接接收并分析来自被测物自身的反光，进行自动对焦的方式。这种自动对焦方式的优点是自身不需要一个发射系统，因而耗能少，对具有一定亮度的被测物有较为理想的自动对焦。通常为聚焦检测自动对焦。一般来说，工业上进行使用多数为被动式自动对焦。 如何进行自动对焦？ 配备有自动对焦功能的相机，通常使用软件搭配液态镜头来调整焦距，从而达到聚焦清晰的效果。 只有在需要对焦的区域中需要达到最佳聚焦点时才会有作用，然后会停止自动对焦的动作。这就是通过接收来自被测物自身反射的信息，进行图像数据分析，从而达到控制液态镜头，改变焦距的效果。 如何判断最佳聚焦点？ 有不同的方法来测量图像的清晰度，依据两个基本原理。第一个原理是图像的边缘清晰度。也就是在实际获取的图像中，搜索相邻像素之间的大的灰度值的跳跃，来突出显示边缘或者轮廓。这些边缘轮廓的对比度则用来决定图像的锐利度。边缘图像越清晰，原始图像的清晰度越高。（具体可以参考图像在时域和频域的转换中的高频部分）。 第二个原理是基于图像直方图的值的分析。可以用来计算图像的平均灰度值的像素值的变化量。方差越大，现有的灰度值边缘和图像的对比度就越高。如果图像变得不聚焦，那么之前的灰度值跳跃大的边缘就会呈现斜坡形式的梯度，导致图像的对比度降低。也就是说，图像越清晰，灰度扩散越高，图像中的对比度也就越高，图像也越清晰。 在使用自动对焦，焦距在改变过程中，图像的锐利度和方差是会实时改变的，通过软件进行图像锐利度以及方差的分析处理，达到一个效果显著的清晰图像。 自动对焦技术的优势在哪？ 自动对焦技术使用液态镜头来实现，与传统透镜有所不同，液体镜头是一种使用一种或多种液体制成的无机械连接的光学元件，可以通过外部控制改变光学元件的内部参数，有着传统光学透镜无法比拟的性能。简单来说就是透镜的介质由玻璃变为液体。更准确地来说就是一种动态调整透镜折射率或通过改变其表面形状来改变焦距的新型光学元件。 就像利用玻璃制成的传统光学镜头一样，液体镜头也属于单体光学元件，但其材质是可以改变形状的光学液态材料。玻璃镜头焦距取决于其材质和曲率半径。液态镜头也遵从相同的基本原理，但其独特之处在于可以改变曲率半径，从而改变焦距。这种半径变化采用电控方式，能够实现毫秒级的变化。生产厂家利用从电润湿到形变聚合物再到声光调节等各种技术，控制液态镜头曲率半径和折射率。 大多数成像镜头都是多元件镜头，单光学镜头的成像性能难以满足需要。因此只使用液态镜头是不明智的。但在多元件设计中结合使用液态镜头和成像镜头，就可以发挥液态镜头的速度和灵活性优势。液态镜头能够以毫秒级的反应时间在近距离或光学无穷远对焦，这对于条码读取、包装分类、安保和快速自动化等需要在多个位置进行对焦的应用来说是一种理想选择，这些被检测物体要么尺寸不同，要么与镜头之间的距离不同。在需要快速对焦的各种应用中，可以利用液态镜头提高成像系统灵活性。 【来源：光虎视觉内部培训资料】
-
CXP2.0与5、10、25Gig...
CoaXPress2.0 CoaXPress是专业和工业成像应用（例如机器视觉、医学成像、生命科学、广播和国防）的全球最快标准。它是一种不对称的点对点串行通信标准，可通过单根或多根同轴电缆传输视频和静止图像，CXP 1.1相机已经面世了十年，它具有用于视频、图像和数据的每条电缆高达6.25 Gbps的高速下行链路特点，其使用的标准连接器为75ΩBNC和DIN1.0/2.3；目前CXP1.1引入的单个通道最大传输速度为6.25Gbps，对于CXP-10，CXP 2.0将其提高到10 Gbps，对于CXP-12，CXP2.0将其提高到12.5 Gbps。 作为CXP协议的制定商之一的Active Silicon，CXP-12采集卡上行速度提高一倍，达到42Mbps，因此现在可以实现超过500kHz的触发速率。实时触发是CoaXPress众所周知的优势，并且是许多工业检测系统中的关键功能，值得注意的是，CXP-12采集卡首选的连接器是Micro-BNC，也称为HD-BNC，使用更小的连接器能合并到更紧凑的硬件中；CXP2.0协议引入了多目标功能，因此可以将数据从单个摄像机输出到位于不同PC上的多个图像采集卡。 该标准的未来版本有望包括对GenDC的正式支持，与预期的光接口的兼容性以及对串行通信的支持。速度可能会随着技术的发展而提升。 5GigE IEEE 802.3bz-2016的发布旨在为双绞线以太网连接提供增强的标准，速度为2.5和5 Gbps。获得了当前1 Gb和10 Gb以太网标准之间的中间速度。产生的标准称为2.5GBase-T和5GBase-T，或2.5和5 GigE Vision。可通过标准的at5eC电缆以高达5 Gbps的速度传输，提供更大的灵活性。使用普通的铜双绞线，该技术可以将数据传输容量提高到100米，而铜双绞线往往是传统系统中的标准配置。 2.5G超过100米Cat5e(D类)非屏蔽双绞线铜缆 5Gb/s超过100米Cat5e(D类)非屏蔽双绞线铜缆 5Gb/s超过100米Cat6(E类)非屏蔽双绞线铜电缆 10GigE 10GigE(万兆以太网)，一种以太网的传输标准，最初在2002年通过，成为 IEEE Std 802.3ae-2002。它规范了以 10 Gbit/s 的速率来传输的以太网，因为速率是1GigE以太网的十倍，因此得名。 10GBase-T连接中使用的标准铜缆（Cat6，Cat6a和Cat7）支持的最大长度为100 m，这取决于所用电缆的类型。但是，Cat6电缆最多只能使用55 m的长度，Cat6a或Cat7电缆的距离更长；光纤电缆可提供更长距离的传输，但需要转换器来生成光信号和NIC卡中的光接收器，支持以太网供电（PoE）和同一根电缆。 25GigE 千兆以太网视觉发布于2006年，传输距离高达100m。当摄像头为低分辨率甚至现在使用中分辨率摄像头（例如12Mpx）和低帧速率要求时，这种方法就可以工作。现在，为了获得更高的分辨率并支持更高的帧速率（即更高的带宽），业界开始采用5、10和25 GigE视觉，这比原始GigE Vision接口快5、10和25倍。直到长度为25GigE的点式光缆接管为止，电缆的长度都会有所妥协。某些PC支持新的速度，但是实际上任何现代PC都可以添加相对便宜的网络接口卡（NIC），能实现更高的速度。 25GigE SFP28接口提供了三个选项，可以满足所有应用的电缆长度要求。第一种选择是使用SFP28多模光纤模块/收发器和LC-LC多模光纤电缆，电缆长度从1M到70M。第二种选择使用SFP28单模光纤模块/收发器和LC-LC单模光纤电缆，电缆长度范围从1M到10KM。第三种选择是使用低成本直接连接来连接1至5米之间的电缆。相比于CXP连接器，25 GigE的连接器硕大无比。 【来源：光虎视觉内部培训资料】
-
相机标定的理解及原理...
世界平面测量与校正 与观察和检查平面（平坦）表面或放置在此类表面（例如传送带）上的物体有关的视觉系统可以利用Adaptive Vision Studio的图像到世界平面转换机制，该机制可以： 从原始图像上的位置计算现实世界的坐标。例如，这对于与外部设备（例如工业机器人）的互操作性至关重要。假设在图像上检测到对象，并且需要将其位置传输到机器人。检测到的对象位置以图像坐标给出，但是机器人在现实世界中使用不同的坐标系进行操作，需要一个由世界平面定义的通用坐标系。 将图像校正到世界平面上。当使用原始图像进行图像分析不可行时（由于高度的镜头和/或透视失真），这是必需的。对校正图像执行的分析结果也可以转换为由世界平面坐标系定义的真实坐标。另一个用例是将所有摄像机的图像校正到公共世界平面上的多摄像机系统校正，从而在这些校正后的图像之间提供简单且定义明确的关系，从而可以轻松叠加或拼接。 下图显示了图像坐标系。图像坐标以像素表示，原点（0,0）对应于图像的左上角。X轴从图像的左边缘开始，并向右边缘。Y轴从图像的顶部开始向图像的底部开始。所有图像像素都具有非负坐标。 图像坐标中的方向和像素位置 这个世界平面是一个特殊的平面，在真实的三维世界中定义。它可以任意放置在相机上，有一个定义的原点和XY轴。 下面的图像显示了世界平面。第一幅图像呈现原始图像，这是由一个尚未安装在感兴趣物体上方的相机拍摄的。第二个图像显示的是世界平面，它已与物体所在的表面对齐。这允许从原始图像上的像素位置计算世界坐标，或者进行图像校正，如下一幅图像所示。 不完全定位的相机捕获的感兴趣对象 世界平面坐标系叠加在原始图像上 图像到世界平面坐标的计算 图像校正，在世界坐标下，将从点(0，0)到(5，5)的区域裁剪 如何实现相机标定？ 使用针孔相机模型 滤波器通过有效地最小化RMS重投影误差（图像上观察到的网格点之间的平均平方距离的平方根），从一组平面校准网格中估计摄像机的固有参数-焦距，主点位置和畸变系数，使用估计的参数（即网格姿态和相机参数）将关联的网格坐标投影到图像平面上。如果至少一个校准网格不垂直于相机的光轴，则可以通过滤镜计算焦距。或者，可以通过inFocalLength将焦距设置为固定值。inFocalLength以像素为单位测量，可以通过传感器和镜头参数计算得出： 其中f_pix焦距测量为像素，f_镜头焦距测量为毫米，pp-传感器像素间距测量为每像素毫米，d-摄像机结合或/和图像缩小因子。 InFocalLength也可以从视角获得，对于水平情况，适用以下公式： 其中f_pix焦距以像素为单位，w-图像宽度，α-水平视角 支持一些失真模型类型。最简单的部门支持大多数用例，即使校准数据稀疏也具有可预测的行为。高阶模型可能更准确，但是它们需要更大的高质量校准点数据集，通常需要在低于0.1 pix的整个图像量级上实现高水平的位置精度。当然，这只是经验法则，因为每个镜头都不同，并且有例外。 失真模型类型与OpenCV兼容，并使用标准化图像坐标用方程表示： 分部失真模型 多项式失真模型 多项式--薄棱镜畸变模型其中，x’和y’不失真，x”和y”是失真的归一化图像坐标。 相机模型可直接用于获取未失真的图像（该图像将由具有相同基本参数的相机拍摄，但不存在镜头失真），但是在大多数情况下，相机校准只是某些条件的先决条件其他操作。例如，当使用照相机检查平面（或放置在该表面上的物体）时，需要照相机模型来执行世界平面校准 一组用于基本校准的栅格图像 使用OUT ReprojectionErrorSegments用于识别图像点及其网格坐标的不良关联。 InImageGrids-两分交换校准网格的提取 相机校准和图像到世界平面的转换计算均使用具有网格索引的图像点阵列形式的提取的校准网格，即带注释的点。 网格的实际坐标是2D，因为平面网格上任何点的相对坐标都是0。 Adaptive Vision Studio为几种标准网格格式提供了提取过滤器（例如DetectCalibrationGrid_Chessboard和DetectCalibrationGrid Circles）。 获得高精度结果的最重要因素是提取的校准点的精度和准确性。校准网格应尽可能平坦且坚硬（纸板不是合适的支撑材料，厚玻璃是完美的选择）。拍摄校准图像时，请注意适当的条件：通过适当的相机和栅格安装座最大程度地减少运动模糊，防止来自校准表面的反射（最好使用漫射照明）。使用自定义校准网格时，请确保点提取器可以达到亚像素精度。验证真实网格坐标的测量结果是否准确。另外，使用棋盘格校准格时，请确保整个校准格在图像中可见。否则，将不会检测到它，因为检测算法需要在棋盘周围有几个像素宽的空白区域。请注意列数和行数，因为提供误导性数据可能会使算法无法正常工作或根本无法工作。 使用圆点标定板的图片示例： 使用棋盘标定版的图片示例，只需要拍摄标定板的图片，并通过ImageObjectsToWorldPlane：Points过滤器模块，输入棋盘格的尺寸以及棋盘格所对应的像素，即可实现相机标定以及畸变校正。 再输入棋盘格每个方形格的实际尺寸，即可实现世界坐标转换图像坐标。 【来源：光虎视觉内部培训资料】
-
相机标定的理解及原理...
相机标定，是一个估计相机模型参数的过程：一组描述图像捕获过程内部几何形状的参数。
-
量子点CMOS
与可见光面阵相机相比，SWIR光子被对象反射或吸收，从而提供了高分辨率成像所需的强烈对比度。
-
荧光技术
荧光，是指一种光致发光的冷发光现象。
-
紫外成像与高压放电检...
紫外线产生的本质是电晕放电，它是一种局部化的放电现象， 在极不均匀的电场环境下，当电压还未能引起击穿前，电离现象已经非常强烈，大量空间的电荷积聚一起，使得间隙中的电场发生畸变。
-
10GigE和25GigE相机在...
Emergent在运用包括PTP和硬件触发在内的各种方法来同步相机方面拥有极其丰富的经验，可以轻而易举地实现微秒级精度。
-
什么是LUT？
LUT是Look Up Table（颜色查找表）的缩写。
-
深度学习应用示例
光虎视觉代理的Adaptive Vision公司软件带有深度学习插件，本文重点介绍了深度学习的应用示例，适用于各种检测场景。
-
图像传感器的动态范围
动态范围是图像传感器最重要的参数之一，决定了摄出图像的细节。光虎视觉代理的高动态范围相机就极受欢迎。
-
微信服务号
-
手机站
-
官方认证微博
-
LinkedIn企业主页
-
在线咨询
-
022-58627718
-
