国产激情对白一区二区三区四,亚洲av无码一区二区一二区潮浪

培訓(xùn)資料分類

熱門人氣資料 / Download More

發(fā)布時(shí)間: 2018 - 01 - 06

圖像處理與機(jī)器視覺第一章圖像增強(qiáng)的研究和發(fā)展現(xiàn)狀　　圖像在采集過程中不可避免的會(huì)受到傳感器靈敏度、噪聲干擾以及模數(shù)轉(zhuǎn)換時(shí)量化問題等各種因素的影響，而導(dǎo)致圖像無法達(dá)到令人滿意的視覺效果，為了實(shí)現(xiàn)人眼觀察或者機(jī)器自動(dòng)分析、識(shí)別的目的，對原始圖像所做的改善行為，就被稱作圖像增強(qiáng)。圖像增強(qiáng)包涵了非常廣泛的內(nèi)容，凡是改變原始圖像的結(jié)構(gòu)關(guān)系以取得更好的判斷和應(yīng)用效果的所有處理手段，都可以歸結(jié)為圖像增強(qiáng)處理，其目的就是為了改善圖像的質(zhì)量和視覺效果，或?qū)D像轉(zhuǎn)換成更適合于人眼觀察或機(jī)器分析、識(shí)別的形式，以便從中獲取更加有用的信息。　　常用的圖像增強(qiáng)處理方式包括灰度變換、直方圖修正、圖像銳化、噪聲去除、幾何畸變校正、頻域?yàn)V波和彩色增強(qiáng)等。由于圖像增強(qiáng)與感興趣的物體特性、觀察者的習(xí)慣和處理目的密切相關(guān)，盡管處理方式多種多樣，但它帶有很強(qiáng)的針對性。因此，圖像增強(qiáng)算法的應(yīng)用也是有針對性的，并不存在一種通用的、適應(yīng)各種應(yīng)用場合的增強(qiáng)算法。于是，為了使各種不同特定目的的圖像質(zhì)量得到改善，產(chǎn)生了多種圖像增強(qiáng)算法。這些算法根據(jù)處理空間的不同分為基于空間域的圖像增強(qiáng)算法和基于變換域的圖像增強(qiáng)算法?；诳臻g域的圖像增強(qiáng)算法又可以分為空域的變換增強(qiáng)算法、空域的濾波增強(qiáng)算法以及空域的彩色增強(qiáng)算法；基于變換域的圖像增強(qiáng)算法可以分為頻域的平滑增強(qiáng)算法、頻域的銳化增強(qiáng)算法以及頻域的彩色增強(qiáng)算法?！　”M管各種圖像增強(qiáng)技術(shù)已取得了長足的發(fā)展，形成了許多成熟、經(jīng)典的處理方法，但新的增強(qiáng)技術(shù)依然在日新月異地發(fā)展完善，不斷推陳出新，其中尤其以不引起圖像模糊的去噪聲方法（如空域的局部統(tǒng)計(jì)法）和新的頻域?yàn)V波器增強(qiáng)技術(shù)（如小波變換，K－L變換等）最為引人矚目。　　第二章圖像增強(qiáng)的基本方法　　一般而言，圖像增強(qiáng)是根據(jù)具體的應(yīng)用場景和圖像的模糊情況而采用特定的增強(qiáng)方法來突出圖像中的某些信息，削弱或消除無關(guān)信息，以達(dá)到強(qiáng)調(diào)圖像的整體或局部特征的目的。常用的圖像增強(qiáng)方法有灰度變換、直方圖修正、噪聲清除、圖像銳化、頻域?yàn)V波、同態(tài)濾波及彩色增強(qiáng)等。圖像增強(qiáng)的方法主要分為兩類：空域增強(qiáng)法和頻域增強(qiáng)法?？沼蛟鰪?qiáng)法直接針對圖像中的像素，對圖像的灰度進(jìn)行處理；頻域增強(qiáng)法是基于圖像的Fourier變換式對圖像頻譜進(jìn)行改善，增強(qiáng)或抑制所希望的頻譜?！　?.1灰度變換　　灰度變換增強(qiáng)的原理如下：設(shè)r和s分別代表原始圖像和增強(qiáng)圖像的灰度，T(?)為映...

Python 圖像處理庫 Pillow 入門（含代碼）

發(fā)布時(shí)間: 2018 - 01 - 05

Python 圖像處理庫 Pillow 入門（含代碼）Pillow是Python里的圖像處理庫（PIL：Python Image Library），提供了了廣泛的文件格式支持，強(qiáng)大的圖像處理能力，主要包括圖像儲(chǔ)存、圖像顯示、格式轉(zhuǎn)換以及基本的圖像處理操作等。 1）使用 Image 類PIL最重要的類是 Image class, 你可以通過多種方法創(chuàng)建這個(gè)類的實(shí)例；你可以從文件加載圖像，或者處理其他圖像, 或者從 scratch 創(chuàng)建。要從文件加載圖像，可以使用open( )函數(shù)，在Image模塊中： from PIL import Image im = Image.open("E:/photoshop/1.jpg")加載成功后，將返回一個(gè)Image對象，可以通過使用示例屬性查看文件內(nèi)容： print(im.format, im.size, im.mode)('JPEG', (600, 351), 'RGB')format 這個(gè)屬性標(biāo)識(shí)了圖像來源。如果圖像不是從文件讀取它的值就是None。size屬性是一個(gè)二元tuple，包含width和height（寬度和高度，單位都是px）。 mode 屬性定義了圖像bands的數(shù)量和名稱，以及像素類型和深度。常見的modes 有 “L” (luminance) 表示灰度圖像, “RGB” 表示真彩色圖像, and “CMYK” 表示出版圖像。如果文件打開錯(cuò)誤，返回 IOError 錯(cuò)誤。只要你有了 Image 類的實(shí)例，你就可以通過類的方法處理圖像。比如，下列方法可以顯示圖像：im.show()2）讀寫圖像PIL 模塊支持大量圖片格式。使用在 Image 模塊的 open() 函數(shù)從磁盤讀取文件。你不需要知道文件格式就能打開它，這個(gè)庫能夠根據(jù)文件內(nèi)容自動(dòng)確定文件格式。要保存文件，使用 Image 類的 save() 方法。保存文件的時(shí)候文件名變得重要了。除非你指定格式，否則這個(gè)庫將會(huì)以文件名的擴(kuò)展名作為格式保存。加載文件，并轉(zhuǎn)化為png格式："Python Image Library Test"from PIL import Imageim...

當(dāng)機(jī)器視覺遇到“人工智能-工業(yè)4.0”.....

發(fā)布時(shí)間: 2017 - 12 - 25

當(dāng)機(jī)器視覺遇到“人工智能-工業(yè)4.0”.....人們感知外界信息的80%是通過眼睛獲得的，圖像包含的信息量是最巨大的。機(jī)器視覺給機(jī)器人裝上了“眼睛”，成為工業(yè)4.0的重點(diǎn)，互促發(fā)展是技術(shù)的必然，更是時(shí)代的選擇。工業(yè)4.0是什么？在人類歷史發(fā)展前期，生產(chǎn)力的增長幾不可察，生活水平的提升也非常緩慢。而從200多年前開始，生產(chǎn)力發(fā)生了飛躍性變化，這一翻天覆地的變化得益于工業(yè)革命。如果將工業(yè)的發(fā)展歷史分成4個(gè)時(shí)代，那么工業(yè)革命1.0使機(jī)器生產(chǎn)代替了手工勞動(dòng)；工業(yè)革命2.0實(shí)現(xiàn)了流水線生產(chǎn)；工業(yè)革命3.0實(shí)現(xiàn)了自動(dòng)化生產(chǎn)。工業(yè)生產(chǎn)方式則依次經(jīng)歷了機(jī)械化、流水線生產(chǎn)、自動(dòng)化。2013年4月，在漢諾威工業(yè)博覽會(huì)上，德國正式推出工業(yè)4.0的概念，旨在提升制造業(yè)的智能化水平。德國工業(yè)4.0是指利用物聯(lián)信息系統(tǒng)(Cyber—PhysicalSystem簡稱CPS)將生產(chǎn)中的供應(yīng)，制造，銷售信息數(shù)據(jù)化、智慧化，最后達(dá)到快速、有效、個(gè)人化的產(chǎn)品供應(yīng)。其實(shí)質(zhì)是“互聯(lián)網(wǎng)+制造”。在成產(chǎn)層面，“工業(yè)4.0”是生產(chǎn)設(shè)備間的互聯(lián)、設(shè)備和產(chǎn)品的互聯(lián)、虛擬與現(xiàn)實(shí)的互聯(lián)，甚至是未來的萬物互聯(lián)。工業(yè)4.0理念的提出促進(jìn)了智能工廠的實(shí)現(xiàn)，生產(chǎn)方式必將迎來巨大改變。工業(yè)4.0--機(jī)器視覺是核心目前視覺技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用大致可分為兩類：質(zhì)量控制和輔助生產(chǎn)。其中，質(zhì)量控制主要是指對產(chǎn)品缺陷的檢測，識(shí)別不良品，此類設(shè)備在國內(nèi)外自動(dòng)化生產(chǎn)線已有廣泛使用。輔助生產(chǎn)則是利用視覺技術(shù)給機(jī)器人提供動(dòng)作執(zhí)行依據(jù)，國內(nèi)市場尚待開發(fā)。工業(yè)機(jī)器人的發(fā)展，勢必引起機(jī)器視覺新增長。我國正處于工業(yè)機(jī)器人的發(fā)展拐點(diǎn)，市場潛力巨大，據(jù)國際機(jī)器人聯(lián)盟（IFR）估計(jì)，中國市場對工業(yè)機(jī)器人的發(fā)展占主導(dǎo)地位，2018年全球三分之一的工業(yè)機(jī)器人將會(huì)安裝在中國，這勢必會(huì)引發(fā)機(jī)器視覺的廣泛應(yīng)用。機(jī)器視覺是人類視覺的延伸，與多種技術(shù)的融合逐步加深，將成為實(shí)現(xiàn)自動(dòng)化和智能化的重要手段。工業(yè)4.0與智能制造息息相關(guān)，而機(jī)器視覺是實(shí)現(xiàn)智能制造的重要抓手。聯(lián)為智能教育與工業(yè)4.0德國推出“工業(yè)4.0”以來，作為老牌的機(jī)器視覺人才培養(yǎng)學(xué)校，聯(lián)為智能教育不落人后，先后推出了機(jī)器視覺圖像處理實(shí)戰(zhàn)、運(yùn)動(dòng)控制卡等精品課程，不斷的為國內(nèi)大中型自動(dòng)化企業(yè)輸送大量的機(jī)器視覺工程師人才智能工廠實(shí)驗(yàn)系統(tǒng)所謂“智能工廠”是指通過引入大數(shù)據(jù)技術(shù)進(jìn)行分析優(yōu)化管理，在...

最新機(jī)器人視覺系統(tǒng)介紹，給機(jī)器人裝上“眼睛”

發(fā)布時(shí)間: 2017 - 12 - 18

最新機(jī)器人視覺系統(tǒng)介紹，給機(jī)器人裝上“眼睛”機(jī)器視覺概述使機(jī)器具有像人一樣的視覺功能，從而實(shí)現(xiàn)各種檢測、判斷、識(shí)別、測量等功能。一個(gè)典型的機(jī)器視覺系統(tǒng)組成包括：圖像采集單元（光源、鏡頭、相機(jī)、采集卡、機(jī)械平臺(tái)），圖像處理分析單元（工控主機(jī)、圖像處理分析軟件、圖形交互界面），執(zhí)行單元（電傳單元、機(jī)械單元）機(jī)器視覺系統(tǒng)通過圖像采集單元將待檢測目標(biāo)轉(zhuǎn)換成圖像信號(hào)，并傳送給圖像處理分析單元。圖像處理分析單元的核心為圖像處理分析軟件，它包括圖像增強(qiáng)與校正、圖像分割、特征提取、圖像識(shí)別與理解等方面。輸出目標(biāo)的質(zhì)量判斷、規(guī)格測量等分析結(jié)果。分析結(jié)果輸出至圖像界面，或通過電傳單元（PLC等）傳遞給機(jī)械單元執(zhí)行相應(yīng)操作，如剔除、報(bào)警等，或通過機(jī)械臂執(zhí)行分揀、抓舉等動(dòng)作。機(jī)器視覺優(yōu)勢機(jī)器視覺系統(tǒng)具有高效率、高度自動(dòng)化的特點(diǎn)，可以實(shí)現(xiàn)很高的分辨率精度與速度。機(jī)器視覺系統(tǒng)與被檢測對象無接觸，安全可靠。人工檢測與機(jī)器視覺自動(dòng)檢測的主要區(qū)別有：機(jī)器視覺的應(yīng)用領(lǐng)域?識(shí)別標(biāo)準(zhǔn)一維碼、二維碼的解碼光學(xué)字符識(shí)別（OCR）和確認(rèn)（OCV）?檢測色彩和瑕疵檢測零件或部件的有無檢測目標(biāo)位置和方向檢測?測量尺寸和容量檢測預(yù)設(shè)標(biāo)記的測量，如孔位到孔位的距離?機(jī)械手引導(dǎo)輸出空間坐標(biāo)引導(dǎo)機(jī)械手精確定位機(jī)器視覺系統(tǒng)的分類?智能相機(jī)?基于嵌入式?基于PC 機(jī)器視覺系統(tǒng)的組成?圖像獲?。汗庠础㈢R頭、相機(jī)、采集卡、機(jī)械平臺(tái)?圖像處理與分析：工控主機(jī)、圖像處理分析軟件、圖形交互界面。?判決執(zhí)行：電傳單元、機(jī)械單元?光源---種類LED：壽命長/可以有各種顏色/便于做成各種復(fù)雜形狀/光均勻穩(wěn)定/可以閃光；熒光燈：光場均勻/價(jià)格便宜/亮度較LED高；鹵素?zé)簦毫炼忍貏e高/通過光纖傳輸后可做成；氙燈：使用壽命約1000小時(shí)/亮度高，色溫與日光接近。（大部分機(jī)器視覺照明采用LED） ?光源---光路原理照相機(jī)并不能看見物體，而是看見從物體表面反射過來的光。鏡面反射：平滑表面以對頂角反射光線漫射反射：粗糙表面會(huì)從各個(gè)方向漫射光線發(fā)散反射：多數(shù)表面既有紋理，又有平滑表面，會(huì)對光線進(jìn)行發(fā)散反射 ?光源---作用和要求在機(jī)器視覺中...

盤點(diǎn) | 機(jī)器人視覺工程師必須知道的工業(yè)相機(jī)相關(guān)問題

發(fā)布時(shí)間: 2017 - 12 - 11

盤點(diǎn) | 機(jī)器人視覺工程師必須知道的工業(yè)相機(jī)相關(guān)問題1：工業(yè)相機(jī)的丟幀的問題是由什么原因引起的?經(jīng)常會(huì)有一些機(jī)器視覺工程師認(rèn)為USB接口的工業(yè)相機(jī)會(huì)造成丟幀現(xiàn)象。一般而言，工業(yè)相機(jī)丟幀與工業(yè)相機(jī)所采用的傳輸接口是沒有關(guān)系的，無論是USB，還是1394、GigE、或者是CameraLink。設(shè)計(jì)不良的驅(qū)動(dòng)程序或工業(yè)相機(jī)硬件才是造成丟幀的真正原因：設(shè)計(jì)不良的工業(yè)相機(jī)之所以會(huì)發(fā)生丟幀的現(xiàn)象，其實(shí)就是資料通道的堵塞，無法及時(shí)處理,所以新的圖像進(jìn)來時(shí)，前一張可能被迫丟棄，或是新的圖像被迫丟棄。要解決這問題，需要設(shè)計(jì)者針對驅(qū)動(dòng)程序與工業(yè)相機(jī)硬件資料傳輸?shù)拿總€(gè)環(huán)節(jié)進(jìn)行精密的設(shè)計(jì)。2：工業(yè)相機(jī)輸入、輸出接口有哪些?在機(jī)器視覺檢測技術(shù)中，工業(yè)相機(jī)的輸入、輸出接口有Camera Link、IEEE 1394、USB2.0、Ethernet、USB3.0幾種；3：知道被測物的長、寬、高以及要求的測量精度，如何來選擇CCD 相機(jī)和工業(yè)鏡頭，選擇以上器件需要注意什么?首先要選擇合適的鏡頭。選擇鏡頭應(yīng)該遵循以下原則：1).與之相配的相機(jī)的芯片尺寸是多大；2).相機(jī)的接口類型是哪種的，C 接口，CS 接口還是其它接口；3).鏡頭的工作距離；4).鏡頭視場角；5).鏡頭光譜特性；6).鏡頭畸變率；7).鏡頭機(jī)械結(jié)構(gòu)尺寸；選擇CCD 相機(jī)時(shí)，應(yīng)該綜合考慮以下幾個(gè)方面：1).感光芯片類型；CCD 還是CMOS2).視頻特點(diǎn)；包括點(diǎn)頻、行頻。3).信號(hào)輸出接口；4).相機(jī)的工作模式：連續(xù)，觸發(fā)，控制，異步復(fù)位，長時(shí)間積分。5).視頻參數(shù)調(diào)整及控制方法：Manual、RS232.同時(shí)，選擇CCD 的時(shí)候應(yīng)該注意，l inch = 16mm 而不是等于25.4mm.4：CCD 相機(jī)與CMOS 相機(jī)的區(qū)別在哪里？（1）成像過程CCD 與CMOS 圖像傳感器光電轉(zhuǎn)換的原理相同，他們最主要的差別在于信號(hào)的讀出過程不同；由于CCD僅有一個(gè)（或少數(shù)幾個(gè)）輸出節(jié)點(diǎn)統(tǒng)一讀出，其信號(hào)輸出的一致性非常好；而CMOS 芯片中，每個(gè)像素都有各自的信號(hào)放大器，各自進(jìn)行電荷-電壓的轉(zhuǎn)換，其信號(hào)輸出的一致性較差。但是CCD 為了讀出整幅圖像信號(hào)，要求輸出放大器的信號(hào)帶寬較寬，而在CMOS 芯片中，每個(gè)像元中的放大器的帶寬要求較低，大大...

工業(yè)機(jī)器人視覺引導(dǎo)系統(tǒng)

發(fā)布時(shí)間: 2017 - 12 - 04

工業(yè)機(jī)器人視覺引導(dǎo)系統(tǒng)MVRobotVision機(jī)器人視覺引導(dǎo)系統(tǒng)是配合工業(yè)機(jī)器人工作的機(jī)器視覺系統(tǒng)，提供高效精準(zhǔn)的視覺引導(dǎo)功能，適應(yīng)多維運(yùn)動(dòng)工業(yè)機(jī)器人對視覺系統(tǒng)輕便、高速、高精度的要求，配合工業(yè)機(jī)器人實(shí)現(xiàn)高效智能化的產(chǎn)線改造，為自動(dòng)化產(chǎn)線，傳送帶分揀，組裝、自動(dòng)碼垛卸垛以及其他復(fù)雜加工等機(jī)器人應(yīng)用提供智能視覺引導(dǎo)解決方案。2D視覺引導(dǎo)MVRobotVision機(jī)器人2D視覺引導(dǎo)系統(tǒng)主要應(yīng)用于流水線傳送跟蹤、精確定位、姿態(tài)調(diào)整三個(gè)方面。3D視覺引導(dǎo)MVRobotVision機(jī)器人3D視覺引導(dǎo)系統(tǒng)主要應(yīng)用于工件分揀、碼垛與卸垛、輸送機(jī)分揀定位三個(gè)方面。系統(tǒng)特點(diǎn)柔性化定位工裝:節(jié)約在多品種情況下傳統(tǒng)的機(jī)械定位工裝設(shè)計(jì)成本，使工裝定位環(huán)節(jié)實(shí)現(xiàn)真正的柔性化。智能形狀識(shí)別引擎，智能視覺學(xué)習(xí)訓(xùn)練:系統(tǒng)內(nèi)嵌智能形狀識(shí)別引擎，能夠識(shí)別常見的基本幾何圖形。對于復(fù)雜形狀，系統(tǒng)可以進(jìn)行模板學(xué)習(xí)訓(xùn)練，進(jìn)而實(shí)現(xiàn)復(fù)雜形狀的識(shí)別精準(zhǔn)數(shù)據(jù):降低環(huán)境光影響，快速準(zhǔn)確獲取掃描數(shù)據(jù)；先進(jìn)高效的數(shù)據(jù)分析，實(shí)現(xiàn)高速精確定位識(shí)別，精度可達(dá)0.1mm

《機(jī)器視覺學(xué)習(xí)教程》機(jī)器視覺入門必讀

發(fā)布時(shí)間: 2017 - 11 - 27

作為機(jī)器視覺的研究者與項(xiàng)目開發(fā)者，最近有人問我如果想要涉水這個(gè)領(lǐng)域，該如何下水，總是擔(dān)心自己被“淹死”在這個(gè)領(lǐng)域，又擔(dān)心自己不試試水不甘心?；仡櫫艘幌乱荒陙碜约翰铧c(diǎn)被“淹死”的經(jīng)歷，總結(jié)了一下計(jì)算機(jī)視覺入門應(yīng)該掌握的圖像處理方面的知識(shí)點(diǎn)。順便給大家一個(gè)鼓勵(lì)，小編意外涉水這個(gè)領(lǐng)域，在這之前，小編極討厭編程，打心底里認(rèn)為“圖像處理”純屬“陶冶情操”的玩意兒，一個(gè)不幸的經(jīng)歷，小編深陷其中不能自拔，在痛苦中掙扎，掙扎過后，硬著頭皮算是有了一小點(diǎn)點(diǎn)進(jìn)步。所以如果你感覺痛苦，或許就對了，那就在痛苦中前進(jìn)吧。在此送大家一句話“專業(yè)的人做專業(yè)的事”，為什么呢？一定要明白自己想做什么，是研究算法，還是樂意編程實(shí)現(xiàn)算法，還是只是想做應(yīng)用。這三個(gè)意圖是不同的，要知道自己想要什么。比如：如果是做應(yīng)用的，就不要過度在于算法的深層原理，你會(huì)用就好了。否則你會(huì)一篇混亂把自己搞的一團(tuán)糟，先把算法用起來能為我們做事情，然后心有余力再去研究為什么。下面做了一個(gè)小小的梳理，跟大家分享一下，以助快速脫離痛苦。數(shù)學(xué)基礎(chǔ)知識(shí)1、矩陣的四則運(yùn)算及其物理意義2、邏輯運(yùn)算3、旋轉(zhuǎn)矩陣與旋轉(zhuǎn)向量4、SVD分解5、卷積的定義及運(yùn)算圖像格式的基礎(chǔ)1、圖像的存儲(chǔ)方式及圖像格式2、圖像的讀取與現(xiàn)實(shí)3、圖像存儲(chǔ)4、圖像像素與圖像圖像像素運(yùn)算1、四則運(yùn)算2、邏輯運(yùn)算3、像素提取4、通道分離與混合5、像素的意義與對比度圖像幾何運(yùn)算1、圖像放縮2、圖像旋轉(zhuǎn)3、仿射變換4、透視變換5、翻轉(zhuǎn)變換6、圖像錯(cuò)切圖像直方圖1、像素的均值與方差2、直方圖統(tǒng)計(jì)3、像素內(nèi)方差4、插值算法色彩空間1、RGB2、HSL3、YUV4、圖像灰度化（多種方法）5、色彩空間轉(zhuǎn)換6、圖像飽和度7、主色彩分析圖像濾波1、均值濾波2、中值濾波3、高斯濾波4、雙邊濾波5、椒鹽噪聲6、高斯噪聲7、低通濾波8、高通濾波9、圖像銳化圖像形態(tài)學(xué)處理1、腐蝕2、膨脹3、開閉操作4、形態(tài)學(xué)梯度5、頂帽6、黑帽7、分水嶺8、內(nèi)梯度與外梯度邊緣檢測1、canny邊緣檢測2、Sobel 邊緣檢測3、Prewitt邊緣檢測4、LOG邊緣檢測5、Hough 圓與直線檢測6、閾值分割圖像二值化1.全局閾值法2.局部閾值法3.OSTU二值化4.得到5.Ed...

Halcon教程之單相機(jī)標(biāo)定

發(fā)布時(shí)間: 2017 - 11 - 25

Halcon教程之單相機(jī)標(biāo)定在HALCON所有算子中，變量皆是如上格式，即：圖像輸入：圖像輸出：控制輸入：控制輸出。機(jī)器視覺-汪工：其中四個(gè)參數(shù)任意一個(gè)可以為空?？刂戚斎肟梢允亲兞?、常量、表達(dá)式；控制輸出以及圖像輸入和輸出必須是變量。 1.caltab_points：從標(biāo)定板中讀取marks中心坐標(biāo)，該坐標(biāo)值是標(biāo)定板坐標(biāo)系統(tǒng)里的坐標(biāo)值，該坐標(biāo)系統(tǒng)以標(biāo)定板為參照，向右為X正，下為Y正，垂直標(biāo)定板向下為Z正。該算子控制輸出為標(biāo)定板中心3D坐標(biāo)。2.create_calib_data：創(chuàng)建Halcon標(biāo)定數(shù)據(jù)模型。輸出一個(gè)輸出數(shù)據(jù)模型句柄。3.set_calib_data_cam_param：設(shè)定相機(jī)標(biāo)定數(shù)據(jù)模型中設(shè)置相機(jī)參數(shù)的原始值和類型。設(shè)置索引，類型，以及相機(jī)的原始內(nèi)參數(shù)等。4.set_calib_data_calib_object:在標(biāo)定模型中設(shè)定標(biāo)定對象。設(shè)定標(biāo)定對象句柄索引，標(biāo)定板坐標(biāo)點(diǎn)儲(chǔ)存地址。5.find_caltab：分割出圖像中的標(biāo)準(zhǔn)標(biāo)定板區(qū)域。輸出為標(biāo)準(zhǔn)的標(biāo)定區(qū)域，控制6.find_marks_and_pose：抽取標(biāo)定點(diǎn)并計(jì)算相機(jī)的內(nèi)參數(shù)。輸出MARKS坐標(biāo)數(shù)組，以及估算的相機(jī)外參數(shù)。即標(biāo)定板在相機(jī)坐標(biāo)系中的位姿，由3個(gè)平移量和3個(gè)旋轉(zhuǎn)量構(gòu)成。7.set_calib_data_observ_points( : : CalibDataID, CameraIdx, CalibObjIdx,CalibObjPoseIdx, Row, Column, Index, Pose : )收集算子6的標(biāo)定數(shù)據(jù)，將標(biāo)定數(shù)據(jù)儲(chǔ)存在標(biāo)定數(shù)據(jù)模型中。輸入控制分別為標(biāo)定數(shù)據(jù)模型句柄，相機(jī)索引，標(biāo)定板索引，位姿索引，行列坐標(biāo)，位姿。8.calibrate_cameras( : : CalibDataID : Error) 標(biāo)定一臺(tái)或多臺(tái)相機(jī)，依據(jù)CalibDataID中的數(shù)據(jù)?？刂戚敵銎骄`差。9.get_calib_data( : : CalibDataID, ItemType, ItemIdx, DataName : DataValue) 獲得標(biāo)定數(shù)據(jù)。依靠索引號(hào)和數(shù)據(jù)名稱來返回輸出的數(shù)據(jù)值?？刹樵兣c模型相關(guān)的數(shù)據(jù)，與相機(jī)相關(guān)的數(shù)據(jù)（包括相機(jī)的內(nèi)外參數(shù)等），與標(biāo)定對象相關(guān)的數(shù)據(jù)，與標(biāo)定對象的姿態(tài)相關(guān)的數(shù)據(jù)?？刂戚敵鍪且樵兊臉?biāo)定數(shù)據(jù)。如：get_calib_da...

OpenCV二維碼檢測與定位

發(fā)布時(shí)間: 2017 - 11 - 20

Halcon學(xué)習(xí)教程之二：攝像頭獲取圖像和相關(guān)參數(shù)

發(fā)布時(shí)間: 2017 - 11 - 16

Halcon學(xué)習(xí)教程之二：攝像頭獲取圖像和相關(guān)參數(shù)1、close_all_framegrabbers ( : : : ) 關(guān)閉所有圖像采集設(shè)備。2、close_framegrabber ( : : AcqHandle : ) 關(guān)閉Handle為AcqHandle的圖像采集設(shè)備。3、open_framegrabber ( : : Name, HorizontalResolution,VerticalResolution, ImageWidth, ImageHeight, StartRow, StartColumn,Field, BitsPerChannel, ColorSpace, Generic, ExternalTrigger,CameraType, Device, Port, LineIn : AcqHandle ) 打開圖像采集設(shè)備參數(shù)信息： Name：圖像采集設(shè)備的名稱 HorizontalResolution和VerticalResolution：分別指預(yù)期的圖像采集接口的水平分辨率和垂直分辨率 ImageWidth和ImageHeight：指預(yù)期圖像的寬度部分和高度部分。 StartRow和StartColumn：指顯示預(yù)期圖像的開始坐標(biāo) Field：預(yù)期圖像是一半的圖像或者是完整圖像 BitsPerChannel：每像素比特?cái)?shù)和圖像通道 ColorSpace：輸出的色彩格式的抓住圖像{gray、raw、rgb、yuv、default} Generic：通用參數(shù)與設(shè)備細(xì)節(jié)部分的具體意義。 ExternalTrig...

halcon與C#混合編程之Halcon代碼調(diào)用

發(fā)布時(shí)間: 2017 - 10 - 16

完成halcon與C#混合編程的環(huán)境配置后，進(jìn)行界面布局設(shè)計(jì)構(gòu)思每一個(gè)按鈕所需要實(shí)現(xiàn)的功能，將Halcon導(dǎo)出的代碼復(fù)制至相應(yīng)的C#模塊下即可。 halcon源程序：dev_open_window(0, 0, 512, 512, 'black', WindowHandle)read_image (Image, 'C:/Users/Administrator/Desktop/貓.jpg')dev_display(Image)get_image_size(Image, Width, Height)rgb3_to_gray(Image, Image, Image, ImageGray)dev_display(ImageGray)注意：寫halcon程序時(shí)，如果過程中的圖片需要顯示出來，則需要在每個(gè)過程中都添加dev_display（**）第一步：導(dǎo)出C#程序，建立項(xiàng)目，并添加此類 //// File generated by HDevelop for HALCON/DOTNET (C#) Version 10.0//// This file is intended to be used with the HDevelopTemplate or// HDevelopTemplateWPF projects located under %HALCONEXAMPLES%\c#using System;using HalconDotNet;public partial class HDevelopExport{ public HTuple hv_ExpDefaultWinHandle; // Main procedure private void action() { // Local iconic variables HObject ho_Image, ho_ImageGray; // Local control variables HTuple hv_Width, hv_Height; ...

聯(lián)為科普：機(jī)器視覺工業(yè)鏡頭專業(yè)術(shù)語詳解（圖）

發(fā)布時(shí)間: 2017 - 08 - 26

科普：機(jī)器視覺工業(yè)鏡頭專業(yè)術(shù)語詳解（圖）機(jī)器視覺系統(tǒng)中，鏡頭相當(dāng)于人的眼睛，其主要作用是將目標(biāo)的光學(xué)圖像聚焦在圖像傳感器（相機(jī)）的光敏面陣上。視覺系統(tǒng)處理的所有圖像信息均通過鏡頭得到，鏡頭的質(zhì)量直接影響到視覺系統(tǒng)的整體性能。下面對機(jī)器視覺工業(yè)鏡頭的相關(guān)專業(yè)術(shù)語做以詳解。一、遠(yuǎn)心光學(xué)系統(tǒng)：　　指主光線平行于鏡頭光學(xué)軸的光學(xué)系統(tǒng)。而光從物體朝向鏡頭發(fā)出，與光學(xué)軸保持平行，甚至在軸外同樣如此，則稱為物體側(cè)遠(yuǎn)心光學(xué)系統(tǒng)。光從鏡頭朝向影像，與與光學(xué)軸保持平行，甚至在軸外同樣如此，則稱為影像側(cè)遠(yuǎn)心光學(xué)系統(tǒng)。二、遠(yuǎn)心鏡頭：　　遠(yuǎn)心鏡頭指主光線與鏡頭光源平行的鏡頭。有物體側(cè)的遠(yuǎn)心，成像側(cè)的遠(yuǎn)心，兩側(cè)的遠(yuǎn)心行頭等方式。通常的鏡頭主光線與鏡頭光軸有角度，因此工件上下移動(dòng)時(shí)，像的大小有變化。兩方遠(yuǎn)心境頭主物方，像方均為主光線與光軸平行光圈可變，可以得到高的景深，比物方遠(yuǎn)心境頭更能得到穩(wěn)定的像最適合于測量用圖像處理光學(xué)系統(tǒng)，但是大型化成本高物方遠(yuǎn)心境頭只是物方主光線與鏡頭主軸平行工件上下變化，圖像的大小基本不會(huì)變化使用同軸落射照明時(shí)的必要條件，小型化亦可對應(yīng) 像方遠(yuǎn)心境頭只是像方主光線與鏡頭光軸平行相機(jī)側(cè)即使有安裝個(gè)體差，也可以吸收攝影倍率的變化用于色偏移補(bǔ)償，攝像機(jī)本應(yīng)都采用這種鏡頭三、遠(yuǎn)心光學(xué)系統(tǒng)的特色：優(yōu)點(diǎn)：更小的尺寸。減少鏡頭數(shù)量，可降低成本。缺點(diǎn)：上下移動(dòng)物體表面時(shí)，會(huì)改變物體尺寸或位置。優(yōu)點(diǎn)：上下移動(dòng)物體表面時(shí)，不會(huì)改變物體尺寸或位置。使用同軸照明時(shí)?？墒褂酶〉某叽纭Ｈ秉c(diǎn)：未使用同軸照明時(shí)，大于標(biāo)準(zhǔn)鏡頭的尺寸。優(yōu)點(diǎn)：與MML相似，但鏡頭凸緣后端的尺寸出現(xiàn)極大差異時(shí)，會(huì)改善精確度。缺點(diǎn)：與MML相似，但成本比MML更高。四、遠(yuǎn)心：　　Telecentricity是指物體的倍率誤差。倍率誤差越小，Telecentricity越高。Telecentricity有各種不同的用途，在鏡頭使用前，把握Telecentricity很重要。遠(yuǎn)心鏡頭的主光線與鏡頭的光軸平行，Telecentricity不好，遠(yuǎn)心鏡頭的使用效果就不好；Telecentricity可以用下圖進(jìn)行簡單的確認(rèn)。...

機(jī)器視覺：給智能制造一雙慧眼

發(fā)布時(shí)間: 2017 - 07 - 03

機(jī)器視覺：給智能制造一雙慧眼機(jī)器視覺的原理和用途首先我先對機(jī)器視覺做一個(gè)簡要的介紹。我們知道人類感知世界的一個(gè)很重要的信息來源是靠視覺，而機(jī)器視覺是通過計(jì)算機(jī)來模擬人類的視覺功能讓計(jì)算機(jī)獲得相關(guān)的細(xì)節(jié)信息并且加以理解。它的原理是計(jì)算機(jī)或者是相關(guān)圖片處理器從客觀的圖像中提取信息進(jìn)行處理，加以理解并且最終用于檢測還有控制等領(lǐng)域，它涉及的領(lǐng)域包括人工智能、計(jì)算機(jī)科學(xué)、圖像處理還有模式識(shí)別等很多領(lǐng)域。由于有了圖像處理還有計(jì)算機(jī)等等自動(dòng)化設(shè)備的幫忙，機(jī)器視覺其實(shí)是遠(yuǎn)遠(yuǎn)超過人類的極限的，所以它的優(yōu)勢也十分明顯，包括高效率、高精度、高自動(dòng)化，以及能夠很好適應(yīng)比較差的環(huán)境。所以在一些不適合人工作業(yè)的危險(xiǎn)的工作環(huán)境，或者是我們?nèi)祟愐曈X很難滿足要求的場合，機(jī)器視覺是可以用來代替人工視覺的。在這種檢測、測量、識(shí)別和定位等功能上，機(jī)器視覺更是能夠更好的勝任。除了以上這些，它還能夠提高生產(chǎn)效率以及自動(dòng)化的程度，實(shí)現(xiàn)信息集成，所以在工業(yè)領(lǐng)域應(yīng)用很廣泛，是智能制造很重要的基礎(chǔ)。機(jī)器視覺在工業(yè)領(lǐng)域的應(yīng)用分類我們在這里重點(diǎn)講一下機(jī)器視覺在工業(yè)領(lǐng)域的應(yīng)用是怎么樣進(jìn)行分類的。它依照工作環(huán)境可以分為，一種是在大規(guī)模或者是說測試要求能力高的生產(chǎn)線上，比如說分裝、印刷、分揀或者是在野外這樣的不適合人員工作的環(huán)境中用來代替?zhèn)鹘y(tǒng)的人工測量或者測試。這樣能夠達(dá)到人工無法達(dá)到的可靠性，或者是自動(dòng)化程度。另外一種是必須要用到高性能或者精密儀器組件的專業(yè)設(shè)備。其實(shí)最早帶動(dòng)整個(gè)機(jī)器視覺行業(yè)的是半導(dǎo)體制造設(shè)備，比如說上游晶圓加工的分類切割，這樣的設(shè)備都非常依賴高精度的測量和對運(yùn)動(dòng)的部件進(jìn)行引導(dǎo)和定位。除了在工業(yè)領(lǐng)域機(jī)器視覺的應(yīng)用比較成熟之外，在一些非工業(yè)領(lǐng)域機(jī)器視覺的優(yōu)勢同樣是很明顯的，具備非常大的發(fā)展運(yùn)用空間。因?yàn)闄C(jī)器視覺它成本低、運(yùn)用廣泛、準(zhǔn)確度高的特點(diǎn)，它在交通行業(yè)，一些車牌識(shí)別、流量控制、違章識(shí)別都可以得到廣泛的運(yùn)用，比如說另外一些細(xì)分新行業(yè)如森林防火、飛機(jī)跑道異物檢測，比如說大疆精靈4無人機(jī)就首次引入了機(jī)器視覺。非工業(yè)領(lǐng)域同時(shí)還包括三維和多維的，機(jī)器視覺同樣也有很巨大的空間。比如說前沿技術(shù)帶來的一些新領(lǐng)域，像無人機(jī)、服務(wù)器人都對機(jī)器視覺提出了新的要求。那么未來對機(jī)器視覺的應(yīng)用會(huì)越來越多，機(jī)器視覺也可以促進(jìn)服務(wù)機(jī)器人這樣的產(chǎn)業(yè)的發(fā)展，讓機(jī)器人能夠在更多的場合得到應(yīng)用。機(jī)器視覺的組成與產(chǎn)業(yè)鏈接下來我們講一下第二部分，就...

機(jī)器視覺相機(jī)介紹

發(fā)布時(shí)間: 2017 - 07 - 03

機(jī)器視覺相機(jī)介紹機(jī)器視覺專業(yè)論壇1、簡介機(jī)器視覺相機(jī)的目的是將通過鏡頭投影到傳感器的圖像傳送到能夠儲(chǔ)存、分析和（或者）顯示的機(jī)器設(shè)備上。可以用一個(gè)簡單的終端顯示圖像，例如利用計(jì)算機(jī)系統(tǒng)顯示、存儲(chǔ)以及分析圖像。2、分類按照芯片類型可以分為CCD相機(jī)、CMOS相機(jī)；按照傳感器的結(jié)構(gòu)特性可以分為線陣相機(jī)、面陣相機(jī)；按照掃描方式可以分為隔行掃描相機(jī)、逐行掃描相機(jī)；按照分辨率大小可以分為普通分辨率相機(jī)、高分辨率相機(jī)；按照輸出信號(hào)方式可以分為模擬相機(jī)、數(shù)字相機(jī)；按照輸出色彩可以分為單色（黑白）相機(jī)、彩色相機(jī)；按照輸出信號(hào)速度可以分為普通速度相機(jī)、高速相機(jī)；按照響應(yīng)頻率范圍可以分為可見光（普通）相機(jī)、紅外相機(jī)、紫外相機(jī)等。3、CCD與CMOS區(qū)別CCD和CMOS是現(xiàn)在普遍采用的兩種圖像工藝技術(shù)，它們之間的主要差異在于傳送方式的不同，用過相機(jī)的人肯定對這兩個(gè)名詞不會(huì)陌生，可是對它們之間的性能區(qū)別，卻并不是很了解。這里將做簡單的比較說明。1）噪聲差異：由于CMOS的每個(gè)感光二極管都需要搭配一個(gè)放大器，若以百萬像素計(jì)算的話，那就需要上百萬個(gè)的放大器，然而放大器屬于模擬電路，很難讓所得的每個(gè)結(jié)果都保持一致。而CCD只需要一個(gè)放大器放在芯片邊緣，與CMOS相比，它的噪聲相對減少很多，大大提高了圖像品質(zhì)。2）耗電量差異：CMOS采用主動(dòng)式圖像采集方式，感光二極管所產(chǎn)生的電荷會(huì)直接由旁邊的電晶體放大輸出；而CCD為被動(dòng)式采集方式，必須外加12~18V的電壓以使每個(gè)像素中的電荷移送到傳輸通道。因此CCD就必須設(shè)計(jì)更精密的電源線路和耐壓強(qiáng)度，這樣使得CCD的耗電量遠(yuǎn)遠(yuǎn)高出CMOS，根據(jù)計(jì)算CMOS的耗電量僅是CCD的1/8~1/10。3）分辨率差異：由于CMOS的每個(gè)像素都比CCD復(fù)雜，且其像素尺寸很難達(dá)到CCD的水平，因此，當(dāng)我們比較相同尺寸的CCD與CMOS時(shí)，CCD的分辨率通常會(huì)優(yōu)于CMOS傳感器的水平。例如，維視數(shù)字圖像技術(shù)有限公司生產(chǎn)的4.40μm*4.40μm像元大小的CCD相機(jī)分辨率為1628*1236，而5.2μm*5.2μm像元大小的CMOS相機(jī)分辨率為1280*1024，對比結(jié)果明顯得出：同尺寸大...

機(jī)器視覺基礎(chǔ)及硬件選型

發(fā)布時(shí)間: 2017 - 06 - 06

機(jī)器視覺基礎(chǔ)及硬件選型.pdf

Halcon教程之單相機(jī)標(biāo)定

在HALCON所有算子中，變量皆是如上格式，即：圖像輸入：圖像輸出：控制輸入：控制輸出。機(jī)器視覺-汪工：

其中四個(gè)參數(shù)任意一個(gè)可以為空。

控制輸入可以是變量、常量、表達(dá)式；

控制輸出以及圖像輸入和輸出必須是變量。

?1.caltab_points：從標(biāo)定板中讀取marks中心坐標(biāo)，該坐標(biāo)值是標(biāo)定板坐標(biāo)系統(tǒng)里的坐標(biāo)值，該坐標(biāo)系統(tǒng)以標(biāo)定板為參照，向右為X正，下為Y正，垂直標(biāo)定板向下為Z正。該算子控制輸出為標(biāo)定板中心3D坐標(biāo)。

2.create_calib_data：創(chuàng)建Halcon標(biāo)定數(shù)據(jù)模型。輸出一個(gè)輸出數(shù)據(jù)模型句柄。

3.set_calib_data_cam_param：設(shè)定相機(jī)標(biāo)定數(shù)據(jù)模型中設(shè)置相機(jī)參數(shù)的原始值和類型。設(shè)置索引，類型，以及相機(jī)的原始內(nèi)參數(shù)等。

4.set_calib_data_calib_object:在標(biāo)定模型中設(shè)定標(biāo)定對象。設(shè)定標(biāo)定對象句柄索引，標(biāo)定板坐標(biāo)點(diǎn)儲(chǔ)存地址。

5.find_caltab：分割出圖像中的標(biāo)準(zhǔn)標(biāo)定板區(qū)域。輸出為標(biāo)準(zhǔn)的標(biāo)定區(qū)域，控制

6.find_marks_and_pose：抽取標(biāo)定點(diǎn)并計(jì)算相機(jī)的內(nèi)參數(shù)。輸出MARKS坐標(biāo)數(shù)組，以及估算的相機(jī)外參數(shù)。

即標(biāo)定板在相機(jī)坐標(biāo)系中的位姿，由3個(gè)平移量和3個(gè)旋轉(zhuǎn)量構(gòu)成。7.set_calib_data_observ_points( : : CalibDataID, CameraIdx, CalibObjIdx,CalibObjPoseIdx, Row, Column, Index, Pose : )

收集算子6的標(biāo)定數(shù)據(jù)，將標(biāo)定數(shù)據(jù)儲(chǔ)存在標(biāo)定數(shù)據(jù)模型中。輸入控制分別為標(biāo)定數(shù)據(jù)模型句柄，相機(jī)索引，標(biāo)定板索引，位姿索引，行列坐標(biāo)，位姿。

8.calibrate_cameras( : : CalibDataID : Error) 標(biāo)定一臺(tái)或多臺(tái)相機(jī)，依據(jù)CalibDataID中的數(shù)據(jù)。控制輸出平均誤差。

9.get_calib_data( : : CalibDataID, ItemType, ItemIdx, DataName : DataValue) 獲得標(biāo)定數(shù)據(jù)。

依靠索引號(hào)和數(shù)據(jù)名稱來返回輸出的數(shù)據(jù)值。可查詢與模型相關(guān)的數(shù)據(jù)，與相機(jī)相關(guān)的數(shù)據(jù)（包括相機(jī)的內(nèi)外參數(shù)等），與標(biāo)定對象相關(guān)的數(shù)據(jù)，與標(biāo)定對象的姿態(tài)相關(guān)的數(shù)據(jù)?？刂戚敵鍪且樵兊臉?biāo)定數(shù)據(jù)。

如：

get_calib_data (CalibDataID, 'camera', 0, 'params', CamParam) //查詢相機(jī)的位姿

get_calib_data (CalibDataID, 'calib_obj_pose', [0, NumImage], 'pose', Pose) //查詢標(biāo)定板位姿

10.write_cam_par( : : CameraParam, CamParFile : ) 記錄相機(jī)的內(nèi)參數(shù)，輸入控制為內(nèi)參數(shù)，輸出控制為

存取相機(jī)內(nèi)參數(shù)的文件名。

11.set_origin_pose( : : PoseIn, DX, DY, DZ : PoseNewOrigin)

設(shè)置新的坐標(biāo)原點(diǎn)，控制輸入為原始的位姿和沿著世界坐標(biāo)系的三個(gè)坐標(biāo)軸的平移量，控制輸出為新的位姿。

相關(guān)資料推薦 / Download 查看更多

人工智能工程師必備干貨

發(fā)布時(shí)間： 2018 - 01 - 11

人工智能工程師必備干貨如果要問當(dāng)下互聯(lián)網(wǎng)什么最熱門？毫無疑問是人工智能。目前，世界上主要發(fā)達(dá)國家都已經(jīng)將人工智能作為國家級(jí)發(fā)展戰(zhàn)略。那么，踩在下一個(gè)時(shí)代的風(fēng)口浪尖上，普通程序員如何向人工智能靠攏？為此特別推薦10款托管在碼云上的人工智能開源軟件，希望能夠給大家?guī)硪稽c(diǎn)點(diǎn)幫助和啟發(fā)。當(dāng)然，如果你很喜歡以下提到的項(xiàng)目，別忘了分享給其他人。1、項(xiàng)目名稱：智能家居的架構(gòu)項(xiàng)目簡介：智能家居的概念(smart home , home auto)很早以前就有了，現(xiàn)在隨著硬件成本的下降，及 google 收購 nest 等，智能家居熱度升高。本智能家居的架構(gòu)，包括服務(wù)器端，web 網(wǎng)頁，android 手機(jī)客戶端，各種測試腳本，基本上基礎(chǔ)架構(gòu)都已經(jīng)實(shí)現(xiàn)，并可實(shí)際調(diào)試。由于精力有限智能控制部分還在合作開發(fā)中。2、項(xiàng)目名稱：Living-Robot 開源機(jī)器人項(xiàng)目簡介：當(dāng)我們在網(wǎng)上搜索開源機(jī)器人時(shí)，我們發(fā)現(xiàn)都是部分功能的代碼和 demo，我們不能找到一個(gè)完整的項(xiàng)目，直接下載到我們的樹莓派上，上電，然后就可以動(dòng)、可以玩了。rtp 已經(jīng)做到這點(diǎn)了；事實(shí)上它已經(jīng)可以動(dòng)并說話了，它是基于 ros 的完整的機(jī)器人代碼，找來1塊樹莓派，接上幾個(gè)電機(jī)和喇叭，ok，它已經(jīng)可以動(dòng)、可以玩、可以愉快地添加自己的代碼了；雖然粗糙但是基本滿足這個(gè)需求了（子功能還需要各種完善）。什么是Living-Robot：想象一下當(dāng)你養(yǎng)了一只兔子、或者一只蜥蜴作為寵物時(shí)，它們從來不會(huì)和你賣萌扮可愛，根本不會(huì)回答你任何或機(jī)智或愚蠢透頂?shù)膯栴}；但是我們還是養(yǎng)了這樣的寵物；為什么？因?yàn)樗恰盎钪摹钡摹?rtp 要人工創(chuàng)造這種 Living 的感覺，我們稱之為“Living-Robot”。3、項(xiàng)目名稱：深度學(xué)習(xí)人臉識(shí)別引擎 JAVA SDK項(xiàng)目簡介：本項(xiàng)目是千搜科技第四代人臉識(shí)別引擎 java 接口...

運(yùn)動(dòng)控制卡連接伺服電機(jī)的一般步驟

發(fā)布時(shí)間： 2018 - 01 - 09

1、初始化參數(shù)　　在接線之前，先初始化參數(shù)?！　≡诳刂瓶ㄉ希哼x好控制方式；將PID參數(shù)清零；讓控制卡上電時(shí)默認(rèn)使能信號(hào)關(guān)閉；將此狀態(tài)保存，確?？刂瓶ㄔ俅紊想姇r(shí)即為此狀態(tài)?！　≡谒欧姍C(jī)上：設(shè)置控制方式；設(shè)置使能由外部控制；編碼器信號(hào)輸出的齒輪比；設(shè)置控制信號(hào)與電機(jī)轉(zhuǎn)速的比例關(guān)系。一般來說，建議使伺服工作中的最大設(shè)計(jì)轉(zhuǎn)速對應(yīng)9V的控制電壓?！　?、接線　　將控制卡斷電，連接控制卡與伺服之間的信號(hào)線。以下的線是必須要接的：控制卡的模擬量輸出線、使能信號(hào)線、伺服輸出的編碼器信號(hào)線。復(fù)查接線沒有錯(cuò)誤后，電機(jī)和控制卡（以及PC）上電。此時(shí)電機(jī)應(yīng)該不動(dòng)，而且可以用外力輕松轉(zhuǎn)動(dòng)，如果不是這樣，檢查使能信號(hào)的設(shè)置與接線。用外力轉(zhuǎn)動(dòng)電機(jī)，檢查控制卡是否可以正確檢測到步進(jìn)伺服電機(jī)位置的變化，否則檢查編碼器信號(hào)的接線和設(shè)置　　3、試方向　　對于一個(gè)閉環(huán)控制系統(tǒng)，如果反饋信號(hào)的方向不正確，后果肯定是災(zāi)難性的。通過控制卡打開伺服的使能信號(hào)。這是伺服應(yīng)該以一個(gè)較低的速度轉(zhuǎn)動(dòng)，這就是傳說中的“零漂”?！　∫话憧刂瓶ㄉ隙紩?huì)有抑制零漂的指令或參數(shù)。使用這個(gè)指令或參數(shù)，看電機(jī)的轉(zhuǎn)速和方向是否可以通過這個(gè)指令（參數(shù)）控制。如果不能控制，檢查模擬量接線及控制方式的參數(shù)設(shè)置。確認(rèn)給出正數(shù)，電機(jī)正轉(zhuǎn)，編碼器計(jì)數(shù)增加；給出負(fù)數(shù)，電機(jī)反轉(zhuǎn)轉(zhuǎn)，編碼器計(jì)數(shù)減小。如果電機(jī)帶有負(fù)載，行程有限，不要采用這種方式。測試不要給過大的電壓，建議在1V以下。如果方向不一致，可以修改控制卡或電機(jī)上的參數(shù)，使其一致?！　?、抑制零漂　　在閉環(huán)控制過程中，零漂的存在會(huì)對控制效果有一定的影響，最好將其抑制住。使用控制卡或伺服上抑制零漂的參數(shù)，仔細(xì)調(diào)整，使電機(jī)的轉(zhuǎn)速趨近于零。由于零漂本身也有一定的隨機(jī)性，所以，不必要求伺服電機(jī)轉(zhuǎn)速絕對為零。　　5、建立閉環(huán)控制　　再次通過控制卡將伺服使能信號(hào)放開，在控制卡上輸入一個(gè)較小的比例增益，至于多大算較小，這...

圖像處理與機(jī)器視覺

發(fā)布時(shí)間： 2018 - 01 - 06

圖像處理與機(jī)器視覺第一章圖像增強(qiáng)的研究和發(fā)展現(xiàn)狀　　圖像在采集過程中不可避免的會(huì)受到傳感器靈敏度、噪聲干擾以及模數(shù)轉(zhuǎn)換時(shí)量化問題等各種因素的影響，而導(dǎo)致圖像無法達(dá)到令人滿意的視覺效果，為了實(shí)現(xiàn)人眼觀察或者機(jī)器自動(dòng)分析、識(shí)別的目的，對原始圖像所做的改善行為，就被稱作圖像增強(qiáng)。圖像增強(qiáng)包涵了非常廣泛的內(nèi)容，凡是改變原始圖像的結(jié)構(gòu)關(guān)系以取得更好的判斷和應(yīng)用效果的所有處理手段，都可以歸結(jié)為圖像增強(qiáng)處理，其目的就是為了改善圖像的質(zhì)量和視覺效果，或?qū)D像轉(zhuǎn)換成更適合于人眼觀察或機(jī)器分析、識(shí)別的形式，以便從中獲取更加有用的信息?！　〕Ｓ玫膱D像增強(qiáng)處理方式包括灰度變換、直方圖修正、圖像銳化、噪聲去除、幾何畸變校正、頻域?yàn)V波和彩色增強(qiáng)等。由于圖像增強(qiáng)與感興趣的物體特性、觀察者的習(xí)慣和處理目的密切相關(guān)，盡管處理方式多種多樣，但它帶有很強(qiáng)的針對性。因此，圖像增強(qiáng)算法的應(yīng)用也是有針對性的，并不存在一種通用的、適應(yīng)各種應(yīng)用場合的增強(qiáng)算法。于是，為了使各種不同特定目的的圖像質(zhì)量得到改善，產(chǎn)生了多種圖像增強(qiáng)算法。這些算法根據(jù)處理空間的不同分為基于空間域的圖像增強(qiáng)算法和基于變換域的圖像增強(qiáng)算法?；诳臻g域的圖像增強(qiáng)算法又可以分為空域的變換增強(qiáng)算法、空域的濾波增強(qiáng)算法以及空域的彩色增強(qiáng)算法；基于變換域的圖像增強(qiáng)算法可以分為頻域的平滑增強(qiáng)算法、頻域的銳化增強(qiáng)算法以及頻域的彩色增強(qiáng)算法。　　盡管各種圖像增強(qiáng)技術(shù)已取得了長足的發(fā)展，形成了許多成熟、經(jīng)典的處理方法，但新的增強(qiáng)技術(shù)依然在日新月異地發(fā)展完善，不斷推陳出新，其中尤其以不引起圖像模糊的去噪聲方法（如空域的局部統(tǒng)計(jì)法）和新的頻域?yàn)V波器增強(qiáng)技術(shù)（如小波變換，K－L變換等）最為引人矚目。　　第二章圖像增強(qiáng)的基本方法　　一般而言，圖像增強(qiáng)是根據(jù)具體的應(yīng)用場景和圖像的模糊情況而采用特定的增強(qiáng)方法來突出圖像中的某些信息，削弱或消除無關(guān)信息，以達(dá)到強(qiáng)調(diào)圖像的整體或局...

Python 圖像處理庫 Pillow 入門（含代碼）

發(fā)布時(shí)間： 2018 - 01 - 05

當(dāng)機(jī)器視覺遇到“人工智能-工業(yè)4.0”.....

發(fā)布時(shí)間： 2017 - 12 - 25

最新機(jī)器人視覺系統(tǒng)介紹，給機(jī)器人裝上“眼睛”

發(fā)布時(shí)間： 2017 - 12 - 18

最新機(jī)器人視覺系統(tǒng)介紹，給機(jī)器人裝上“眼睛”機(jī)器視覺概述使機(jī)器具有像人一樣的視覺功能，從而實(shí)現(xiàn)各種檢測、判斷、識(shí)別、測量等功能。一個(gè)典型的機(jī)器視覺系統(tǒng)組成包括：圖像采集單元（光源、鏡頭、相機(jī)、采集卡、機(jī)械平臺(tái)），圖像處理分析單元（工控主機(jī)、圖像處理分析軟件、圖形交互界面），執(zhí)行單元（電傳單元、機(jī)械單元）機(jī)器視覺系統(tǒng)通過圖像采集單元將待檢測目標(biāo)轉(zhuǎn)換成圖像信號(hào)，并傳送給圖像處理分析單元。圖像處理分析單元的核心為圖像處理分析軟件，它包括圖像增強(qiáng)與校正、圖像分割、特征提取、圖像識(shí)別與理解等方面。輸出目標(biāo)的質(zhì)量判斷、規(guī)格測量等分析結(jié)果。分析結(jié)果輸出至圖像界面，或通過電傳單元（PLC等）傳遞給機(jī)械單元執(zhí)行相應(yīng)操作，如剔除、報(bào)警等，或通過機(jī)械臂執(zhí)行分揀、抓舉等動(dòng)作。機(jī)器視覺優(yōu)勢機(jī)器視覺系統(tǒng)具有高效率、高度自動(dòng)化的特點(diǎn)，可以實(shí)現(xiàn)很高的分辨率精度與速度。機(jī)器視覺系統(tǒng)與被檢測對象無接觸，安全可靠。人工檢測與機(jī)器視覺自動(dòng)檢測的主要區(qū)別有：機(jī)器視覺的應(yīng)用領(lǐng)域?識(shí)別標(biāo)準(zhǔn)一維碼、二維碼的解碼光學(xué)字符識(shí)別（OCR）和確認(rèn)（OCV）?檢測色彩和瑕疵檢測零件或部件的有無檢測目標(biāo)位置和方向檢測?測量尺寸和容量檢測預(yù)設(shè)標(biāo)記的測量，如孔位到孔位的距離?機(jī)械手引導(dǎo)輸出空間坐標(biāo)引導(dǎo)機(jī)械手精確定位機(jī)器視覺系統(tǒng)的分類?智能相機(jī)?基于嵌入式?基于PC 機(jī)器視覺系統(tǒng)的組成?圖像獲?。汗庠?、鏡頭、相機(jī)、采集卡、機(jī)械平臺(tái)?圖像處理與分析：工控主機(jī)、圖像處理分析軟件、圖形交互界面。?判決執(zhí)行：電傳單元、機(jī)械單元?光源---種類LED：壽命長/可以有各種顏色/便于做成各種復(fù)雜形狀/光均勻穩(wěn)定/可以閃光；熒光燈：光場均勻/價(jià)格便宜/亮度較LED高；鹵素?zé)簦毫炼忍貏e高/通過光纖傳輸后可做成；氙燈：使用壽命約1000小時(shí)/亮度高，色溫與日光接近。（大部分機(jī)器視覺照明采用LED） ?光源---光路...

西門子PLC通訊方式你知道多少？

發(fā)布時(shí)間： 2017 - 12 - 12

西門子PLC通訊方式你知道多少？西門子作為最早進(jìn)入中國市場的工控廠家，其市場占有率一直非常高。西門子PLC的品質(zhì)非常好，其網(wǎng)絡(luò)穩(wěn)定性、開放性深受工控人員的喜愛，而且編程軟件分類多，使用方便。在國內(nèi)工控界具有顯著地位。雖然大家對西門子PLC都有一定的了解，但要你說出西門子PLC各種通信方式的特點(diǎn)，相信很多人都不能完整答出。下面就是幾種常見的西門子通信方式？一、PPI通訊PPI協(xié)議是S7-200CPU最基本的通信方式，通過原來自身的端口（PORT0或PORT1）就可以實(shí)現(xiàn)通信，是S7-200 CPU默認(rèn)的通信方式。二、RS485串口通訊第三方設(shè)備大部分支持，西門子S7 PLC可以通過選擇自由口通信模式控制串口通信。最簡單的情況是只用發(fā)送指令（XMT）向打印機(jī)或者變頻器等第三方設(shè)備發(fā)送信息。不管任何情況，都必須通過S7 PLC編寫程序?qū)崿F(xiàn)。當(dāng)選擇了自由口模式，用戶可以通過發(fā)送指令（XMT）、接收指令（RCV）、發(fā)送中斷、接收中斷來控制通信口的操作。三、MPI通訊MPI通信是一種比較簡單的通信方式，MPI網(wǎng)絡(luò)通信的速率是19.2Kbit/s~12Mbit/s，MPI網(wǎng)絡(luò)最多支持連接32個(gè)節(jié)點(diǎn)，最大通信距離為50M。通信距離遠(yuǎn)，還可以通過中繼器擴(kuò)展通信距離，但中繼器也占用節(jié)點(diǎn)。MPI網(wǎng)絡(luò)節(jié)點(diǎn)通常可以掛S7-200、人機(jī)介面、編程設(shè)備、智能型ET200S及RS485中繼器等網(wǎng)絡(luò)元器件。西門子PLC與PLC之間的MPI通信一般有3種通信方式：1、全局?jǐn)?shù)據(jù)包通信方式2、無組態(tài)連接通信方式3、組態(tài)連接通信方式四、以太網(wǎng)通訊以太網(wǎng)的核心思想是使用共享的公共傳輸通道，這個(gè)思想早在1968年來源于廈威爾大學(xué)。 1972年，Metcalfe和David Boggs（兩個(gè)都是著名網(wǎng)絡(luò)專家）設(shè)置了一套網(wǎng)絡(luò)，這套網(wǎng)絡(luò)把不同的ALTO計(jì)算機(jī)連接在一起，同時(shí)還連...

盤點(diǎn) | 機(jī)器人視覺工程師必須知道的工業(yè)相機(jī)相關(guān)問題

發(fā)布時(shí)間： 2017 - 12 - 11