不可思议的机器视觉（上）

2009年3月,凯文老师去参观了国际机器视觉展览会,对近年来机器视觉的迅速发展留下了深刻的印象。他感到应当让同学们对机器视觉有一个基本的了解。     

机器视觉PK人类视觉（上）

凯文老师：今天我们来对比一下机器视觉和人类视觉吧!安妮：据我所知,机器视觉的摄像头就相当于人类视觉的眼睛。     

机器视觉PK人类视觉（下）

凯文老师：上期我们说过数码相机上的CCD芯片或者CMOS芯片不可能用在人的眼睛里面,这是因为CCD芯片（或者CMOS芯片）和人眼中的视网膜的功能虽然都是采集视觉信息．但工作方式完全不同。CCD芯片输出的是二进制的数字信号,而视网膜输出的是神经细胞的兴奋状态。如果简单地把CCD芯片植入人眼,CCD芯片与人的眼神经是无法协同工作的。     

基于机器视觉的写字机器人实验系统设计

设计了一种基于机器视觉的写字机器人实验系统。该系统机械结构包括2自由度运动单元和书写机构;硬件部分由主控、识别、运动控制以及人机交互等模块组成,主控模块使用STM32作为主控制器;软件部分通过使用Bresenham算法结合坐标变换实现书写机构按照特定轨迹进行运动。测试结果表明,写字机器人系统可以完成运动手势识别,控制书写机构运动;也可以通过识别手写笔的运动来控制书写机构进行同步书写。该系统易于实现,且具有运动手势识别准确率高、同步书写精度较高等优点。     

明察秋毫的机器立体视觉

凯文老师：不知道你们注意到没有？虽然机器视觉应用很广泛,但是绝大部分机器视觉看到的世界是二维的,而不是立体的。     

机器视觉综述

机器视觉技术经过数十年的发展已经成为工业自动化领域的研究热点.文章将详细介绍机器视觉的发展、研究现状及应用.     

基于机器视觉的机器人智能分拣实验平台开发

针对机器视觉和机器人技术设备分散和功能单一等问题,开发设计了基于机器视觉的机器人智能分拣综合实验平台。将机电传动控制、气动控制、工程光学、图像处理技术、机器人控制技术等有机融合,可开设物料传送装置拆装测绘、光学图像采集系统搭建、单片机控制系统设计、真空吸附搬运分拣气动回路设计、手眼标定与形状匹配图像处理、机器人操作控制、上位机软件开发等实验。该实验平台体现了教学设备的先进性和创新性,有利于提高学生的工程实践和创新能力。     

融合机器视觉的工业机器人虚拟平台构建

为满足电气信息类专业学生工业机器人、自动控制、机器视觉等先进技术的实践教学需求,提高工科大学生自主创新、创业及实践能力,设计开发了机器人实验系统。利用虚拟仿真技术、互联网技术与学科专业深层融合,设计了虚拟实验对象,扩充了实验内容。为了便于虚拟教学资源的有效管理,依据学科特色与虚拟实验教学的特点,构建了统一的实验教学网络管理平台,扩大了共享范围。探索了三核心、三层次、一体化的"三三一"虚拟仿真实验教学管理体系,促进了虚拟教学资源的开发与建设,推进了高等学校实验教学的信息化建设,为实验教学改革创新开辟新的道路。     

中国机器视觉的发展趋势

机器视觉自起步发展到现在，已有将近20年的发展历史.应该说机器视觉作为一种应用系统，其功能特点是随着工业自动化的发展而逐渐完善和发展的．目前全球整个视觉市场总量大概在70～80亿美元，是按照每年8．8％的增长速度增长的．而在中国，这个数字目前看来似乎有些庞大，但是随着加工制造业的发展。中国对于机器视觉的需求将成上升趋势．     

基于机器视觉的工业机器人分拣技术应用研究与系统开发

随着科学技术的不断进步,与机器人有关的技术也得到飞速发展,专家和学者关注的焦点也转移到机器人视觉技术方面,从而让机器人也拥有和人眼相似的使用功能.文章研究了基于机器视觉的工业机器人分拣系统,该系统主要包括机器人本体及工件平台、机器视觉和运动控制三大模块,对它们的结构分别进行了设计;最后重点分析了分拣系统中应用的关键技术.     

机器视觉理论及应用

介绍了机器视觉的Marr视觉框架、三维重建理论和图像处理的原理与应用。对三维重建理论重点介绍了基本几何元素点、直线和二次曲线的具体重建方法。对机器视觉在工业中的应用作了相关介绍,最后对机器视觉的前景进行了展望。     

基于机器视觉的六轴工业机器人神经网络自适应控制算法

构建了一个基于机器视觉的工业机器人,由视觉模块、计算机、机器人以及软件组成,通过视觉模块获取对象图像,并进行分析,得出目标的坐标位置.运用神经网络自适应控制算法对控制器的脉冲输出进行补偿控制,从而使得机器人各关节的运动更加平滑可靠.实验结果表明,该机器人可以实现按预设连续轨迹精确运行,以取代人工进行涂胶、打磨、装配、焊...     

基于机器视觉技术的番茄苗分类和排序技术研究

传统番茄苗选择中,往往是操作员根据形态学特征,基于视觉评分标准来识别幼苗,这是一种主观的、容易发生人为错误的方法。针对这一问题,文章基于机器视觉技术设计了一种全自动移栽番茄苗分级分选算法,选择UXGA(Ultra eXtended Graphics Array)极速扩展图像阵列相机、蓝色背光和滤光装置获取番茄幼苗图像信息,从图像信息中确定幼苗的弯曲度、叶片节点和茎粗,然后对其进行分级和排序,进而将这些幼苗分级为“可接受”和“剔除”。结果表明,根据番茄苗茎的粗细,将幼苗分级,分为大、中、小三类,具有良好的效果。该算法不仅适用于番茄幼苗,还可以应用于茄子、辣椒和许多其他幼苗,分选成功率为97%。     

基于机器视觉的机器人抓取实验系统

针对工业机器人成本高、开源性差和维护困难等问题,设计了一种基于机器视觉的机器人抓取实验系统.该系统利用机器视觉、深度学习和路径规划等技术对目标工件进行识别、定位,并完成抓取任务.机器人系统在结构设计上采用串联结构,利用无刷直流电机作为机器人关节的驱动机构.为了解决工件识别与定位问题,利用Pytorch框架下的深度学习模...     

机器视觉仿真实验平台的研究与设计

随着计算机和成像技术的迅速发展,机器视觉相关的理论和技术在生产和教学中变得越来越重要。本文分析了智能、视觉和计算三者之间的关系,指出了进化和训练对于机器视觉系统的重要性,设计了一种用于机器视觉研究和教学的视觉虚拟平台,提出了基于视觉仿真的机器视觉研究和教学方法。     

基于机器视觉的多目标跟踪技术的研究

机器视觉可以帮助机器识别物体并对物体进行作业.本文在工业机器人的设计基础上,增加一个机器视觉系统.系统由机器人、摄像机、图像采集卡、计算机及系统软件所构成.机器人凭着这个视觉系统,可以捕获目标物体的特征并且识别目标物体,然后对物体进行定位,最后控制工业机器人完成作业任务.     

机器视觉技术及其农业应用

机器视觉是一个快速发展的计算机智能技术,其主要原理是通过采集目标物信息的物理特征对目标物进行识别、分析。作为计算机技术中的重要部分,机器视觉技术现已成为促进农业发展智能化进程中的一项关键技术,在我国农业生产中应用越来越广泛。本文分析了机器视觉技术的原理、机器视觉技术在农业中应用以及机器视觉技术在农业中的未来发展方向。     

基于机器视觉的金桔大小分级研究

用 CCD 摄像机获取金桔的样本图像,采用机器视觉进行自动大小分级.利用 MATLAB编程实现样本图像的背景去除、灰度化、二值化、图像平滑等图像处理.实验表明,此方法精度高、速度快     

基于模糊控制的机器视觉自动纠偏系统

自动纠偏系统在带材卷取过程中非常重要,由于带材位置受到多因素影响,具有非线性、时变、和分布参数多等特点,要建立精确数学模型非常困难。因此为了保障带材在卷取过程中不跑偏,提高成材率,防止对设备造成损害,本文提出了一套切合实际的纠偏控制系统,采用视觉实时监测与模糊控制的方法,在实际设备运行过程中取得了较好的效果。由视觉传感器采集实时图像传输到计算机。计算机采用特定边缘检测算法得出卷材位置信息,将位置信息传输给PLC进行处理控制,消除位置偏差。     

“机器视觉”课程教学改革微探

机器视觉属于交叉学科,结合了数字图像处理、模式识别、人工智能等技术。与人工视觉相比,机器视觉有着高精度、高复杂性、高集成性等优势。本文深入分析机器视觉课程体系,研究各大高校课程教学内容,联系行业内企业具体需求,完善该课程的理论教学内容、实践教学内容、教学大纲及教学方法。这对促进该课程教学的开展、培养符合企业需求的人才具有重要的意义。