机器视觉的原理与发展

机器视觉是全球智能的“慧眼”，为了获取更好的图像，那么合适的机器视觉光源控制器给工业相机打光就尤其重要了。机器视觉出现于50年代后期，但由于其精准性、易用性、功能丰富及成本合理的特点，发展十分迅速，被广泛地被应用于机器人视觉领域。

工业相机是整个机器视觉系统信息的直接来源，其主要功能就是获取足够的机器视觉系统要处理的最原始图像，再将其与内存中存储的基准图像进行比较，以做出分析，为后面的智能系统提供判断依据。

机器视觉能够从一整幅图像捕获光线的数以千计的像素，图像的清晰和细腻程度通常用分辨率来衡量，以像素数量表示。部分机器视觉能够捕获的像素值很高，无论距离目标数米或数毫米远，传感器都能“看到”十分细腻的目标图像。在获得图像之后，机器视觉将其与内存中存储的基准图像进行比较，以做出分析，判断其与标准图像是否相同。

如上图示，机器视觉的基本结构与人眼相似、处理图像的过程类似，视觉打光、相机、控制器三部分组成。工作时首先照明部分将物体照亮，然后相机部分将物体的反射光转化为电子信号，再由控制器部分对电子信号进行分析处理。

近年来，随着人工智能的发展，机器视觉系统行业也开始取得了许多土坡。为了打破现有机器视觉无法捕获快速移动的物体或现象和只能重复特定动作的局限，日前出现了一种全新机器视觉，该传感器可以每秒1200帧的速度对物体进行检测和跟踪，可能让机器人能够实时快速地对运动中的对象作出反应，让机器视觉也变的更加智能。

从结构来看，机器视觉为堆叠式构造，具有背照式像素阵列和信号处理电路层。电路层配有影像处理电路和可编程列并行处理器，可进行目标检测和跟踪。基于背照式像素阵列，这种构造可实现高灵敏度成像，检测和跟踪目标的速度为每秒1200帧。

在此之前，装有22fps处理的影像传感器系统并不总是能够捕获快速移动的物体。在1,200fps下，机器视觉成像速度比传统芯片快约33倍，可以捕获快速移动的物体，并从影像信息中检测物体，同时使用处理功能提取质心、力矩和运动矢量等信息。

在视频中我们可以看到，在快速划过的硬币当中，系统能对每一产品进行识别，并能跟踪产品的轨迹，整个过程中无需终止产品运动就能检查产品的一些项目情况。

传统的工业机器人一般通过使用程序的既定运动坐标来工作，反馈较慢。如果在检测工厂和其它地方生产线异常或故障时发生延误，可能会产生致命的结果。机器视觉所具备的跟踪功能，能够瞬间捕获异常或故障，处理结果从传感器逐帧输出，以比传统方法更快的时间反馈到系统，从而让系统做出判断。甚至机器视觉内部芯片本身可以自行处理图像，所以人们无需过分地将图像发送到单独的计算机内进行处理，实现机器视觉系统的自主操作。

在机器视觉系统中，用于检测和跟踪目标的影像处理必须用电脑等其它设备后期执行，而将传送影像数据、检测目标和跟踪影像处理等功能集成在一枚芯片上的全新机器视觉，改变了这一点。机器视觉不但使后期设备变得更紧凑小巧、降低系统整体能耗，还通过消除某些物理限制，从而扩展了新系统的开发。

这项技术可能会改善未来摄像机的AF系统方面发挥作用。此外如果把这项传感器技术用在工业机器人的实时反馈系统上，利用机器视觉的跟踪功能，实现自主机器人响应移动和状态的操作，这有助于机器视觉更有效率。