嵌入式视觉系统与PC式视觉系统

在过去的十年中,一个崭新的市场在机器视觉领域被打开:嵌入式视觉系统,嵌入式视觉系统(Embedded Vision System)现在又被称作视觉传感器(Vision Sensor)或灵敏相机(SmartCamera)。     

嵌入式机器视觉系统的设计

机器视觉系统是近年来的一个研究热点．现有研究成果在系统复杂度，价格和性能之间很难达到平衡。针对此问题，本文设计了一个以USB数码摄像头为图像采集设备。ARM为核心处理器的嵌入式机器视觉系统。该系统结构简单．可广泛应用在工业检测领域。     

针对自动化视觉检测应用的嵌入式视觉系统

2009年7月,美国NI公司发布了全新的嵌入式机器视觉系统NIEVS-1464RT,可帮助制造行业工程师和系统集成商在进行产品分类、装配验证以及包装检查等应用时,快速建立高速实时机器视觉系统。NIEVS-1464RT嵌入式机器视觉系统配备一个高性能的多核控制器,能够处理多个IEEE1394和GigE相机中的图像。此外,EVS-1464RT具有宽温度范围、实时操作系统、固态硬盘以及无风扇设计等特性,使它成为在恶劣工业环境中使用的理想选择。     

嵌入式系统在机器人视觉中的应用

随着Internet技术与信息家电、工业控制技术等的结合日益紧密．嵌入式设备与Internet的结合已成为大势所趋。此时期新的微处理器层出不穷．要求嵌入式操作系统的设计更加便于移植．支持更多的微处理器。嵌入式系统的开发需要强大的硬件开发工具和软件支持包。通用计算机上使用的新技术、新观念开始逐步移植到嵌入式系统中，如嵌入式数据库、移动代理、实时CORBA等。各类嵌入式Linux操作系统在全球数以百万计爱好者的合力开发下迅速发展，由于具有源代码开放、系统内核小、执行效率高、网络功能强．多媒体人机交互界面友好等特点．很适合信息家电等嵌入式系统的需要。     

基于嵌入式的纸张视觉计数系统

针对造纸印刷行业大量应用的传统机械式计数设备存在诸多固有缺点,基于嵌入式平台运用数字图像技术研制一种用于纸质印刷品数目的识别计数系统。系统采用STM32F103VET6作为处理控制芯片,借助OV7670进行图像采集,摄像头位置的变化依靠步进电机的驱动。系统根据图像峰谷变化,逐次完成纸张计数过程。该系统装置具有操作简易、携带方便、计数运算量低等特点,初步试验结果达到了设计目标,可用于造纸印刷业符合文中参数的普通纸张进行计数。     

机械手视觉系统的非均匀标定法研究

针对恶劣工况下机械手视觉识别能力差的现状,以履带轮自动回火上下料生产线为例,提出了一种局部线性化的像机标定算法,对探头的工作原理进行分析,采用基于粗定位和精确定位两步走的算法,实现了对工件图像坐标下圆心位置的提取,将整个控制系统的算法以方框图的形式给出,完成了控制系统软件设计,为视觉定位系统提供新的思路。     

机械手视觉系统设计与实现

本文介绍了一种基于智能摄像机的智能机器人视觉系统。它采用Blob分析法可以求取任意形状目标物的中心坐标及其任一斜边与坐标轴之间的夹角．从而实现对微小或缓慢运动的目标物定位。系统硬件平台是内含TMS320C64XX系列DSP的智能摄像机。利用VC智能摄像机来完成场景图像的采集及量化任务,并利用其自带的嵌入式操作系统及开发平台编写了相应的目标定位程序。实验结果表明,该系统能满足实际项目中对目标姿态信息的需要,目标识别率达到100％,定位相对误差小于5％。本系统具有广泛的应用前景．通过修改应用程序可将该系统应用于不同的工业机器视觉检测领域．尤其是图像测量、表面检测．汽车制造业检测、产品包装和印刷业的质量检测、运动轨迹分析与跟踪等领域。     

PC VS嵌入式视觉系统的未来走向

时至今日,嵌入式正在成为一个热门词汇。在机器视觉领域,嵌入式应用也越来越广泛,嵌入式的视觉系统产品越来越丰富。今后几年将是视觉系统发展的重要阶段,而嵌入式系统将扮演重要角色。那么,在嵌入式与PC/视频卡并存的年代,我们共同探讨一下基于嵌入式处理与基于PC的视觉系统的前景。     

基于嵌入式机器视觉的机器人抓取系统

针对工业生产线上机器人自动化、智能化识别抓取需求,设计研发了基于Raspberry Pi 3B+控制器的嵌入式机器视觉系统。采用开源OpenCV视觉算法库,使用高精度摄像头采集图像,经过图像预处理、特征提取判断等,快速识别、判断、定位产品,实现机械手对产品的准确定位和分类。实验结果显示,该系统运行稳定,对图像数据的处理可靠,能够较好地实现识别。     

网络监控机械手的视觉实现

应用网络监控机械手的视觉系统,能够使机械手智能地完成目标物体的寻找、识别和搬运。为了使机械手能够准确到达某一位置进行视觉识别而避免目标丢失,综合视觉系统方案、图像采集和图像处理等技术,提出了采用Eye—in—Hand视觉系统、USB摄像头和VFW结合进行图像采集,并利用新型Blob算法对目标物体进行图像处理的设计方法。该视觉系统提高了机械手的工作效率,降低了系统的复杂性,保障了远程监控的实时性。     

嵌入式机器视觉系统设计

机器视觉系统是智能机器人的一个重要标志,也是近年来的一个研究热点,现有研究成果在系统复杂度、价格和性能之间很难达到平衡.针对此问题,设计了一个CMOS摄像头为图像采集设备、DMCU为核心处理器的嵌入式机器视觉系统,并实现了实时双目测距.该系统简单、实时性好.     

基于运动控制卡和视觉系统的桁架机械手分拣系统的应用

基于目前试纸包装行业存在的问题,论述了欧姆龙FQ2-S45010F-M视觉传感器与雷赛DMC1000运动控制卡相结合在试纸自动分拣上的应用.重点介绍了整个装置在硬件结构、控制电路设计及位置信息处理等方面的关键技术,通过此智能分拣机械手的设计为企业节约劳动力成本和提高产品分拣效率,实现高效、节能、安全地分拣.     

大功率LED自动灌胶设备嵌入式视觉系统

针对国内LED封装设备对大功率LED自动封胶的需求,为解决人工方法效率低问题,设计了一套基于Blackfin DSP的高性能低成本的嵌入式视觉处理系统,详细介绍了视觉系统的硬件结构设计、软件框架设计,处理算法以及它们的实现方式;通过精简硬件结构、合理硬件选型以提高系统的性能,并应用嵌入式实时操作系统提高系统的实时性并实现多任务处理.试验结果证明:系统实现了稳定高速高精度的图像处理,系统的性能、体积和成本完全满足工业需求.     

基于嵌入式机器视觉技术的血型自动识别系统

目的:为了实现自动检测血型,建立了基于嵌入式机器视觉的血型自动识别系统,并通过实验验证系统可行性和可靠性。方法:首先,依据血型检测的原理,以日本CCS同轴照明LED视觉检测光源、光源控制器、毛玻璃片、白色背景构成照明模块,以中星微301芯片的USB摄像头和mini2440开发板为核心,构建了集图像采集和分析于一体的嵌入式硬件模块。基于面向对象的思想,利用EVC(Embedded Visual C++)开发工具设计了系统的软件。然后,针对采集的微柱凝胶卡图像特点,通过试验分析,设计了具体的图像预处理算法。其中,运用小波变换完成图像对比度增强,运用遗传算法完成图像分割。在此基础上,设计了红细胞凝集物的特征参数提取算法。最后,利用BP神经网络构建了识别模型,完成对红细胞凝集物的类别判断,从而根据判别规则得到血型的检测结果。结果:多次试验结果表明:系统对-、+、++、+++、++++五类红细胞凝集物的判别正确率均为100%;能100%地正确检测出正常标本的ABO和Rh血型。结论:系统基本能满足临床对于血型检测自动化识别、准确性好、抗干扰能力强、稳定可靠等要求。     

基于嵌入式视觉的零件状态检测系统开发

针对车床自动化上料零件的正反检测,提出一种基于多级模板匹配的零件检测方法,提取并生成一系列旋转模板图像库,利用图像增强算法提高边缘灰度的对比度,使用归一化互相关算法去除不均匀光照的影响,采用多级模板匹配方法提高计算速率和检测准确率。设计并实现了基于嵌入式视觉的零件状态检测系统,方便快速生成零件模板,完成视觉系统与控制设备的通信。测试结果表明,系统能进行多种零件的状态判别,具有低成本、模块化、高准确度等优点,适合工业现场使用。     

嵌入式语音识别控制机械手的系统设计

介绍了利用嵌入式语音识别技术来控制机械手的系统设计过程,包括两部分硬件设计和软件设计.硬件设计包括基于SPCE061A单片机的语音识别电路设计、电机控制电路的设计和机械手的设计.系统的软件设计对特定发音人的识别在不是很嘈杂的环境下,识别的准确率比较高,能够得到比较满意的结果.     

基于Labview的机械手视觉引导系统设计

机器人的使用在工业中变得越来越广泛,如何使机器人的运行更加智能化、人性化,成为许多学者研究的热门课题。机器视觉作为一种新兴的技术,也越来越受到关注。工业机器人通过机器视觉获取的图像信息特征,能够更加准确地定位引导,抓取和放置物料。以机械手的目标识别和数据通讯为研究目标,针对物料的实时匹配识别以及上位机与机械手的数据通讯进行了详细的研究,并通过Labview编程完成整个机械手视觉定位引导的软件的编写。该视觉引导系统可以实现图像的图像标定和匹配定位,最终完成抓取和放置的动作。定位误差为±0.1mm。     

机械手姿态识别的立体视觉匹配

为了提高机械手姿态识别的精度,提出了区域边缘线段立体匹配算法。该算法利用图像中包含边缘线段区域的颜色特性和边缘线段的几何特征进行线段匹配,其中,区域的颜色特征包括边缘线段的左右颜色和梯度方向,边缘线段的几何特征包括长度、方向和角度。由于充分利用了图像提供的颜色信息,特别是颜色梯度方向信息,使得边缘线段的匹配不仅依靠其自身的几何特征(如长度,方向和位置),而且依靠直线段所在图像区域的所有信息。因此,匹配的判据可以做得更准确。使用该算法进行机械手姿态识别实验,结果验证了该算法能够在复杂背景下识别机械手的姿态,识别精度高,其相对误差达到1.7%,该结果满足机械手在姿态识别中的精度要求。     

基于双目视觉的机械手识别、定位、抓取系统研究

针对多类堆叠工件分类和提取三维位姿困难的问题,对随机摆放规则物体的机器识别、三维定位和自动抓取等方面进行了研究,采用一种基于MLP分类器的视觉算法实现了工件识别。利用识别结果选取合适的透视可变形模板匹配将堆叠工件与背景分离,结合双目视觉中的立体匹配、深度计算和坐标变换完成了三维位姿估计,通过Halcon和Visual Studio联合编程的方式,进行了工件识别定位抓取实验系统的软件开发,设计了实验平台,对矩形工件和圆柱体对象进行了位姿提取和抓取实验。实验结果表明:该系统具有较好的分类效果和较高的识别定位精度,可以满足机器人对工件的在线抓取需求。     

基于视觉系统可旋转特定角度机械手的设计与实现

针对瓶盖需旋转特定角度完成锁紧的技术要求,提出一种基于视觉系统的机械手结构和控制方案,并完成结构设计。应用结果表明,该机械手能在规定的时间内完成规定动作。此装置可应用于类似包装流水线上将工件抓起并转位一定角度的工序。