2020年9月21日 机器视觉与计算机视觉技术

工程点扩展函数(E-PSF)技术可以实现高精度3D成像

机器人和自动化改变了制造业面貌,对工业检测的需求也在日益增加。工程点扩展功能(E-PSF)技术的进步,使制造商能够采用高分辨率3D成像,来改进物体和特征检测。这些E-PSFs可以以光学相位板的形式实现,并可以集成到现有的成像系统中。

一旦集成,成像系统就可以通过改善景深和细节来执行近距离元件检测,从而可以对较小或微小物体进行成像和缺陷检测,精度甚至可达亚微米级。

一种光学相位板,其支架上具有点扩散函数(PSF)设计,可以蚀刻在相位板上。

除了检查之外,3D成像在机器视觉、物体识别和导航等高增长应用领域(如无人机、机器人和触觉学)也大有前途。现在有可能将这种新的光学技术集成到现有的系统设计中,且不会增加系统的占用面积。

行业局限性

虽然我们生活在三维世界中,但从历史上看,大多数成像系统只能捕捉二维信息。在包括制造和机器人在内的各种环境中获取和使用3D信息的方法已经研究了几十年,但仍然是一个具有挑战性的问题,尤其是在无约束的环境中,可能包括可变照明、镜面和变形的场景表面,以及被遮挡的对象。这些环境降低了空间意识,这反过来意味着系统难以执行对人类来说很容易的任务,比如从一个箱子中选择组件。无约束环境也为亚微米大小的对象的检查带来了挑战。然而,随着增材制造技术使更多具有微米级特征的部件的制造成为可能,先进的3D检测和计量变得至关重要。

在过去的十年里,深度传感设备(即3D相机)的数量出现了微小的爆炸。这些系统要么使用立体视觉设置,要么使用最新的创新技术(如结构化照明、飞行时间和光场),对于大规模(厘米到公里)测量物体的三维形状和位置非常有用。

标准光学系统的PSF与双螺旋相位掩模的PSF比较。

然而,这些成像方式在检查厘米到毫米范围内的近距离物体时面临着各种限制。例如,立体视觉系统在短距离工作时会变成“斜视”。结构光方法受投影光的空间频率与物体特征之比的限制,以及需要非遮蔽照明(通常需要陡峭的照明角度)的限制。飞行时间方法受传感器定时率的限制。此外,光场方法受有限分辨率和透镜阵列大小的限制。这些技术中的每一种都可能受到硬件复杂性、大小、功耗或成本的额外限制。使这些局限性更加复杂的是,越来越多的人期望制造商能够精确测量微小结构的三维特征。

面对这些挑战,3D对象捕获的新方法是不可避免的,并且将扩展功能并在3D机器视觉,手势识别和机器人技术等领域提高精度和深度分辨率。

E-PSF技术的精髓

E-PSF技术的本质是通过将掩模的尺寸和设计与光学系统和成像条件精确匹配,简单地改变成像系统的光学响应。在显微镜下,相位掩模符合显微镜物镜的规格和实验对焦深度的要求。

这种特殊设计的相位掩模通过在波前的某些部分引入相位延迟来改变光学响应,从而可以改变对焦和离焦物体点的PSF形状。双螺旋PSF (DH-PSF)1设计就是一个例子,它将一个单点的图像从透镜的圆形孔(称为艾里圆盘)产生的聚焦光斑改变为两个分离良好的斑点。

这两个分离良好的点的中点对应着物体的横向位置,两个点之间的夹角对应着物体的轴向位置。由于旋转180°时光斑可以保持聚焦,因此可以高精度地获取扩展深度信息。

使用DH-PSF收集的数据由许多这些在不同方向上与物体的横向(X-Y)和轴向(Z)位置相对应的分离良好的点组成。从这些详细的目标点数据集创建一个清晰的三维图像是一个复杂但可以解决的图像重建问题。经过处理,结果是原始对象的一个清晰的三维结构。

基于应用的深度和精度要求以及对象的信噪比(SNR),已经针对不同的应用设计了几种类型的E-PSF。除DH-PSF外,设计还包括单螺旋PSF,四足PSF2和多色PSF设计。

E-PSF技术的第一个商业应用是对用于3D超分辨率成像和跟踪的现有宽视场显微镜的升级。 SPINDLE是一个专有的注册产品名称,可以成像和跟踪单个分子或纳米粒子的水平。 SPINDLE使用标准C型安装座在任何宽视场显微镜和电子倍增CCD(EMCCD)或科学CMOS(sCMOS)相机之间无缝安装。可互换的相位掩模库使得能够优化PSF以适应用户的应用。应用包括细胞结构的成像,精度为20至25 nm,深度范围高达20μm,无需改变用户现有的成像系统设置。

从微观到宏观

虽然E-PSF技术的最初应用是在超分辨率显微镜中,但通过将相位掩模的尺寸缩放到成像系统,E-PSF的物理特性可以广泛应用于任何成像系统。例如,当应用于机器视觉领域时,E-PSF克服了前面提到的其他3D成像技术所面临的许多挑战。

Double Helix Optics的相位掩模库。

此外,E-PSF相位板可以通过直接集成或通过相机镜头和传感器之间的无源光学中继器集成到许多现有的2D成像系统中。如果2D相机可以解析检查区域,则E-PSF可以提供该系统深度感知。

目前,第一个采用E-PSF技术的商用3D机器视觉系统正在开发中。该技术的实现将同时提供亮度图(2D图像)以及距离信息(深度图),因此场景内的每个对象特征与其在3D空间中的精确位置相关联。

与现有方法相比,用于机器视觉的E-PSF方法具有以下几个优点:

结合相位板可重塑焦点,实现深度捕获,对2D系统性能的影响有限且阴影最小。

通过设计E-PSF以匹配使用中的2D镜头,可以优化E-PSF 3D成像系统的深度分辨率和景深。

带有浮雕字母的信用卡的图像(a)。以颜色(b)编码的深度(以微米为单位)恢复的深度图。用亮度图(C)覆盖的深度图的三维视图。

E-PSF技术可以作为现有2D成像系统的附件实现,也可以作为可以结合到现有2D镜头系统中的相位板实现。对于专为E-PSF设计的3D机器视觉系统,相位板几乎不会增加体积或重量。对于采用OEM或售后成像组件的系统,在大多数情况下不需要第二相机或额外的光源。

E-PSF技术通过使传统的2D成像系统能够同时捕获高分辨率的深度和强度信息,为工业检测,材料科学和其他商业应用开辟了许多可能性。此外,该传感器可以低成本大规模生产,可用于机器人,3D扫描仪,先进制造和人机界面等领域。成像传感器现在广泛而便宜,计算能力(已经是大多数相机不可或缺的一部分)也一样,创造了以额外但有限的成本增加3D功能的机会。

认识作者

Leslie Kimerling是总部位于科罗拉多州博尔德的3d成像公司双螺旋光学(Double Helix Optics)的联合创始人兼首席执行官。她拥有斯坦福大学经济学硕士学位和加州大学洛杉矶分校安德森管理学院MBA学位;

Warren Colomb是双螺旋光学公司的光学系统工程师,他拥有科罗拉多矿业大学应用物理学博士学位;

Anurag Agrawal是双螺旋光学的首席光学科学家,他拥有科罗拉多大学博尔德分校电子工程(计算光学成像)博士学位;

Banner
Related Posts

涂布纺织品皮革表面缺陷检测解决方案

2019年7月2日

2019年7月2日

本文详细地介绍了基于自适应视觉算法的表面缺陷检测的应用原理及实际案例。同时以涂布、纺织品和皮革等类似行业的实际案例验证了该原理的可行性和实用性。介绍了能应用于涂布、印刷、涂布、塑料、橡胶、薄膜及皮革等缺陷检测的通用解决方案。

自动印刷代码检查解决方案

2019年4月17日

2019年4月17日

AutoCoding Systems将在米尔顿凯恩斯即将举行的UKIVA机器视觉会议上展示他们最新的视觉创新成果。由SICK AppSpace提供支持的4Sight解决方案是自动打印检测领域真正的行业突破。

MicrochipPolarFire FPGA成像和视频开发套件加快机器视觉应用的开发与部署

2019年8月29日

2019年8月29日

制造业和工业界正在经历巨大的变化,工业物联网(IIoT)等新兴技术有望大幅提升工厂运营效率。因此,各种传感器正以前所未有的速度进行部署,让IIoT应用能够感知和洞察生产过程、工业自动化和质量控制等现实场景所发生的一切。

机器视觉可以使用无线电波来穿透墙壁和黑暗

2019年10月10日

2019年10月10日

机器视觉有很强的识别能力。它具有超人的能力来识别人、脸和物体。它甚至可以识别许多不同的行为。

中科院自动化所王欣刚:机器视觉将取代人类视觉

2019年6月21日

2019年6月21日

智能制造已成为全球制造业升级发展的重要方向,未来工厂里将采用越来越来越多的自动化技术,包括机器人、人工智能、虚拟现实等先进技术,其中,机器视觉将在智能工厂中将发挥关键作用。对于生产商来说,如何将这些技术运用到当前的生产线,将是实现工厂价值提升和未来发展的关键。

机器视觉技术可能比您想象的更厉害

2018年8月9日

2018年8月9日

从数字图像中自动提取信息的能力为制造商努力削减成本、提高质量和简化整体流程提供了更多可能。机器视觉的主要用途是检查、测量和机器人引导。

快速创建三维纳米结构图像的新方法

2019年4月17日

2019年4月17日

通过X射线激光脉冲从两个方向照射物体(在图像中心切出十字)。在下一步骤中,将星形衍射图像重建为3-D对象

工业机器人及机器人视觉系统详解

2019年3月26日

2019年3月26日

人类想要实现一系列的基本活动,如生活、工作、学习就必须依靠自身的器官,除脑以外,最重要的就是我们的眼睛了,(工业)机器人也不例外,要完成正常的生产任务,没有一套完善的,先进的视觉系统是很难想象的。

用于目标识别的自学习机器视觉系统

2019年7月8日

2019年7月8日

机器视觉是工业4.0,即工业物联网背景下高度自动化和无缝联网过程的关键技术。使用诸如深度学习之类的新的人工智能过程变得越来越重要。许多好处使这项技术具有吸引力,但同时它也有局限性。

机器视觉系统集成发展的现状和前景

2019年7月10日

2019年7月10日

机器视觉系统集成是一门学科,随着新成像技术的不断发展,这门学科的发展势头依然强劲。

如何利用机器人视觉进行拣货作业

2019年4月27日

2019年4月27日

机器人进行拣货作业定义了不同的过程,在这些过程中机器人用于从箱子中拾取和放置货物。 Bin pick是机器人领域中棘手的机器人任务。但是,您不必使用复杂的解决方案来解决它。使用机器人视觉的拣选可以以简单的方式执行。

基于计算机视觉和深度学习的智能缺陷检测

2019年9月4日

2019年9月4日

自亨利·福特首次引入装配线系统以来,质量控制一直是制造中的一个关键因素。其理念是,质量可以通过大规模生产流水线来实现,只要每个人在生产过程中各尽其责。从那时起,我们显然已经走了很长一段路。传统的装配线仍然以许多形式存在,尽管机器已经取代了许多手工过程。

3D视觉系统技术方案详解

2019年4月21日

2019年4月21日

近年来,随着芯片技术的发展以及相关软硬件系统的深入,视觉传感器得到了极为广泛的应用。社会越来越智能,可以使用人工智能和大数据技术将人们记录下来的图像智能地利用起来,而不是用一个个柜子将图像、视频束之高阁。

机器视觉技术在农业应用研究进展

2019年3月31日

2019年3月31日

随着计算机软硬件、图像采集处理装置、图像处理技术的迅猛发展,机器视觉技术在农业的应用领域不断扩展。目前,美国、日本、德国等发达国家已经开始将机器视觉系统应用到农业生产的各个阶段,以解决人口老龄化加剧、劳动力缺失等问题引起的挑战。

机器视觉技术发展的五大趋势

2019年6月21日

2019年6月21日

在过去的一年里,人工智能(AI)、大数据、3D成像和机器人过程自动化等领域在取得了空前的发展。在即将到来的2019年,机器视觉技术应用还将蓬勃发展,新机器视觉认为五大发展趋势将引领行业应用。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注