2020年6月27日 机器视觉与计算机视觉技术

莫尔法成像方法可增强机器视觉中的3D图像

图1.简单的投影莫尔系统执行3D轮廓测量。

我们通常认为,使用正确的照明是机器视觉应用成败的关键。低角度照明可能会带来表面纹理或有用的阴影,背光提供干净的部分轮廓,偏振滤光片可以减少不必要的眩光。这些众所周知且广泛使用的工具已经存在了几十年。

此类工具的高端包括3D方法,但这是以组件更复杂为代价的,通常需要更多时间来收集好的数据,当然也需要更多数据来分析。对于许多应用程序来说,并不真正需要完整的3D数据,但是具有表面灰度图像的2D图像之外的东西可能非常有价值。

例如,铸造金属部件的图像通常很少提供有关表面特征的信息。轮廓线以外的任何结构的边缘都可能提供较差的清晰度。由于表面形状引起的任何光的变化都可能由于表面纹理、石墨粉尘或零件上的油脂引起的表面亮度变化而丢失。

许多系统可能部署激光线传感器或三维结构照明系统,但有一种可能的工具已经存在了很长时间,但很少使用,那就是摩尔纹。

图2.边缘方向或间距变化的莫尔条纹图案表示零件表面的倾斜或偏转,并随着零件的移动固定在零件表面上。瓶子(右)上的标签边缘可以看作是通过制动器在标签顶部的图案中从表面上抬起。

摩尔纹是由两个光栅图案的干涉产生的。通过将光栅投射,遮蔽或接触到待测物体上并通过覆盖两个光栅图像将该光栅与一些参考光栅进行比较来产生对象光栅。在轮廓加工的情况下(图1),从与投影或遮蔽到零件上的角度不同的角度观察光栅,从而产生三角测量效果。如果参考光栅是直线光栅,则两个光栅之间的拍子图形形成物体表面的等高线图,其方式与地形图描绘陆地轮廓的方式相同。

摩尔轮廓的解释在视觉上很简单。物体的倾斜产生均匀间隔的线,而弯曲或扭曲显示可变间距。摩尔线或条纹的方向和间距纯粹是主体形状的函数,而不是线条的方向(图2)。摩尔轮廓线具有一系列光量计的效果,该光线将一条线以一定角度投射到零件上并扩展该效果以在光学系统内提供一定程度的预处理。

图3.图案的简单旋转增加了交叉条纹的数量(左),但由于透视角度改变到零件的部件或形状而引起的频率变化引入了不同的图案(右)。

这种摩尔效应还通过采用线的非常小的位移来放大图案的灵敏度并且放大效果使得可以容易地看到它。许多光学玻璃刻度尺测量系统在两个这样的光栅之间使用莫尔图案,因为更容易看到和测量大的莫尔“节拍”图案而不是解决非常小的光栅线的移动。

对于3D测量,这种摩尔图案允许测量零件形状的微小变化,对于简单的结构光系统,该变化低于相机或传感器的分辨率极限,因此无法测量。作为一种增强工具,摩尔图案在轻柔弯曲的零件表面上产生直观的图案,增强了大多数简单定向照明方法不可见的特征,并创建一个可以使用基本工具(如边缘检测器和许多智能相机中的模式匹配)进行定量解释的模式。

图4.这幅图像显示了在一个弯曲部分上应用的光栅的多条条纹上的莫尔条纹。在摩尔条纹图像中,条带对齐的变化在视觉上是明显的。

使用该摩尔效应来观察由于凹痕,曲率变化或对象表面上的曲率方向引起的小缺陷,不需要生成具有数百万个数据点的3D地图。在观察具有通过另一个光栅投射或附着到部件的线图案的部件时,可以看到部件上的图案相对于参考光栅(图3)的取向变化,表明表面的倾斜或取向,在该表面上存在任何异常,例如凹痕。这里可以看到一种模式,因为行间距的变化和与部件形状相关的倾斜更像是地形图,而不是在使用信息之前必须适合数学表面的某些复杂的线条图案。

与具有摩尔条纹轮廓线的简单结构光图案不同,图案的轮廓效果随着零件移动。通过将被认为是正确的参考部分的莫尔图案与被测部件进行比较,从使用图案匹配工具看到的摩尔图案中减去部件的一致形状,并仅留下关于部件表面形状变化的信息,可能。在向瓶子上贴标签时(图2),可以看到标签上的皱纹,而无需首先将数据拟合到瓶子的形状上,并对一百万个点进行复杂的3D比较。图4显示了应用于平坦部分表面的两个光栅的莫尔图案。产生莫尔条纹的参考是一个简单的直线光栅。线的取向变化是由于两个施加的光栅之间仅有几度的角度差。



图5.此图像显示的是一张平坦的纸张(顶部)。使用简单的莫尔条纹设置(左)显示纸张不平整,甚至在中间(底部)有折痕。

摩尔效应的力量可以通过一个简单的演示看到。图5显示了一个阴影云纹设置与光栅上方的一张纸。在没有光栅的情况下,典型的灰度图像几乎没有结构。但是在这下面是同一张纸,左边是阴影莫尔设置产生的莫尔图案。尽管从简单的图像中看不到它们,但是纸张的曲线和折痕的存在是明显的。

图6.由莫尔条纹增强的斜边(左)和皱纹标签(右)使这两种特征明显,可以使用简单的智能相机测量而无需计算3D表面。

图6显示了斜边和带有和没有莫尔效应的皱纹标签。通过找到莫尔线的角度变化,可以使用许多智能相机中提供的简单边缘角度工具来测量斜角或识别皱折。

图7中示出了一个更具戏剧性的例子,其中2英寸直径的区域在部件的顶部表面下方约0.25英寸处凹陷,但是平行于千分之几英寸。该平行度误差仅相对于顶面的凹陷区域的大约十分之一度,但是线的角度的微小变化使得该平行度误差明显。

图7.这两个表面不平行,误差仅为几千英寸。

观察角度变化所需的唯一测量包括计算平面给定区域的线数。如果每条莫尔线表示0.02英寸的距离变化(图6中的分辨率),那么一个表面上的一条条纹线与另一条表面上的另一条条纹线的变化超过4英寸意味着变化约为4.5°。在一英寸或更大的区域内看到小于一度的变化是切合实际的。

图8显示了两个锥形为30°和45°的孔。使用莫尔纹增强图像可以通过计算从孔中心到边缘的线来识别使用的锥度。

由于莫尔条纹可突出部件相对于视野区域的深度变化非常小,因此通过增强莫尔条纹可以大大简化4到6英尺大的钣金面板上的凹痕检查。该图像显示了一个大约4英尺宽的车门。右下方的凹痕深约0.004英寸。虽然肉眼很难看到,甚至感觉不到,但一旦在汽车上涂上高光漆,从那个地方反射出来的光线就会对顾客产生潜在的负面影响。

图8。两个孔的锥度差可以通过计算直线数来确定。

结论

许多机器视觉应用中,关键因素涉及测量相对于斜边的特征、将两个表面相互对齐以进行焊接或分类锥形零件。摩尔成像方法可以创建地形图,直观地突出表面坡度或曲率的变化,可与标准视觉工具(如边缘计数或间距)一起使用,而无需生成完整的3D表面图。通过突出显示,智能相机可以检查形状特征,而无需完整的实体模型和广泛的编程工作。

Banner
Related Posts

深度学习在机器视觉中的应用与发展

2019年5月7日

2019年5月7日

在短短几年内,深度学习软件已经比任何传统算法可以更好地对图像进行分类处理,而且可能很快就可以超越人工检查。

新型智能玻璃为机器视觉研究提供新的模拟途径

2019年7月18日

2019年7月18日

[据光电子网站2019年7月10日报道] 美国威斯康星大学麦迪逊分校电气和计算机工程系Zongfu Yu教授带领的团队开发出了一种新型智能玻璃。不需传感器、不用接通线路或外部电源、亦不需连接互联网,这种智能玻璃就可以利用光学反射的原理识别图像。

工程点扩展函数(E-PSF)技术可以实现高精度3D成像

2019年7月10日

2019年7月10日

工程点扩散功能(E-PSF)技术以光学相位板的形式发展,将使制造商能够满足对超精密物体成像不断增长的需求。

红外、中国和3D堆叠:CMOS的发展趋势

2019年3月29日

2019年3月29日

3月13日在伦敦举行的Image Sensors欧洲会议的开幕式上,Analog Value的首席技术官兼创始人Vladimir Koifman在会议上上介绍了红外传感技术的进步、堆叠式传感器以及中国市场的价格趋势。

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。

机器视觉从发展到成熟,最新技术又有些什么?

2018年8月9日

2018年8月9日

这是机器视觉行业的一个演变时期。嵌入式视觉与深度学习和人工智能相结合, 将在生命科学、自驾游、安全和农业等传统制造业以外的市场继续蓬勃发展。

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。

CCD成像在光源和色彩检测中的优势和应用

2019年7月25日

2019年7月25日

人类视觉感知是任何旨在被人类观看的照明或显示产品质量的最终标准。从平板电视到智能手机,灯泡到交通信号,VR球场的jumbotrons体育场,您的车内GPS到喷气式飞机的驾驶舱仪表,人类用户感知的以及他们注意到的任何缺陷都是决定性因素设备质量。人类对亮度和颜色的感知为操作和安全公差设定了基准。

自主机器视觉系统Inspekto S70

2019年12月18日

2019年12月18日

自主机器视觉(AMV)是通过机器学习的技术,让视觉系统拥有自动识别对象的能力,它为质量保证提供了革命性的方法,同时将使巨额投资和长时间停机成为过去。

深度学习在产品缺陷检测中面临的考验

2019年12月13日

2019年12月13日

人工智能(AI)的发展促使数很多公司投资于深度学习软件,对于视觉行业来说是个好兆头,因为需要在技术上实现飞跃。但是,对于采购或投资相关产品的的用户而言,重要的是要了解如何正确地评估深度学习软件可用性 ,以及它们如何工作的。

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。

短波红外成像技术与原理

2019年7月25日

2019年7月25日

短波红外(SWIR)的范围占据了电磁频谱略高于近红外。在1050到2500纳米之间——短波红外范围远远超出了标准硅基成像传感器的探测能力。

为双目立体视觉插上FPGA翅膀

2019年10月10日

2019年10月10日

FPGA具有灵活高效、可重复编程特性,可实现定制性能、高吞吐量和低延迟,是十分灵活且强大的计算加速器。所以,很多研究机构将算法进行简化后,使用FPGA进行处理。

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。

贴纸相机解决物联网成像问题

2019年4月17日

2019年4月17日

Greg Blackman报道了CSEM的Witness IOT相机,这是一款可以作为贴纸部署的超低功耗成像仪。 Andrea Dunbar博士于3月在伦敦举行的Image Sensors Europe会议上展示了这项技术

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注