机器视觉 2021-05-18 11472
最简单的机器视觉系统包括：视觉成像部分，图像处理部分，运动控制部分。
视觉成像包括几个典型组件：光源，镜头，工业相机。
光源和镜头都需要我们掌握光学知识。不同的照明方法可以使相机产生与物体完全不同的图像。镜头放大倍率，焦距，视野等的选择直接决定了成像的保真度。对于机器视觉工程师来说，掌握如何选择镜头，如何选择光源以及如何确定照明方法是最基本的技能。
工业相机需要我们掌握光电知识，相机传感器之间的区别以及图像成像的基本知识（例如清晰度，动态范围，视野等），以便我们可以根据需要和场景选择正确的相机，并迅速掌握这些知识。知识的方法是购买入门级SLR，以研究这些成像参数与成像之间的关系。
我们通常理解图像处理是在PC机上进行的。实际上，由于其稳定性和成本优势，在工业领域中，大多数工业计算机都被使用。
随着近年来的发展，嵌入式硬件也在蓬勃发展。许多工厂可以使用诸如Raspberry Pi之类的开源硬件来满足较小的要求，例如控制开关和数百个仪表板的状态监视。
对于初学者，您可以首先掌握PC平台，X86平台的开发，并在熟悉后将其扩展到嵌入式平台。
在软件部分，大多数应用程序层都是用C＃、。 net，QT，C ++实现的，因此有必要掌握其中一种编程语言。在图像算法级别，典型的开源算法是opencv，商业算法是halcon。Ionpro等，建议先从halcon开始；如果您想更深入地研究算法，可以学习机器学习，这可能是未来的主要方向。
从理论上讲，更多的是要掌握图像处理的基本概念。本书《机器视觉算法与应用》值得一读。
除了上述三点之外，构建总体计划的能力也至关重要，因为计划需要将这些部分链接在一起，并能够与实际场景连接，以满足实际的生产自动化需求。
制定总体计划的能力取决于
对生产过程的深刻理解
对所有组件之间的联系和关系有深刻的了解
