【机器视觉系统】机器视觉模型——投影矩阵

发布时间：2022-05-05浏览量：1950作者：康耐德

　1 概述

　　机器视觉就是用机器代替人眼和人脑来做测量和判断。机器视觉系统工作的基本过程是获取目标的图像后，对图像进行识别、特征提取、分类、数学运算等分析操作，并根据图像的分析计算结果，来对相应的系统进行控制或决策的过程。

　　在很多机器视觉应用中，都需要用到机器视觉测量，即根据目标的图像，来得到目标在实际空间中的物理位置，最典型的如行走机器人、SLAM等。

　　要根据图像中的目标像素位置，得到目标的物理空间位置，我们需要首先有一个图像像素坐标与物理空间坐标的映射关系，也就是将光学成像过程抽象为一个数学公式，这种能够表达空间位置如何映射到图像像素位置的数学公式，就是所说的机器视觉成像模型，本文即讨论这种模型的机理。

　　2 小孔成像

　　机器视觉成像采用小孔成像模型，如下图所示

　　再次简化为下图

　　图中X XX是一个空间点，x xx为该空间点在图像中的成像点，C CC为镜头光心(camera centre)，从图中可看到，C CC、x xx、X XX三个点是共线的。

　　光心C CC距离成像面(image plane)的距离即焦距f ff。

　　后面的各个坐标系及其相互关系都是基于这个小孔成像模型推出。

　　3 坐标系

　　说到机器视觉测量模型，就少不了先要了解整个模型中涉及的几个坐标系。

　　3.1 像素坐标系uov

　　即图像中各像素点坐在的坐标系，如下图所示uov。

　　这个坐标系是一个二维坐标系，横坐标为图像宽度方向，纵坐标为图像高度方向，原点位于左上角，坐标轴单位为像素，与图像的像素点对应。

　　————————————————

　　原文链接：https://blog.csdn.net/hangl_ciom/article/details/106082794

相关新闻

　　机器视觉技术为工业发展带来了革命性的变化，它通过模拟人眼的功能，使得机器能够自动接收和处理图像，以获得所需信息或用于控制机器人运动。以下是机器视觉为工业发展带来的几个主要影响：

　在高精密加工过程中，机器视觉技术主要扮演了检测与控制的双重角色。一方面，通过高精度的图像捕捉和处理，机器视觉技术能够实现对加工工件的微米甚至纳米级检测。一方面，通过高精度的图像捕捉和处理，机器视觉技术能够实现对加工工件的微米甚至纳米级检测。

在现代自动化流水线生产中，机器视觉系统正发挥着越来越重要的作用，特别是在零件正反面识别与定位方面。这一技术的应用，不仅极大地提高了生产效率，还确保了产品质量的稳定性。

　　基于机器视觉的表面缺陷检测系统虽然已经在多个领域取得了显著成果，但仍面临一系列问题和难点，尤其是在线检测环境中。