机器视觉系统的组成部分

机器视觉系统正在推动机器人、无人机技术等领域的进步。有人可能会认为这些系统很复杂，需要数年时间才能掌握，但事实上，有些系统很简单，有些则很复杂。每个系统都依赖几个基本组件。现在就让我们来了解一下吧:

“智能相机”vs多传感器系统

你可以根据它们所拥有的传感器类型对所有机器视觉系统进行分类:

• 智能相机:智能相机有一个单一的嵌入式图像传感器。它们通常是专门为空间限制要求紧凑的特殊应用程序而构建的。例如，你可能会在显微镜或条形码阅读器中发现它们。
• 多摄像头视觉系统:这些系统需要一个单独的组件来进行图像处理。这通常是一台PC，但在高端系统中使用机载图像处理。部署多个传感器的能力增加了每个系统的多功能性，并允许它收集更多的可视化数据。

近距离观察相机图像传感器

传感器是任何机器视觉系统的基石。该系统的许多关键规格来自相机的图像传感器。其中最主要的是分辨率，即传感器能容纳的像素的行和列的总数。

分辨率越高，系统收集的数据越多，测量环境变化的精度也就越高。这导致了一种权衡:更多的数据意味着更多的处理，这可能会限制系统速度。

因此，单色相机通常比全色相机提供更快、更容易的处理。彩色视觉系统使用单芯片或三芯片系统架构:后者在广播应用中常见，使用棱镜进行高质量的颜色再现。

镜头:伟大表现的关键

当然，镜头必须安装在相机上，但它也应该为您的项目提供适当的工作距离、图像分辨率和放大倍率。为了校准放大倍率，有必要知道相机的图像传感器大小和你想要的视野。现在大多数全尺寸视觉系统将使用“c座”。

照明在“现实世界”应用中起着重要作用

照明对于持续捕捉数据至关重要。不幸的是，许多在实验室中有效的技术在实际应用中可能被证明是不够的。有两种基本的方法:背光，光源位于组件对面的一侧，和前光，光被组件反射。前置照明是常见的，因为组件的特征不能总是从剪影识别。在大多数情况下，环境条件，如照明，可以调整，以最大限度地提高相机捕捉到的图像的一致性和清晰度。

图像处理器和软件:装备的大脑

最常见的图像处理器是个人电脑——这限制了工程师与系统交互的方式，但正在迅速适应移动技术。在许多情况下，个人电脑仍然是首选，因为它们提供了各种各样的可编程软件选项，这可以增强系统的功能。当今视觉系统的精确性能通常要求能够为手头的任务选择正确的软件，以便在给定的应用程序中部署帮助系统运行的定制代码。