计量应用中的机器视觉考虑

问题
无论用什么仪器来测量一个参数，都有两个关键因素:准确性和重复性。一个基本的经验法则是测量仪器应该比它要测量的过程规格至少要好十倍。换句话说，它的可重复性和准确性至少是整个过程的10倍。

所有的测量仪器都有一个刻度，刻度上有一些“勾”或标记。在机器视觉的情况下，“标记”之间的距离是像素(亚像素)的大小，或者是像素(亚像素)之间的距离。在机器视觉中，一个“标记”对应的是分辨率，可能(但不一定)对应的是机器视觉系统的灵敏度——系统能够检测到的测量量中最小的变化。在机器视觉中，这相当于像素(亚像素)增量或像素(亚像素)分辨率。

在使用机器视觉对零件进行测量时，往往会遇到这样的难题:零件特征的边缘通常不是精确地落在一个像素上，也不是精确地落在两个像素之间。边缘的效果一般是在几个相邻的像素上感觉到的。人们无法区分落在同一像素上的两条边。通常，编码后的灰度值表示一个像素上的平均值。

一条边可以有四个特性:

1. 对比 - 累计强度变化，其形式为边缘
2. 宽度(模糊度)-大部分强度变化发生在剖面上的间隔大小
3. 陡度-在此区间内的表面坡度
4. 方向 - 垂直于边缘像素的矢量角度

由于一个对象的边缘通常覆盖几个具有特定灰度阴影轮廓的连续像素(考虑灰度值作为空间数据点的第三维属性)，熟悉概要文件的特定应用程序属性(实际形状的边缘轮廓像素集)可以使用任意数量的数学或统计方案基本上推断出边缘点的位置或建立边缘的位置增量的有效距离被物体空间中的像素所包含。例如，将灰度轮廓看作一条曲线，可以计算曲线的二阶导数——预期变化的特定点——并将其定义为边缘像素。

不同的机器视觉算法利用边缘的不同属性来计算边缘在一个像素(亚像素)内的位置。值得注意的是，不同的算法在亚像素增量的大小上产生不同的结果。

准确性和可重复性
准确性由校准程序决定。在机器视觉中，如在大多数数字系统中，一次“校准”旋钮可以一次改变一个“勾选”（一个像素或子像素距离）。每个“勾选”表示系统输出中的离散值变化，离散值是物理维度增量。

确定系统精度的过程要求操作员在正确的位置放置“标准” - 在初始校准过程中建立的引用位置。使用机器视觉系统，操作员调整校准，直到测量值尽可能接近“标准”值。然后，这确定像素（子像素）维度。

大多数计量学家喜欢在公差范围内至少有十个“蜱虫”（像素或子像素单元）。有十个“蜱圈”，系统中最多的系统可以从标准的值误差是标准上每个测量点的一半“勾选”。因此，最多的读数（精度）可以与真实规范的总跨度的二十倍不同。

例如，鉴于0.1“的标称尺寸，具有容差.005”。（总容差范围为0.01“）。因此，校准旋钮的每个”勾选“（像素或子像素距离）应具有.1的值.01”或.001“。每个步骤的一半是相等的到0.0005“。换句话说，机器视觉系统的准确性应等于或优于0.0005“。

Since the rule-of-thumb for repeatability is the same as that of accuracy, the system requirements for repeatability are the same, i.e. the repeatability should be equal to the dimension of a "tick" - 0.001" in this application where the tolerance on the part is 0.005".

虽然精度在给定的应用中可能不是至关重要的，因为它可以通过校准导出，因此重复性更为关键，因为它无法通过校准或其他方式校正。观察到以上分析被许多人被认为是保守的。因此，一些建议从10/1到5/1放松重复性。这在应用示例中提出了可接受的系统可重复性性能为0.002“。这应该至少是应用程序中机器视觉系统的一个Σ重复性。

在某些情况下，使用的拇指规则是准确性和重复性的总和应小于公差带的三分之一。无论观察到什么“规则”，测量仪器的准确性或可重复性不应等于正在测量的尺寸的容差，事实上，必须明显更小！

具有亚像素能力的机器视觉通常可以用于满足这些“规则”的许多计量应用中。在某些情况下，无论系统的分辨率或理论像素大小(视场除以水平/垂直方向的像素数)，性能都接近工业环境中机器视觉的实际极限。

在上面的例子应用中，要测量的零件尺寸是0.1"，考虑到摄像机/机器视觉系统的全视场应用于这个尺寸，理论上的亚像素分辨率可以是0.1"/1500(基于基于500 x 500区域的机器视觉系统和1/3像素分辨率的亚像素能力)或0.000066 " -完全在所需的0.00050"。

限制
然而，观察到，在那里的像素越好而言，不一定是这种情况。还有其他潜在的物理限制。例如，低于0.0001“的分辨率可以受到光学衍射极限的限制。

衍射是电磁辐射传播的基础，并且导致能量的特征扩散超出了简单几何模型预测的界限。当光分布的尺寸在光的尺寸上时，在微观水平上是最明显的。

对于成像来说，这意味着从物体上一个点收集的光被聚焦到一个有限的点，而不是图像中的无穷小点。如果目标点的辐射均匀地填满透镜孔径，且透镜孔径是圆形且通畅的，则所得光斑分布将呈现为被同心环包围的中心圆盘。根据光斑分布的波动理论，中心盘包含83.8%的总能量。

最直接的图像效果是相邻点模糊，因此未解析，一个来自另一个。在机器视觉应用中，所谓的点是子像素“蜱圈”。衍射限制由瑞利标准定义为：
r = 1.22ln.
在哪里
n =镜头的数值孔径
l光的波长
例如，基于
N = f / 2
= 500nm(约。白光平均值)
r = 1.22微米或.000048“

这表明，虽然游戏可以通过使用蓝光和f/来玩。例如，8透镜的理论极限为0.00002”。

然而，这种限制是通过应用条件和变量加剧，例如：光线水平和光谱改变，光学畸变和像差，相机敏感性非均匀性，视觉算法解释变化，温度，振动等。不是说出部分外观和部分外观和呈现变量。结果是，在任何给定的机器视觉应用中，实际限制约为0.00008-0.0001“。

这类似于一把刻度为0.0001"的尺子。测量灵敏度是这个的一半(0.00005”)——即，刻度被读到两个相邻的哈希标记或“勾”中的一个或另一个。另一个观察结果是，测量灵敏度与零件上两条边之间的尺寸检查有关，这关系到两个测量点之一的位置的确定。在确定另一个位置时，也有类似的敏感性。这也会导致重复性错误。

计量和机器视觉-成分分析
在Metorology应用程序的应用中，处理具有要求的容差的尺寸并不罕见。这些是非常苛刻的，因此需要注意细节。

灯光：
理想的照明是使用准直照明的背光布置，以提供与最尖锐的限定边缘的最高对比度。如果可以在对象的轮廓中观察到要测量的特征，则这仅工作。另一个考虑可能是理想的光应具有蓝色光谱输出的光。氙气频闪速度具有赋予可见光和IR的蓝色输出。闪光灯提供减少运动和振动对图像涂抹的影响的额外优势。

使用频闪仪的优点是效率高，并且能够精确地控制光脉冲对相机或运动物体的调谐。频闪灯减少了涂片对频闪灯周期持续时间的影响。然而，环境光必须被控制，以避免“洗掉”由频闪产生的图像。带有电子快门的相机会将这种影响降到最低。

替代方案，顶部的点亮布置可能导致由于半径伪像，模糊边缘等，使用顶部点燃布置来测量绝对尺寸，再次理想地是准直的光布置，应该使用蓝光来优化测量。

顶部照明的另一个问题是，照明应该尽可能的均匀。光圈是一种可能。这可以通过安排光纤光管或发光二极管(LED)来实现。这些安排在商业上是可行的。光管可以连接到一个频闪灯和led可以自己频闪灯。

光学:
收集光学应该是一个远心设计，以获得最小的边缘畸变，并能容忍由于位置和振动变化的潜在放大变化。
在某些应用中可以使用显微光学;也就是放大图像的光学元件，因为成像器的尺寸大约是8毫米，而且部件更小。除了放大，光学相关的问题是光学的分辨率。在光学方面，分辨率是指分辨两个物体之间距离的能力。在测量中，这类似于区分两个“嘀嗒”的能力。

在理想化的实验室条件下，可以设计一个显微镜，该显微镜具有分辨率为0.000020“。然而，在实际的工业环境中，一个不太可能比.00005 - .0001”更好。

相机的部件和固定的呈现应使得部件总是被平方或平行于相机的图像平面呈现。这将避免由于透视和关键级效果而拉伸。应注意，光学器件的其他特性也会影响分辨率，特别是轴轴分辨率：失真，散光，场曲率，渐晕等。在某些情况下，与像素大小相比，这些将成为误差的大量百分比，因此通过机器视觉系统补偿。或者，可能需要更好的光学器件。

相机:
在相机中使用的成像器应在其包含至少500×500的表格中的表格的数量方面具有分辨率。在成像器/相机的情况下，机器视觉中的分辨率通常等同于到成像器中的电力数量。相机应该具有尽可能高的响应照明的蓝色光谱，以产生尽可能高的对比度的图像。

在后面的点亮布置中，这不太重要，但可能是一个问题。不同的图像传感器设计具有不同的光谱响应。CID传感器通常具有比Interline Transfer CCD传感器更高的灵敏度，尽管帧传输CCD传感器可以是可比的，因为它更高的填充因子导致高有效量子效率。

优选的相机是具有平方像素所以水平和垂直值的一个相同的相机。虽然这可以在软件中纠正，但它需要额外的计算电源，然后更长。

相机本身应该有一个异步扫描能力，特别是如果一个频闪操作是预期的。曝光控制功能也将有助于进一步减少背景照明的影响。

具有异步扫描能力的相机还具有帮助将事件同步到相机的优点。通过将相机与事件同步，可以确保对象在图像中始终处于物理上相同的位置。这可能会减少对翻译校正的需求，这种算法增加了执行的处理时间，因此会降低机器视觉系统的性能。

影响摄像机分辨率的问题包括：照明，电子噪声，机械噪声，光学和别名。

A-D/帧缓冲器应与影象机内相片位置的数目相匹配。为了消除像素抖动的影响，还应该有从帧缓冲区同步相机的能力——这是一种在商业机器视觉系统中常见的做法，可以使这些问题对用户透明。

像素抖动会导致像素重复映射到对象空间的错误。这在高分辨率相机中是一个更重要的因素，比如那些应该用于计量应用的相机，抖动可以是一个像素误差。

视觉电脑：
视觉计算机应具有执行子像素算法分析的能力。显着显着地有许多不同的亚像素处理方法以及这些产量导致鲁棒性不同。虽然许多公司旨在有能力生效亚像素到一个像素的1/44，但通常同意最好在工业申请中实现最佳，这是二十个中的十分之一或一部分的一部分的顺序像素。

子提速方法利用以下事实：物体的边缘实际上将落在几个像素上并产生有效的灰度曲线。在该曲线上操作的任何数量不同的数学方法将产生解释边缘位置到像素内的位置的能力。基本上，子像素代表两个“滴答”之间的最佳距离，并涉及视觉系统进行测量的能力，而不是检测小于像素的属性。

视觉计算机应该具有补偿适度的翻译（.005“）和旋转（5度）误差的能力。它还应该具有基于子像素处理技术（至少1:10）在边缘上运行的能力。理想情况下它应该能够根据像素数据的最佳拟合来追踪边缘，并在两个这样的线之间进行测量。所有这些处理和测量决定必须在生产率下完成。

值得注意的是，具有更高处理速度(每分钟3000或更高)的视觉计算机可能具有优势，因为它可以在单个部件上平均拍摄大量图片。这样的平均可以提高信噪比，因此，有效地提高了系统的分辨率，通常是采样数的平方根。

简介:
考虑到在测量应用中对细节的这种关注，机器视觉系统可预期实现的最佳重复性和精度是在0.000050- 0.0001"的量级。