机器视觉定位是啥？和机器视觉检测有啥不同？

Posted 2023-04-15

定位检测不是一个技术吗？一朋友在海瑞朗自动化学这，出来工作薪资高吗？

视觉定位类项目通常结合机器人学，轴组运动学控制，常常使用仿射变换，几何学，手眼标定等算法，在数学原理层面要熟悉常用的矩阵转换公式，几何平面学公式等。追求的是高精度定位效果，通常定位抓取精度在0.01mm。应用场景包括2D定位，3D无序定位抓取等。需要对自动化设备，机器人学等十分了解。机器视觉检测通常指的是目标检测和缺陷检测，在工业上，需要对CCD传感器得到的图像做图像处理找到某些缺陷，在算法层方面需要掌握Blob分析，预处理算法，边缘提取等，偏重于图像处理本身。在计算机视觉方向，视觉检测还有目标检测，通常用卷积神经网络实现对目标的检测和分类，比如说现在的人脸识别，自动驾驶等。综合以上，机器视觉定位更偏向于视觉算法和自动化结合，视觉检测更注重于图像算法本身。 参考技术A 机器视觉定位和机器视觉检测其实同属同一行业，在机器视觉系统的应用中，有些人用于定位，有些由于检测，因此就有了不同的叫法，比如自动打孔，那用途就是定位，检查产品缺陷时就是用到的就是检测，就好比买了菠萝，有些人直接当水果生吃，有些人用来做海鲜菠萝炒饭，有些人用来、做糕点是一个道理，具体的应用要根据实际情况要求而定，叫法上也就自然有所差异了。 参考技术B 任务的目标数量有些不一样，定位任务一般是从图像中找出一个目标的类别和位置，检测任务是从图像中找出所有目标的类别和位置。参考：OverFeat:Integrated Recognition, Localization and Detectionusing Convolutional Networks 参考技术C 关键不在于视觉而在于机器人，机器人会按照设定好的路径及算法进行移动，重复定位精度极高，也就是说保证了检测的点，至于用视觉还是射线还是超声探测，都是另外一码事，与传统检测手段相比，从静态变为了动态，几乎可以无死角。再就是对于每个工件来说，检测的点都是一样的，即使细小的差异也能被发现，检测的精度更高了。 参考技术D 视觉定位是机器视觉的一种应用，视觉应用分为检测，测量，定位，识别四种。
定位包括 机械手抓取引导，伺服电机搬运引导，焊接点胶的定位引导，核心在于目标2D或者3D坐标的获取。
检测主要是确认产品表面是否有瑕疵，或者产品状态是否符合要求，例如电子开关的检测，电子元器件检测，主要是看有没有划伤，损坏。有些通过表面检测是可以查出来的。

机器视觉方面都有哪些好的开发平台？各有啥特点

作者：知乎用户
链接：https://www.zhihu.com/question/20025224/answer/18874837
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

转自知乎：
机器视觉当前的比较流行的开发模式是“软件平台+工具包”
软件平台：
1.VC：最通用，功能最强大。用户多，和windows搭配，运行性能较好，可以自己写算法，也可以用工具包，而且基本上工具包都支持VC的开发。是大家主要选择的平台。
2.C#：比较容易上手，特别是完成界面等功能比用VC+MFC难度低了很多，已经逐渐成为流行的使用平台了，算法在调用标准的库或者使用C#+C++混合编程。可以看到目前很多相机厂商的SDK都已经开始使用C#做应用程序了。
3.LabVIEW：NI的工具图形化开发平台，开发软件快，特别是做工控行业或者自动化测试行业的很多工程师，由于使用labview进行测试测量的广泛性，所以都有labview的基础，再调用NI的Vision图像工具包开发，开发周期短，维护较为容易。
4.VB、delphi：用的人越来越少了。
5.其他：java等没有看到人用过。
工具包：
1.halcon：出自德国MVTech。底层的功能算法很多，运算性能快，用其开发需要一定软件功底和图像处理理论。
2.VisionPro：美国康耐视的图像处理工具包。性能大多数算法性能都很好，性能上没有和halcon直接对比过，但是开发上手比halcon容易。
3.NI Vision：NI的特点是自动化测试大多数需要的软硬件都有解决方案，有点事软件图形化编程，上手快，开发周期快，缺点是并不是每个软件都非常厉害。视觉工具包的优势是售价比大多数工具包或者算法的天文数字便宜了不少，而且整个工具包一个价格，而不是一个算法一个算法地卖，性能方面在速度和精度没有前两种软件好。
4.MIL：加拿大maxtrox的产品，是Matrox Imaging Library 的简写。早期推广和普及程度不错，当前似乎主要用户还是早期的做激光设备的一些用户在用，所以用于定位的较多。
5.CK Vision。创科公司的软件包，相对前面几个工具包来说价格优势比较明显，另外机器视觉需要的功能也基本都有，所以在国内自动化设备特别是批量设备同时需要保护版权的企业而言，用量很大，推广也不错。
6.迈斯肯：迈斯肯的视觉主要产品还是条码阅读一类，图像工具包没有用过，不了解，不评价。
7.OpenCV：感觉openCV更多的还是用在计算机视觉领域，在机器视觉领域其实不算太多，应为机器视觉领域当前主要的应用还是定位、测量、外观、OCR/OCV，感觉这几项都不是opencv的专长。
8.其他：其他还有一些厂家的图像工具包，要么市场影响力不大，要么本人没有用过，不评价。 参考技术A 机器视觉当前的比较流行的开发模式是“软件平台+工具包”
软件平台：
1.VC：最通用，功能最强大。用户多，和windows搭配，运行性能较好，可以自己写算法，也可以用工具包，而且基本上工具包都支持VC的开发。是大家主要选择的平台。
2.C#：比较容易上手，特别是完成界面等功能比用VC+MFC难度低了很多，已经逐渐成为流行的使用平台了，算法在调用标准的库或者使用C#+C++混合编程。可以看到目前很多相机厂商的SDK都已经开始使用C#做应用程序了。
3.LabVIEW：NI的工具图形化开发平台，开发软件快，特别是做工控行业或者自动化测试行业的很多工程师，由于使用labview进行测试测量的广泛性，所以都有labview的基础，再调用NI的Vision图像工具包开发，开发周期短，维护较为容易。 参考技术B 如果是国外品牌有基恩士的，这些就是成熟的软件，不过就是可定制化的东西就比较少，可能对于国人来说，使用起来就不太习惯，如果想实用的可以用国内的品牌，像我司的VisionMAX视觉软件，就很好的解决机器视沉方面的问题，不需要重新编程，图形化操作，符合国人使用。 参考技术C 所谓的机器视觉系统，其实就是一套基于视觉信息，来完成一定功能的设备。加装有视觉传感器的目的是为了使设备具备类似人的视觉功能，从而提高设备的智能化程度，从而提高生产线的效率和提升产品质量。提供机器视觉系统的公司里，我觉得康耐视就 参考技术D 机器视觉就是用机器代替人眼来做测量和判断，它是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号（黑白或彩色），传送给专门的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。
美国DALSA是世界上唯一的公司拥有并制造所有视觉图像核心技术和产品, 图像感应芯片CCD，COMS, 采集卡, 处理及机器视觉系统方案。
天津信煕缘科技有限公司是中国东北大区的代理商，可以跟该公司联系咨询。
NASA与Teledyne DALSA是长期的合作伙伴；
Google Earth上用的航拍图片，有用到T-DALSA的高清晰度大面阵芯片 ；
DALSA是美国四大联赛转播相机供应商。