前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇計算機視覺的優(yōu)點范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

計算機視覺的優(yōu)點范文第1篇

關(guān)鍵詞：計算機視覺圖像 精密測量 構(gòu)造幾何模型 信號源的接收

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2013）05-1211-02

新型計算機視覺圖像精密測量是一種基于計算機程序設(shè)計以及圖像顯示的高精度的關(guān)鍵技術(shù)，它廣泛用于測量的領(lǐng)域，對于測量的準確性有很好的保證。這種關(guān)鍵技術(shù)是幾何了光學的特性，發(fā)揮了圖像學的顯影性，把普通的測量技術(shù)瞬間提升到了一個新的高度。在這項關(guān)鍵技術(shù)中包含了物理學中光的效應(yīng)，圖像中的傳感器以及計算機中的編程軟件，這還不完全，還有一些其他科學領(lǐng)域知識的輔助，可以說這項關(guān)鍵技術(shù)是一個非常有技術(shù)含量的技術(shù)，很值得學者進行研究。

1 計算機視覺圖像精密測量的關(guān)鍵技術(shù)的具體形式

在以往的測量中，選擇的測量方式還是完全采用機械的形式，但是在使用了計算機視覺圖像精密測量后，完成了許多以往技術(shù)所不能達到的任務(wù)。在我們的研究中，計算機視覺圖像測量的原理是通過攝像機將被處理的對象采集進行影像采集，在多個控制點的數(shù)據(jù)采集完成后，系統(tǒng)會自動將這些圖像進行整合，得出相關(guān)的幾何多變參數(shù)，再在計算機上以具體的數(shù)據(jù)顯示出來，以供技術(shù)人員使用參照。

在上面所說的攝像機并不是我們通常意義上生活中使用的攝像機。它是一種可視化較強，表針比較敏感的測試儀?？梢詫⒁曈X中的二維形態(tài)通過顯影，記錄在機械的光譜儀上，再將這種的二維圖像做數(shù)學處理，有二階矩陣轉(zhuǎn)換為三階矩陣，通過播放儀呈現(xiàn)出三維的影像。這時的圖像變?yōu)榱Ⅲw化，更有層次感，效果上也有了明顯的變化，這是一種顯示方法。此外還有一種造價較高的儀器，我們不常使用，就是圖像提取器。同樣是采集控制點的數(shù)據(jù)，將數(shù)據(jù)整合在系統(tǒng)之內(nèi)，然后對于原始的圖像進行預(yù)處理，不再經(jīng)過有曝光這個程序，將圖像中關(guān)鍵點的坐標在整個內(nèi)部軸面上體現(xiàn)出來，提取數(shù)據(jù)幀數(shù)，再運用機器的智能識別系統(tǒng)，對控制點的坐標進行數(shù)據(jù)分析，自動生成圖形，這也可以用于精密測量。它的優(yōu)點就是使用上極其的方面，基本只要架立儀器和打開開關(guān)，其他的工作機械系統(tǒng)都會自動的完成。使用的困難就是造價極其的高，不適合一般企業(yè)使用。在基于計算機視覺圖像測量中使用上的原理如下：

1） 計算出觀察控制點到計算機視覺圖像測量儀器的有效距離；

2） 得出觀察點到目標控制點之間的三維的運動幾何參數(shù)；

3） 推斷出目標控制點在整個平面上的表面特征（ 大多時候要求形成立體視覺）；

4） 還通過觀察可以判斷出目標物體的幾何坐標方位。

在整個計算機視覺圖像精密測量的關(guān)鍵技術(shù)中最關(guān)鍵的元件就是壓力應(yīng)變電阻儀，這也是傳感器的一部分。壓力應(yīng)變電阻儀的使用方式是將應(yīng)力片粘貼在控制點位上，事先在物體表面打磨平整，清理干凈后，涂抹丙酮試劑，在液體完全風干后就可以黏貼應(yīng)力片，通過導(dǎo)線的聯(lián)接，形成了一小段閉合的電路，時刻讓計算機視覺圖像系統(tǒng)可以感應(yīng)到并作跟蹤觀察。因受到來自不同方面諧波的影響后，應(yīng)力片會產(chǎn)生一定數(shù)值的電阻，在電路中，這些電阻會轉(zhuǎn)化為電流，視覺圖像系統(tǒng)接收到了電流后就會顯示在儀表盤上相應(yīng)的數(shù)據(jù)，我們就可以根據(jù)儀表盤中的數(shù)據(jù)記錄測量中的數(shù)據(jù)，很好的解決了原始機械在使用過程中大量的做無用功所消耗資源的現(xiàn)象。傳感器對每個應(yīng)點都進行動態(tài)的測量，將數(shù)據(jù)模轉(zhuǎn)換成現(xiàn)實中的圖像，精確的成像可以測算出控制點的位置，用計算機視覺圖像精密測量結(jié)合數(shù)據(jù)方面的相關(guān)的分析，得出施工中的可行性報告分析，減低了施工中的成本，將施工的預(yù)算控制在一個合理的范圍之內(nèi)。

當無法觀察到控制點是，計算機視覺圖像精密測量可以通過接收信號或是相關(guān)的頻率波段來收集數(shù)據(jù)，不會因為以往測量的環(huán)境不好，距離太遠，誤差太大的影響。

2 計算機視覺圖像精密測量的關(guān)鍵技術(shù)分析

在計算機視覺圖像精密測量的關(guān)鍵技術(shù)中解決了很多以往很難完成的任務(wù)，但是在使用過程中還是發(fā)生了很多的問題。尤其在視覺圖像的選擇中，無法使用高幀數(shù)的圖片顯示，無法將計算機視覺圖像精密測量的關(guān)鍵技術(shù)的優(yōu)點發(fā)揮出來。我們就計算機視覺圖像精密測量的關(guān)鍵技術(shù)中常見的問題進行討論。

2.1 降低失誤的概率

在很多的數(shù)據(jù)誤差中，有一部分是出現(xiàn)在人為的因素上面。對于機器的不熟悉和操作中的疏忽都會在一定程度上對圖像的視覺感模擬帶來麻煩。對于網(wǎng)絡(luò)設(shè)備的配置上，要經(jīng)常性的學習，將配置在可能的情況下設(shè)置的更加合理和使用，保證網(wǎng)絡(luò)連接系統(tǒng)的安全性。為防止更多因操作帶來的誤差，選用系統(tǒng)登入的制度，用戶在通過識別后進入系統(tǒng)，在采集數(shù)據(jù)后，確定最終數(shù)據(jù)上又相關(guān)的再次確定的標識，系統(tǒng)對本身有的登錄服務(wù)器和路由器有相關(guān)的資料解釋，記錄好實用操作的時間，及時備份。

2.2 對于權(quán)限的控制

權(quán)限控制是針對測量關(guān)鍵所提出的一種安全保護措施，它是在使用計算機視覺圖像精密測量的關(guān)鍵技術(shù)中對用戶和用戶組賦予一定的權(quán)限，可以限制用戶和用戶組對目錄、子目錄、文件、打印機和其他共享資源的瀏覽和更改。圖像中的運行服務(wù)器在停止的情況下可以做出不應(yīng)答的操作指令，立刻關(guān)閉當前不適用的界面，加快系統(tǒng)的運行速度，對于每天的日志文件實時監(jiān)控，一旦發(fā)現(xiàn)問題及時解決。對于數(shù)據(jù)終端的數(shù)據(jù)可采用可三維加密的方法，定時進行安全檢測等手段來進一步加強系統(tǒng)的安全性。如果通過了加密通道，系統(tǒng)可以將數(shù)據(jù)自動的保存和轉(zhuǎn)換為視圖模式，對于數(shù)據(jù)的審計和運行可以同時進行，這樣就可以很好的保證大地測量中的圖像數(shù)據(jù)安全，利用防護墻將采集中廢棄的數(shù)據(jù)革除在外，避免數(shù)值之間發(fā)生紊亂的現(xiàn)象，進一步改善計算機視覺圖像精密測量的關(guān)鍵技術(shù)。

2.3 開啟自動建立備份系統(tǒng)

計算機視覺圖像精密測量的關(guān)鍵技術(shù)的完善中會常遇到系統(tǒng)突然崩潰或是圖像受到嚴重干擾導(dǎo)致無法轉(zhuǎn)換的一系列情況，發(fā)生這種情況最大的可能性就是系統(tǒng)在處理多組數(shù)據(jù)后無法重新還原成進入界面。這時為保證圖片轉(zhuǎn)換成數(shù)字的系統(tǒng)數(shù)據(jù)不丟失，我們對系統(tǒng)進行備份。選定固定的磁盤保存數(shù)據(jù)，定期將產(chǎn)生的數(shù)據(jù)（轉(zhuǎn)換前的圖像和轉(zhuǎn)換后的數(shù)值）導(dǎo)出，保證程序的正常運行。當系統(tǒng)一旦發(fā)生錯誤，可以盡快的恢復(fù)數(shù)據(jù)的初始狀態(tài)，為測量任務(wù)的完成爭取更多的時間。我們還要減少信號源周圍的干擾，定期的更新系統(tǒng)數(shù)據(jù)庫，保持數(shù)據(jù)采集的穩(wěn)定性，把攝像機記錄出的數(shù)據(jù)節(jié)點保存在相應(yīng)的技術(shù)圖紙上，用這樣的方式來知道測量工作。系統(tǒng)備份的數(shù)據(jù)還可以用于數(shù)據(jù)的對比，重復(fù)測量后得出的數(shù)據(jù)，系統(tǒng)會自動也備份的數(shù)據(jù)進行比對，發(fā)現(xiàn)誤差值在規(guī)定以外，就會做出相應(yīng)的預(yù)警，這樣也能在工作中降低出現(xiàn)誤差的概率。

3 計算機視覺圖像精密測量的關(guān)鍵技術(shù)遇到的困難和使用前景

計算機視覺圖像精密測量的關(guān)鍵技術(shù)作為一種新興技術(shù)在使用時間上不過十幾年，其使用的程度已經(jīng)無法估算。正是因為它的簡單、使用、精度高以及自動化能力卓越的特點受到了測量單位的廣泛青睞。在測量方面的這些可靠性和穩(wěn)定性也是有目共睹的。在土木和機械測量的行業(yè)計算機視覺圖像精密測量的關(guān)鍵技術(shù)都會有廣泛和良好的使用，前景也是十分的廣闊。但是不容忽視該技術(shù)也有一些弊端。這項關(guān)鍵技術(shù)中涵蓋的學科非常的多，涉及到的知識也很全面，一旦出現(xiàn)了機器的故障，在維修上還是一個很大的問題，如何很好的解決計算機視覺圖像技術(shù)的相關(guān)核心問題就是當下亟待解決的。

我們都知道，人的眼睛是可以受到吱聲的控制，想要完成觀測是十分簡單的，但是在計算機視覺圖像技術(shù)中，畢竟是采取攝像機取景的模式，在取得的點位有的時候不是特別的有代表性，很難將這些問題具體化、形象化。達不到我們設(shè)計時的初衷。所以在這些模型的構(gòu)建中和數(shù)據(jù)的轉(zhuǎn)換上必須有嚴格的規(guī)定和要求，切不可盲目的實施測量，每項技術(shù)操作都要按規(guī)程來實施。

上文中也談到了，計算機視覺圖像精密測量的關(guān)鍵技術(shù)中最主要的構(gòu)建是傳感器，一個合理的傳感器是體統(tǒng)的“心臟”，我們在儀器的操作中，不能時時刻刻對傳感器進行檢查，甚至這種高精度的元件在檢查上也并不是一件簡單的事情，通過不斷的研究，將傳感器的等級和使用方法上進行一定的創(chuàng)新也是一項科研任務(wù)。

4 結(jié)束語

在測量工程發(fā)展的今天，很多的測量技術(shù)已經(jīng)離不了計算機視覺圖像技術(shù)的輔助，該文中詳細的談到了基于計算機視覺圖像精密測量的關(guān)鍵技術(shù)方面的研究，對于之中可能出現(xiàn)的一些問題也提出了相應(yīng)的解決方案。測量工程中計算機視覺圖像精密測量的關(guān)鍵技術(shù)可以很好的解決和完善測量中遇到的一些問題，但是也暴露出了很多的問題。

將基于計算機視覺圖像精密測量的關(guān)鍵技術(shù)引入到測量工程中來，也是加強了工程建設(shè)的信息化水平。可以預(yù)見的是，在未來使用計算機視覺圖像技術(shù)建立的測量模型會得到更多、更好的應(yīng)用。但作為一個長期復(fù)雜的技術(shù)工程，在這個建設(shè)過程中定會有一些困難的出現(xiàn)。希望通過不斷的發(fā)現(xiàn)問題、總結(jié)經(jīng)驗，讓計算機視覺圖像精密測量的關(guān)鍵技術(shù)在測量中作用發(fā)揮的更好。

參考文獻：

[1] 湯劍，周芳芹，楊繼隆.計算機視覺圖像系統(tǒng)的技術(shù)改造[J].機電產(chǎn)品開發(fā)與創(chuàng)新周刊，2005，14（18）：33-36.

[2] 段發(fā)階，等. 拔絲?？仔斡嬎銠C視覺檢測技術(shù)[J]. 光電工程時報， 1996，23（13）：189-190.

計算機視覺的優(yōu)點范文第2篇

關(guān)鍵詞：計算機視覺；地圖匹配；SLAM；機器人導(dǎo)航；路徑規(guī)劃

1概述

計算機視覺在人工智能學科占據(jù)重要地位，為自主移動機器人視覺導(dǎo)航做了深厚的理論鋪墊。目前，機器人導(dǎo)航技術(shù)有很多種，傳感器導(dǎo)航技術(shù)如里程計、激光雷達、超聲波、紅外線、微波雷達、陀螺儀、指南針、速度、加速度計或觸覺等得到了普遍應(yīng)用，與上述非計算機視覺導(dǎo)航技術(shù)相比較，計算機視覺導(dǎo)航技術(shù)如人眼般具有靈敏度高且可捕獲的信息量大以及成本低等優(yōu)點。由于室內(nèi)相對室外空間比較狹小且內(nèi)部環(huán)境復(fù)雜，所以普通移動機器人在作業(yè)過程中，完成躲避眼前障礙物、自主導(dǎo)航以及為自身找出一條可行路徑等一系列操作會相對比較困難。計算機視覺導(dǎo)航技術(shù)可利用本身的攝像頭獲得室內(nèi)周圍的環(huán)境信息，實時對其周身的場景進行快速反饋，對視野前方障礙物進行快速識別和檢測，從而確定一條高效的可行的安全路徑。本文對計算機視覺導(dǎo)航技術(shù)進行分類研究，主要分為3類：第一類是環(huán)境地圖事先已知，提前對外界環(huán)境特征進行提取和處理，建立全局地圖，并將地圖信息存儲在機器人內(nèi)存數(shù)據(jù)庫中，在導(dǎo)航的時候?qū)崟r進行地圖匹配；第二類是同時定位與地圖構(gòu)建，移動機器人在自身位置不確定的情況下根據(jù)自身的攝像頭獲取周圍未知環(huán)境信息，在作業(yè)時逐步構(gòu)建周圍的環(huán)境地圖，根據(jù)構(gòu)建的增量式地圖自主實時定位和導(dǎo)航；第三類是不依賴環(huán)境地圖，自主移動機器人不需要依賴任何的環(huán)境地圖，其在作業(yè)活動時的可行區(qū)域主要取決于攝像頭實時識別和檢測的環(huán)境相對信息。

2環(huán)境地圖的表示方法

目前，計算機視覺導(dǎo)航技術(shù)多采用柵格地圖、幾何地圖、拓撲地圖和混合地圖構(gòu)建環(huán)境地圖信息。

2.1柵格地圖

柵格地圖，將柵格圖像考慮為一矩形，均分為一系列柵格單元，將每個柵格單元賦予一個平均概率值，并利用傳感信息估計每個單元內(nèi)部內(nèi)存障礙物的概率。構(gòu)建柵格地圖的優(yōu)點是其地圖表達形式直觀，創(chuàng)建和維護比較容易；但當劃分的柵格單元數(shù)量不斷增多時，實時性就會慢慢變差；當劃分的柵格單元越大時，環(huán)境地圖的分辨率越低。

2.2幾何地圖

幾何地圖利用幾何特征如點、直線、平面等來構(gòu)成環(huán)境主要框架，需要知道這些特征在環(huán)境中信息的具置，所以幾何地圖通常使用其對應(yīng)的三維空間坐標來表示。幾何地圖構(gòu)建過程相對簡單，保留了室內(nèi)環(huán)境的各種重要信息，是基于計算機視覺的定位與地圖構(gòu)建算法中最常用的一種表示方式。但是為了完成環(huán)境的建模需要標記大量的特征，從而計算量也非常的大，降低了實時性，其重建的地圖也容易出現(xiàn)與全局不一致的情況。

2.3拓撲地圖

拓撲地圖用許多節(jié)點和連接這些節(jié)點的曲線來表示環(huán)境信息。其中，每個節(jié)點相對應(yīng)真實環(huán)境中的特征點（如門角、窗戶、椅子、桌子角及拐角等），而節(jié)點之間的曲線表示兩個節(jié)點對應(yīng)的地點是相聯(lián)通的。拓撲地圖把環(huán)境信息表上在一線圖上，不需要精確表示不同節(jié)點間的地理位置關(guān)系，圖像較為抽象，表示起來方便且簡單。機器人首先識別這些節(jié)點進而根據(jù)識別的節(jié)點選擇節(jié)點與節(jié)點間的曲線作為可作業(yè)的路徑。

2.4混合地圖

混合地圖主要包括3種形式：柵格一幾何地圖、幾何一拓撲地圖以及柵格一拓撲地圖?；旌系貓D采用多種地圖表示，可結(jié)合多種地圖的優(yōu)勢，與單一的地圖表示相比更具有靈活性、準確性和魯棒性，但其不同類別的地圖結(jié)合起來管理會比較復(fù)雜，難以協(xié)調(diào)，增加了地圖構(gòu)建的難度。文獻針對室內(nèi)環(huán)境所建立的模型分為全局拓撲和局部幾何表述部分，整體環(huán)境通過拓撲節(jié)點串連起來，維護了整體環(huán)境表述的全局一致性；而以每個拓撲節(jié)點為核心所采用的幾何表述則可確保局部精確定位的實現(xiàn)，這樣建立的幾何一拓撲混合環(huán)境模型可將二者的優(yōu)勢都表現(xiàn)出來，使得移動機器人定位和地圖構(gòu)建同時進行，實現(xiàn)容易。

3基于計算機視覺的室內(nèi)導(dǎo)航

基于計算機視覺的室內(nèi)導(dǎo)航技術(shù)可利用攝像頭捕獲機器人周圍環(huán)境的全部信息，對其周身的場景進行反饋，對障礙物進行快速識別和檢測，從而確定一條高效的可行的安全路徑。本文將計算機視覺室內(nèi)導(dǎo)航技術(shù)主要分為3類：第一類是環(huán)境地圖事先已知；第二類是定位與地圖構(gòu)建同時進行；第三類是不依賴環(huán)境地圖。

3.1環(huán)境地圖事先已知

提前對外界環(huán)境特征進行提取和處理，建立全局地圖，并將地圖信息存儲在機器人內(nèi)存數(shù)據(jù)庫中，在導(dǎo)航的時候?qū)崟r進行地圖匹配，即預(yù)存環(huán)境地圖。在環(huán)境地圖事先已知的導(dǎo)航中，路標信息保存在計算機內(nèi)存的數(shù)據(jù)庫中，視覺系統(tǒng)中心利用圖像特征直接或間接向移動機器人提供一系列路標信息，一旦路標被確定后，通過匹配觀察到的圖像和所期望圖像，機器人借助地圖實現(xiàn)自身精確定位和導(dǎo)航。該導(dǎo)航技術(shù)過程可分為以下步驟：

a）圖像獲?。簲z像頭獲取其周圍的視頻圖像；

b）路標識別及檢測：利用相關(guān)圖像處理算法對圖像進行一系列預(yù)處理如進行邊緣檢測和提取、平滑、濾波、區(qū)域分割；

c）路標匹配標志：在觀察到的圖像和所期望圖像之間進行匹配，搜索現(xiàn)有的路標數(shù)據(jù)庫進行標志路標；

d）位置計算：當有特征點進行匹配時，視覺系統(tǒng)會根據(jù)數(shù)據(jù)庫中的路標位置進行自身精確定位和導(dǎo)航。

在基于計算機視覺的地圖匹配定位過程中，主要有2種地圖匹配較為典型。

①已知起點，已知地圖。這種條件下的定位稱為局部定位，采用的是一種相對定位的方法，如圖1所示為其位姿估計過程，這種情況目前導(dǎo)航技術(shù)研究得最多。

②不知起點，已知地圖。這種條件下的定位稱為全局定位。當機器人需要重置時，通常使用這種定位方法來檢索機器人的當前位置（即姿態(tài)初始化）。常用的輔助方法是在環(huán)境中添加一些人造信標，如無線收發(fā)器，幾何信標，條碼技術(shù)，紅外或超聲波接收系統(tǒng)進行位置識別，利用視覺系統(tǒng)識別自然標志，自主定位。

3.2定位與地圖構(gòu)建同時進行

不知起點，不知地圖。SLAM技術(shù)最早由Smith等人于1986年提出，移動機器人在自身位置不確定的情況下根據(jù)自身的攝像頭獲取周圍未知環(huán)境信息，在作業(yè)時逐步構(gòu)建周圍的環(huán)境地圖，根據(jù)構(gòu)建的增量式地圖自主實時定位和導(dǎo)航。在日后的導(dǎo)航研究中，混合地圖中的幾何一拓撲混合環(huán)境模型被得到廣泛應(yīng)用，主要用來解決SLAM問題。

2003年，在解決SLAM技術(shù)難題上，Arras等人采用基于Kalman濾波器和最鄰近（nearest neighbor）匹配策略的隨機地圖創(chuàng)建方法。下面是該算法步驟：

a）數(shù)據(jù)采集：首先初始化系統(tǒng)，從攝像頭傳感器采集距離數(shù)據(jù)；

b）狀態(tài)預(yù)測：視覺系統(tǒng)預(yù)測機器人運動狀態(tài)，實時返回新位姿信息和協(xié)方差矩陣，預(yù)測地圖；

c）觀測：從原始捕獲的信息中提取主要特征信息并將此信息返回給局部地圖；

d）測量預(yù)測：預(yù)測機器人當前位姿的全局地圖；

e）位置匹配：應(yīng)用最鄰近濾波器匹配局部地圖中的觀測點和預(yù)測點；

f）估計：使用擴展Kalman濾波器更新地圖；

g）創(chuàng)建：將非相關(guān)的觀測點加入地圖，對機器人返回增量式地圖；

h）輸出地圖。

制約機器人視覺系統(tǒng)性能的重要因素是信息實時處理的計算復(fù)雜度和處理效率，SLAM算法需要在地圖密度與計算效率之間取得權(quán)衡。

3.3無環(huán)境地圖

在這類系統(tǒng)中，機器人不需要依賴任何的環(huán)境地圖信息，機器人的活動取決于其當時識別和提取出來的環(huán)境信息，這些環(huán)境信息可能是桌子、椅子和門等，不需要知道這些環(huán)境元素的絕對位置。無環(huán)境地圖的導(dǎo)航技術(shù)典型的技術(shù)有3大類：基于光流的導(dǎo)航技術(shù)、基于外觀信息的導(dǎo)航技術(shù)、基于目標識別的導(dǎo)航技術(shù)和基于目標跟蹤的導(dǎo)航技術(shù)。

3.3.1基于光流的導(dǎo)航技術(shù)

光流是三維空間運動物體在觀測成像面上的像素運動的瞬時速度，也是圖像亮度的運動信息描述。光流法計算最初是由Horn和Schunck于1981年提出的，其利用二維速度場與灰度，引入光流約束方程，得到光流計算的基本算法。光流計算基于物體移動的光學特性提出了2個假設(shè)：①運動物體的灰度在很短的間隔時間內(nèi)保持不變；②給定鄰域內(nèi)的速度向量場變化是緩慢的。如Santos-Victor等人研發(fā)了一種基于光流的robee視覺系統(tǒng)，該系統(tǒng)模擬了蜜蜂的視覺行為。在robee視覺系統(tǒng)中，使用單獨的雙目視覺方法來模擬蜜蜂的中心反射（Centering Reflex）：當機器人移動到走廊兩側(cè)的墻壁中心時，左眼捕獲場景的瞬時速度與右眼捕獲場景的瞬時速度是相同的，幾乎沒有差別，那么機器人就可以知道他們在走廊的中心。如果眼睛兩側(cè)的眼睛的瞬時變化速度不同，則機器人移動到較慢的速度。在自動機器人導(dǎo)航的實現(xiàn)中，基于這個想法是測量攝像機捕獲圖像場景瞬時速度差異。這種導(dǎo)航技術(shù)只能用于室內(nèi)單通道直走道導(dǎo)航，不能引導(dǎo)機器人改變方向，具有一定的局限性。

3.3.2基于外觀信息的導(dǎo)航技術(shù)

基于外觀的機器人導(dǎo)航方法，不需要構(gòu)建真實的地圖導(dǎo)航，機器人通過自身所攜帶的攝像頭和傳感器感知周圍目標的外觀信息進行自主定位和導(dǎo)航。其中，所述的外觀信息多為目標信息的顏色、亮度、形狀、空間大小和物理紋路等。機器人在導(dǎo)航時存儲連續(xù)視頻幀的環(huán)境圖像信息，并將連續(xù)視頻幀與控制指令相關(guān)聯(lián)，從而再執(zhí)行指令規(guī)劃有效路徑到達目的地。

3.3.3基于目標識別導(dǎo)航技術(shù)

為了達到目標點或是識別目標，機器人很多時候只能獲取少量的圖像信息。Kim等人提出了一種用符號代替導(dǎo)航各個位置的賦值方法。該賦值方法中，機器人執(zhí)行命令如“去窗邊”“去你后面的椅子旁”等。這樣，通過相關(guān)的符號命令，機器人自動識別并建立路標，通過符號指令到達目標點。例如“去你后面的椅子旁”，這樣的命令就是告訴機器人路標是椅子、路徑向后。該導(dǎo)航技術(shù)的難點在于目標是否可以準確實時識別路標。第一，識別大量不同類別的物體，室內(nèi)環(huán)境有許多不同類別的物體，需要將它們組織到一個在給定的容易搜索圖像數(shù)據(jù)結(jié)構(gòu)中去，起到容易識別是用什么度量來區(qū)分物體；第二，識別大量不同背景下的物體，一個合適的物體表達式有助于將圖像組織成片斷，而這些片斷來自于物體的種類且與物體無關(guān)的；第三，在抽象層次上識別物體，機器人可以不需要在看到一個具體的杯子之前便能知道它是一個杯子，相關(guān)程序能夠類似的物體進行識別和區(qū)分。

3.3.4基于目標跟蹤的導(dǎo)航技術(shù)

基于目標跟蹤的導(dǎo)航技術(shù)，為機器人構(gòu)造一個虛擬地圖，機器人通過攝像頭獲取連續(xù)的視頻序定一個跟蹤的目標，為了達到對目標的精確定位和實時跟蹤，可以利用粒子濾波算法對需要跟蹤的目標進行建模。基于粒子濾波的目標跟蹤主要包含四個階段，分別是初始化目標區(qū)域，概率轉(zhuǎn)移，目標區(qū)域權(quán)重計算，目標區(qū)域重采樣。在機器人導(dǎo)航之前，通過視頻序列的當前幾幀標注機器人所需要跟蹤的目標，在導(dǎo)航時，機器人通過連續(xù)的視頻幀感知周圍的待跟蹤目標，同時對所需要跟蹤的目標散播粒子，當獲取的視頻幀對目標區(qū)域重采樣后足以讓機器人確定所需要跟蹤的目標時，機器人通過確定的目標為自己規(guī)劃最有效的路徑到達目的地。獲取視頻序列目標跟蹤是算機視覺領(lǐng)域中的重要分支，它在工業(yè)生產(chǎn)、交通導(dǎo)航、國防建設(shè)、航空導(dǎo)航等各個領(lǐng)域有著廣泛的應(yīng)用。

計算機視覺的優(yōu)點范文第3篇

Abstract: Surface roughness is key indexes to evaluate surface quality. Surface quality has influence on service life and usability. Two basic measuring methods are introduced: contact measuring and non-contact measuring. Non-contact measuring method based on the computer vision technology is discussed in detail.

關(guān)鍵詞： 表面粗糙度；非接觸；光學測量

Key words: surface roughness；non-contact；optics measurement

中圖分類號：TH6文獻標識碼：A文章編號：1006-4311（2011）08-0050-02

0引言

隨著科學技術(shù)的進步和社會的發(fā)展，人們對于機械產(chǎn)品表面質(zhì)量的要求越來越高。表面粗糙度是評價工件表面質(zhì)量的一個重要指標，國內(nèi)外很多學者在表面粗糙度檢測方面做了大量研究工作。目前測量表面粗糙度的主要方法有：接觸式測量和非接觸式測量。

1接觸式測量

接觸式測量就是測量裝置的探測部分直接接觸被測表面，能夠直觀地反映被測表面的信息，接觸式測量方法主要是觸針法，該方法經(jīng)過幾十年的充分發(fā)展，以其穩(wěn)定、可靠的特點被廣泛應(yīng)用。但接觸式測量存在很大的缺陷，具體表現(xiàn)在：①對高精度表面及軟質(zhì)金屬表面有劃傷破壞作用；②受觸針尖端圓弧半徑的限制，其測量精度有限；③因觸針磨損及測量速度的限制，無法實現(xiàn)在線實時測量[1]。

2非接觸式測量

為了克服接觸式測量方法的不足，人們對非接觸式測量方法進行了廣泛研究。研究表明，非接觸式測量方法具有非接觸、無損傷、快速、測量精度高、易于實現(xiàn)在線測量、響應(yīng)速度快等優(yōu)點。目前已有的非接觸式測量方法包括各種光學測量方法、超聲法、掃描隧道顯微鏡法、基于計算機視覺技術(shù)的表面粗糙度檢測方法等。這里我們只對基于光學散射原理的測量方法、基于光學干涉原理的測量方法和基于計算機視覺技術(shù)的測量方法做簡單介紹。

2.1 基于光學散射原理的測量方法當一束光以一定的角度照射到物體表面后，加工表面的粗糙不平將引起發(fā)生散射現(xiàn)象。研究表明：表面粗糙度和散射光強度分布有一定的關(guān)系。對于表面粗糙度數(shù)值較小的表面，散射光能較弱，反射光能較強；反之，表面粗糙度數(shù)值較大的表面，散射光能較強，反射光能較弱。

基于光學散射原理測量表面粗糙度的研究方法和理論較多。四川聯(lián)合大學和哈爾濱理工大學相繼提出了一種稱之為散射特征值的參數(shù)，表征被測物體表面上反射光和散射光的分散度，散射特征值與被測物體表面的粗糙度有很好的對應(yīng)關(guān)系[2]。哈爾濱理工大學利用已知表面粗糙度參數(shù)值的標準樣塊測得其散射特征值，建立―關(guān)系曲線，從而實現(xiàn)利用散射特征值測量火炮內(nèi)膛表面粗糙度[3]。

基于光學散射原理的表面粗糙度檢測方法，具有結(jié)構(gòu)簡單、體積小、易于集成產(chǎn)品、動態(tài)響應(yīng)好、適于在線測量等優(yōu)點。該方法的缺點是測量精度不高，用于超光滑表面粗糙度的測量還有待進一步改進。

2.2 基于光學干涉原理的測量方法當相干光照射到工件表面同一位置時，由于光波的相互位相關(guān)系，將產(chǎn)生光波干涉現(xiàn)象。一般的干涉法測量是利用被測面和標準參考面反射的光束進行比較，對干涉條紋做適當變換，通過測量干涉條紋的相對變形來定量檢測表面粗糙度。該方法的測量精度取決于光的波長。但是由于干涉條紋的分辨率是以光波波長的一半為極限的，僅從條紋的狀態(tài)無法判斷表面是凸起還是凹陷，因此，作為一種具有較好分辨率、寬測量范圍的表面粗糙度在線檢測技術(shù)，這種干涉法測量技術(shù)還有待于進一步發(fā)展[4]。

基于光學干涉原理，1984年美國洛克西德導(dǎo)彈公司huang采用共模抑制技術(shù)研制成功了光學外差輪廓儀，光外差干涉檢測技術(shù)是一種具有納米級測量準確度的高精度光學測量方法，適用于精加工、超精加工表面的測量，而且可以進行動態(tài)時間的研究；華中理工大學采用光外差干涉方法研制出2D-SROP-1型表面粗糙度輪廓儀[5]。美國的維易科（VEECO）精密儀器有限公司，采用共光路干涉法研制了WYKO激光干涉儀和光學輪廓儀，可用來測量干涉條紋位相[6]。

基于光學干涉原理測量表面粗糙度分辨率高，適于測量超光滑表面粗糙度，但由于該方法的測量精度受光波波長的影響很大，所以其測量范圍受到一定影響。

2.3 基于計算機視覺技術(shù)的測量方法基于計算機視覺的粗糙度測量方法是指使用攝像機抓取圖像，然后將該圖像傳送至處理單元，通過數(shù)字化處理，根據(jù)像素分布和灰度、紋理、形狀、顏色等信息，選用合理的算法計算工件的粗糙度參數(shù)值。近年來，隨著計算機技術(shù)和工業(yè)生產(chǎn)的不斷發(fā)展，該方法受到越來越多的關(guān)注。

北京理工大學的王仲春等人采用顯微鏡對檢測表面進行放大，并通過對CCD采集加工表面微觀圖像進行處理實現(xiàn)了表面粗糙度的檢測[7]。哈爾濱理工大學吳春亞、劉獻禮等為解決機械加工表面粗糙度的快速、在線檢測，設(shè)計了一種表面粗糙度圖像檢測方法，建立了圖像灰度變化信息與表面粗糙度之間的關(guān)系模型[8]。英國學者Hossein Ragheb和Edwin R.Hancock通過數(shù)碼相機拍攝的表面反射圖來估計表面粗糙度參數(shù)，運用Vernold Harvey修正的B K散射理論模型獲得了比Oren Nayar模型更好的粗糙度估計結(jié)果[9]。澳大利亞學者Ghassan A.Al-Kindi和Bijan Shirinzadeh對基于顯微視覺的不同機械加工表面粗糙度參數(shù)獲取的可行性進行了評估，討論了照射光源與表面輻照度模型對檢測的影響，結(jié)果顯示盡管從視覺數(shù)據(jù)和觸針數(shù)據(jù)所獲得的粗糙度參數(shù)存在一定差異，但是基于視覺的方法仍是一種可靠的粗糙度參數(shù)估計方法[10-11]。

可以看出，基于計算機視覺技術(shù)的測量方法主要有統(tǒng)計分析、特征映射和神經(jīng)網(wǎng)絡(luò)等黑箱估計法。通過這些方法獲得的表面粗糙度參數(shù)的估計值受諸多因素的影響，難以給出其準確的物理解釋。真正要定量地計算出粗糙度參數(shù)，需要科學的計算。

但是隨著機械加工自動化水平的提高，基于計算機視覺技術(shù)的檢測方法處理內(nèi)容豐富、處理精度高、處理速度快、易于集成等優(yōu)點將受到越來越多的重視。

3結(jié)束語

接觸式測量測量速度較慢，容易劃傷工件表面，并且不適用于連續(xù)生產(chǎn)材料表面的檢測。非接觸式測量具有無損傷、快速、測量精度高、易于實現(xiàn)在線測量等優(yōu)點，已成為表面粗糙度檢測的重點研究方向。非接觸測量以光學法為主，隨著計算機技術(shù)和工業(yè)生產(chǎn)的迅猛發(fā)展，基于計算機視覺技術(shù)的表面粗糙度非接觸式檢測方法受到越來越多的重視。

參考文獻：

[1]劉斌，馮其波，匡萃方.表面粗糙度測量方法綜述[J].光學儀器，2004，26（5）：54-55.

[2]苑惠娟等．非接觸式表面粗糙度測量儀[J]．哈爾濱科學技術(shù)大學學報，1995，19（6）：30-34．

[3]強熙富，張詠，許文海．擴展激光散射法測量粗糙度的測量范圍的研究[J]．計量學報，1990，11（2）：81-85．

[4]王文卓，李大勇，陳捷．表面粗糙度非接觸式測量技術(shù)研究概況[J]．機械工程師，2004，11：6-9．

[5]王菊香．2D-SROP-1型表面粗糙度輪廓儀[J]．工業(yè)計量，1994，（4）：27-29．

[6]徐德衍等．光學表面粗糙度研究的進展與方向[J]．光學儀器，1996，18（1）：32-41．

[7]王仲春，高岳，黃粵熙等.顯微成像檢測表面粗糙度[J].光學技術(shù)，1998，5：46-48.

[8]吳春亞，劉獻禮，王玉景等.機械加工表面粗糙度的圖像檢測方法[J].哈爾濱理工大學學報，2007，12（3）：148-151.

[9]Hossein Ragheb，Edwin R.Hancock.The modified Beckmann Kirchhoff scattering theory for rough surface analysis[J].Pattern Recognition，2007，40：2004-2020.

計算機視覺的優(yōu)點范文第4篇

關(guān)鍵詞：機器視覺技術(shù)；大米；品質(zhì)檢測

中圖分類號：TP391．4 文獻標識碼：A 文章編號：0439－8114（2012）05－0873-04

Application Progress of Machine Vision Technology in the Quality Inspection of Rice

WAN Peng，LONG Chang－jiang，REN Yi－lin

（College of Engineering， Huazhong Agricultural University， Wuhan 430070， China）

Abstract： The research dynamic of machine vision technology was reviewed from the aspects of rice varieties， germ， crack， yellow grain rice， and so on； and the shortcomings of the machine vision technology in rice quality inspection were proposed for its further application．

Key words： machine vision technology； rice； quality inspection

我國是世界上最大的稻米生產(chǎn)國，稻米年產(chǎn)量常年保持在1．8億t左右，占世界稻米總產(chǎn)量的1／3，居世界第一位［1］。我國也是大米消費大國，有近2／3的人口以大米為主食，全國大米年消費總量保持在1．35億t左右［2］。我國的水稻研究在世界上處于領(lǐng)先地位，但是在國內(nèi)外貿(mào)易、加工和消費等領(lǐng)域中仍然存在諸多問題［3，4］。

我國曾經(jīng)是世界三大稻米輸出國之一，但是由于我國大米的品質(zhì)不高，再加上大米的生產(chǎn)標準、質(zhì)量技術(shù)標準、檢驗檢疫技術(shù)等與發(fā)達國家存在較大差距，在相當程度上影響了我國大米在國際市場上的競爭優(yōu)勢，大米的年出口量已退居六七位。2008年以來，隨著世界稻米產(chǎn)量的下降，各國對大米出口配額進行調(diào)整，導(dǎo)致國際大米的價格出現(xiàn)了瘋漲，而我國出口的大米因品種不穩(wěn)定、品質(zhì)較差，在國際市場上競爭力較低，市場份額逐漸減小。

為了提高大米的品質(zhì)，不但需要選育優(yōu)質(zhì)的稻米品種，還需要加強大米品質(zhì)的檢測。但是，由于我國對大米品質(zhì)的檢測研究起步較晚，同時也缺乏方便簡單的檢測方法和快捷準確的檢測儀器，在對大米品質(zhì)進行檢測的過程中，主要依靠人工識別、感官評定等方法進行檢測，這些方法主觀性較強，準確度較低，可重復(fù)性較差，工作效率也較低，因此在實施過程中的有效性受到了質(zhì)疑［5］。

機器視覺（Machine vision）又稱計算機視覺，是指利用計算機實現(xiàn)人的視覺功能，是研究采用計算機模擬生物外顯或宏觀視覺功能的科學和技術(shù)，是一門涉及數(shù)學、光學、人工智能、神經(jīng)生物學、心理物理學、計算機科學、圖像處理、圖像理解、模式識別等多個領(lǐng)域的交叉學科［6］。機器視覺技術(shù)在農(nóng)業(yè)上的應(yīng)用研究始于20世紀70年代末期，主要進行的是植物種類的鑒別、農(nóng)產(chǎn)品品質(zhì)檢測和分級等。隨著計算機軟硬件技術(shù)、圖像處理技術(shù)的迅速發(fā)展，它在農(nóng)業(yè)上的應(yīng)用研究有了較大的進展［7，8］。

目前，大部分的大米品質(zhì)檢測指標根據(jù)國家標準采用人工進行檢測，容易產(chǎn)生許多問題。隨著機器視覺技術(shù)的發(fā)展和在農(nóng)產(chǎn)品無損檢測領(lǐng)域的廣泛應(yīng)用，采用機器視覺技術(shù)對大米的品質(zhì)進行檢測，不僅能夠提高大米品質(zhì)的檢測效率，而且能夠克服主觀因素的影響，降低檢測誤差，使得大米品質(zhì)的檢測變得更加快速和準確［9］。

1 基于機器視覺技術(shù)的大米品質(zhì)檢測裝置

基于機器視覺技術(shù)的大米品質(zhì)檢測系統(tǒng)由檢測箱、檢測臺、光源、CCD圖像傳感器、鏡頭、圖像采集卡和計算機系統(tǒng)等幾個部分組成［10，11］（圖1）。

大米品質(zhì)檢測系統(tǒng)是一個內(nèi)空的箱體，箱子的底部是檢測臺，頂部為光源和攝像頭；檢測箱內(nèi)表面粘貼有背景紙，使光在箱體內(nèi)形成均勻的漫反射，避免樣品在檢測時形成鏡面反射。光源提供樣品檢測照相時所需的亮度，為了提供充足的光線，同時盡量消除光源照射樣品時在背景上產(chǎn)生的陰影，通常選用環(huán)形熒光燈管作為光源［12］。CCD圖像傳感器是獲取數(shù)字米粒樣品圖像的關(guān)鍵部件之一，它將大米圖像由光信號轉(zhuǎn)換為表示R、G、B顏色值的模擬電信號，并輸入圖像處理設(shè)備進行后續(xù)處理［13］。計算機軟件系統(tǒng)用于對采集到的數(shù)字圖像進行分析、處理和識別，實現(xiàn)對特定目標的檢測、評價等［14］。

2 基于機器視覺技術(shù)的大米粒形檢測

大米的粒形是實現(xiàn)大米分級和質(zhì)量檢測的最基本參數(shù)。根據(jù)《GB1345－1986大米》中的規(guī)定，評價大米質(zhì)量的檢測指標主要有加工精度、不完善粒、雜質(zhì)、碎米等，這些檢測指標與大米的粒形直接或間接相關(guān)。由于人工評價是通過肉眼觀察對大米粒形進行評價，因此受檢測環(huán)境、視覺生理、視覺心理等諸多因素以及評價人員對大米標準理解程度不同的影響，即便是同一份大米樣品，很難保證大米粒形檢測結(jié)果的穩(wěn)定，而采用計算機視覺技術(shù)進行檢測則可以有效避免主觀因素的影響，保證大米粒形檢測結(jié)果的準確性［9，15］。

中國農(nóng)業(yè)大學孫明等［16］借助于MATLAB圖像處理工具箱對大米粒形進行測定。首先定義單粒大米子粒的粒長（A）與粒寬（B）的比值為粒形，檢測時先求出大米粒的橢圓離心率R，通過公式：

■＝sqrt■

將大米子粒的橢圓離心率轉(zhuǎn)變?yōu)殚L寬比A／B，即求出大米子粒的粒形。試驗結(jié)果表明，該方法具有操作簡單、檢測速度快、重復(fù)性好的優(yōu)點。

武漢工業(yè)學院張聰?shù)龋?7］提出了一種基于計算機圖像分析識別大米破碎粒的方法，即先采用數(shù)碼相機獲取大米圖片，再對大米圖片進行分析處理。識別時先將大米圖像的邊緣曲線變換為極坐標形式，再結(jié)合大米粒形的一般形狀，用橢圓模板定位米粒，獲得一組與米粒平移、旋轉(zhuǎn)和尺度無關(guān)的形狀描述數(shù)據(jù)，再運用小波變換提取奇異點及特征參數(shù)。試驗結(jié)果表明，該方法簡單有效，用于米粒定位與識別時的可信度高。同時，劉光蓉等［18］也研究了通過掃描儀獲取大米的圖像，再采用計算機圖像處理技術(shù)將彩色圖像轉(zhuǎn)化成灰度圖像并進行進一步的處理，最后獲得大米子粒的二值圖像，然后利用八鄰域分析法提取大米圖像的輪廓。試驗結(jié)果表明，這種方法的檢測效果良好。

此外，袁佐云等［19］還提出了采用最小外接矩形計算大米粒形的方法。包曉敏等［20］分析了采用Roberts算子、Sobel算子、Prewitt算子、模板匹配法和快速模糊邊緣檢測法對大米粒形進行邊緣檢測，并通過對大米圖像的分割試驗驗證了快速模糊邊緣檢測法最為有效。

3 基于機器視覺技術(shù)的大米加工精度檢測

大米加工精度是指大米背溝和粒面留皮程度，即糙米皮層被碾去的程度。大米的加工精度是決定大米外觀質(zhì)量的主要因素，加工精度越高，米粒表面殘留糠皮量就越少，胚乳表面光潔度、口感、外觀品質(zhì)也就越好。我國國家標準規(guī)定各類大米按加工精度分等級［9］。因此，大米加工精度的檢測具有十分重要的意義。傳統(tǒng)大米加工精度的測定有多種方法，國標中規(guī)定大米加工精度的判定采用試劑染色法［21］，通過染色劑使米粒胚乳和胚乳表面殘留糠皮呈現(xiàn)不同的顏色差異便于肉眼觀測，該方法受到光照條件、視力、情緒等諸多因素以及各種染色參數(shù)的影響，操作繁瑣、效率低、誤差大，不能滿足快速、客觀檢測的需要。

河南工業(yè)大學張浩等［22］研究了機器視覺技術(shù)結(jié)合數(shù)字圖像處理技術(shù)檢測大米加工精度的方法，首先獲取大米的圖像，利用米粒區(qū)域和背景區(qū)域的亮度差異將大米圖像轉(zhuǎn)化為灰度圖像，再利用邊緣檢測函數(shù)求出分割閾值，將米粒從背景中分割出來，并計算米粒區(qū)域的面積；然后利用米粒區(qū)域中糠皮部分和胚乳部分R－B特征值差異，將大米圖像分解為R、G、B分量圖，以R－B矩陣代替大米圖像，再將R－B矩陣轉(zhuǎn)化為灰度圖，用邊緣檢測函數(shù)求出分割閾值把糠皮部分分割出來，計算糠皮部分面積。最后測得大米留皮率為米?？菲げ糠置娣e與米粒區(qū)域面積之比。

江蘇理工大學許俐等［23］將計算機圖像處理技術(shù)與色度學理論相結(jié)合研究了大米加工精度的自動檢測方法。檢測時先將大米染色，然后采用機器視覺系統(tǒng)獲取大米圖像，再根據(jù)染色后大米的胚乳、皮層以及胚芽所呈現(xiàn)的不同顏色特征，采用不同的區(qū)分方法獲取米粒不同部位的面積即像素的個數(shù)，然后根據(jù)胚乳面積與大米圖像總面積的百分比計算大米的加工精度。

此外，無錫輕工大學田慶國［24］根據(jù)色度學原理，采用圖像處理技術(shù)對染色后的大米進行檢測，識別大米的加工精度，并建立了大米染色后的顏色值與加工精度之間的數(shù)據(jù)庫。西華大學的劉建偉與日本岐阜大學的三輪精博［25］合作研究大米加工精度與碾白程度之間的關(guān)系時，采用改良后的大米精度鑒定NMG溶液，按照品紅石碳酸溶液染色法（GB 5502－85）對大米進行染色獲得米粒表皮呈綠色、糊粉層呈藍色、胚乳呈藍紅色的大米樣品，米粒干燥后采用測差計檢測樣品的顏色計算大米的加工精度。

4 基于機器視覺技術(shù)的大米堊白檢測

堊白是指稻米粒胚乳中不透明的部分。堊白之所以不透明是因為稻米子粒中淀粉粒排列疏松，顆粒間充氣引起光線折射所致。按其發(fā)生部位可將堊白區(qū)分為腹白、心白和背白等類型。通常用堊白粒率、堊白大小和堊白度等概念描述稻米的堊白狀況。堊白是衡量稻米品質(zhì)的重要性狀之一，不僅直接影響稻米的外觀品質(zhì)和商品品質(zhì)，而且還影響稻米的加工品質(zhì)和蒸煮食味品質(zhì)［9，26］。

黑龍江農(nóng)業(yè)工程職業(yè)學院于潤偉等［27］研究了采用機器視覺技術(shù)和圖像處理技術(shù)檢測稻米堊白的方法。先用機器視覺裝置獲取大米的原始圖像，再采用圖像處理方法對大米圖像進行預(yù)處理，然后應(yīng)用大津算法自動選取分割閾值對稻米圖像進行兩次分割，分別得到大米子粒的二值圖像和堊白區(qū)域的二值圖像，再根據(jù)區(qū)域內(nèi)部像素點的聯(lián)通性，將不同區(qū)域分別進行標記，計算出子粒數(shù)和堊白粒數(shù)，同時計算出二者對應(yīng)的面積（像素點個數(shù)）。研究結(jié)果表明，該算法的自動檢測結(jié)果與人工檢測相關(guān)性大于90％。

中國農(nóng)業(yè)大學侯彩云、日本東京大學Seiichi等［28］采用微切片三維圖像處理系統(tǒng)對大米的品質(zhì)特性進行探索性研究，結(jié)果表明借助于三維可視化技術(shù)分析大米的微切片，不僅可以觀察大米堊白部分內(nèi)部的組織結(jié)構(gòu)以及在蒸煮過程中的變化，還可以利用灰度直方圖定量計算出堊白米粒中各部分堊白的面積和體積。同時，侯彩云等［29］還利用自行研制開發(fā)的機器視覺圖像處理系統(tǒng)對大米的堊白度及堊白粒率進行檢測，試驗結(jié)果表明所研制的裝置具有客觀、準確、快速和重現(xiàn)性好等特點，在大米的快速分等定級中具有良好的應(yīng)用前景。

江蘇大學黃星奕等［30］研究了采用遺傳神經(jīng)網(wǎng)絡(luò)計算大米堊白度的方法。先采用機器視覺系統(tǒng)提取堊白米的圖片，然后采用數(shù)字圖像處理技術(shù)提取米粒的堊白區(qū)域與胚乳非堊白區(qū)域的交界區(qū)域內(nèi)的像素，再采用遺傳算法建立一個人工神經(jīng)網(wǎng)絡(luò)識別系統(tǒng)對這部分交界區(qū)域內(nèi)的像素進行識別。試驗結(jié)果表明，采用機器視覺系統(tǒng)的檢測結(jié)果與人工檢測結(jié)果的誤差小于0．05。

此外，凌云等［31］提出了一種基于分形維數(shù)的堊白米檢測算法。孫明等［32］采用了MATLAB軟件開發(fā)平臺構(gòu)造了基于計算機視覺的大米堊白檢測算法，完成了對大米堊白參數(shù)、堊白度以及堊白粒率的測定。吳建國等［33］從實際應(yīng)用出發(fā)，采用計算機和掃描儀結(jié)合開發(fā)了機器視覺系統(tǒng)的堊白測定軟件。而曾大力等［34］利用視頻顯微鏡對大米粒進行掃描，結(jié)合計算機圖形分析，直接計算大米的堊白大小和透明度，初步探討了視頻顯微掃描技術(shù)在大米堊白分析中的應(yīng)用。湖南農(nóng)業(yè)大學蕭浪濤等［35］開發(fā)了基于微軟Windows 98平臺的大米堊白度測定軟件Chalkiness 1．0，該軟件與計算機和圖像掃描儀相結(jié)合能夠組成一套高效的大米堊白度測定系統(tǒng)。

5 基于機器視覺技術(shù)的整精米率檢測

整精米是指糙米碾磨成國家標準一級大米時米粒產(chǎn)生破碎，其中的完整米粒以及長度達到完整精米粒平均長度4／5以上（含4／5）的米粒。整精米率是指整精米占凈稻谷試樣質(zhì)量的百分率，它是稻米加工品質(zhì)優(yōu)劣的指標，是稻米貿(mào)易中商家最關(guān)注的內(nèi)容，與碾米廠的經(jīng)濟效益密切相關(guān)。正確識別整精米是檢測整精米率的關(guān)鍵。目前整精米率主要采用人工方法進行檢測，該方法難以滿足對稻米品質(zhì)快速、準確的檢測要求［9，36］。

中國農(nóng)業(yè)大學尚艷芬等［37］開發(fā)了一套基于機器視覺技術(shù)的整精米檢測系統(tǒng)用于識別整精米和碎米。該方法通過提取并分析稻米的粒長、粒形等特征參數(shù)，提出了同一品種并在同一生長條件下生長的大米粒形具有相似性的前提假設(shè)，據(jù)此求得標準米，再通過偏差計算、粒長、粒形分析等對整精米和碎米進行識別。采用該方法開發(fā)的整精米識別系統(tǒng)對整精米和碎米識別的準確率與人工檢測結(jié)果的相關(guān)系數(shù)可到達0．99。

于潤偉等［38］首先通過圖像識別系統(tǒng)采集大米的原始圖像，再采取動態(tài)閾值分割等圖像處理方法把米粒圖像變成二值圖像，然后根據(jù)區(qū)域內(nèi)部像素的連通性計算出單個米粒的像素個數(shù)；再根據(jù)先期計算的整精米長度／面積比換算出米粒長度，最后根據(jù)米粒長度判斷整精米和碎米。研究結(jié)果表明，該算法的自動檢測與人工檢測的相關(guān)性大于99％，可用于整精米的自動檢測。

6 問題和展望

機器視覺技術(shù)在農(nóng)產(chǎn)品的品質(zhì)檢測方面具有廣泛的應(yīng)用，國內(nèi)外的學者在此領(lǐng)域進行過廣泛研究。但機器視覺技術(shù)在大米品質(zhì)檢測領(lǐng)域的應(yīng)用尚處于起步階段，仍有許多等待解決的技術(shù)問題，需要進一步深入研究。

1）目前的大米品質(zhì)檢測裝置多為靜態(tài)檢測裝置，即將大米放于檢測箱中通過機器視覺系統(tǒng)獲取圖片或通過掃描儀獲取圖片，大米相對于攝像頭靜止不動；獲取圖像之后再采用計算機軟件系統(tǒng)對圖像進行分析處理。這種檢測方法效率低下，因此，動態(tài)地獲取大米圖像并進行分析檢測是下一個要解決的難題。

2）采用機器視覺系統(tǒng)檢測大米品質(zhì)時，多采用的是串行化算法，即先獲取大米圖像，然后采用某種算法對大米圖像進行處理，再檢測大米的某項品質(zhì)指標；之后再采用某種算法對大米圖像處理大米的另一項品質(zhì)指標，這種檢測方法在處理群體米粒圖像時極大地影響了檢測速度，因此開發(fā)并行處理算法對大米圖像進行分析檢測可以有效提高機器視覺系統(tǒng)的工作效率。

3）目前對大米品質(zhì)指標進行檢測分析時缺少統(tǒng)一的檢測裝置，有的研究者采用CCD攝像頭獲取大米的圖像進行分析檢測，而有的研究者采用掃描儀獲取圖像進行分析檢測，檢測裝置不同、檢測條件不一致難以達到相同的檢測結(jié)果，因此有必要研制具有實用價值的大米品質(zhì)檢測裝置，使基于機器視覺技術(shù)的大米品質(zhì)檢測能夠具有統(tǒng)一的標準。

總之，伴隨著計算機科學技術(shù)的迅速發(fā)展，機器視覺技術(shù)在大米品質(zhì)檢測中的應(yīng)用將越來越廣泛。

參考文獻：

［1］ 龐乾林．稻米知識縱覽［J］．中國稻米，2004（3）：44－47．

［2］ 劉月好．陳米產(chǎn)生的原因與處理方法［J］．糧食加工，2004（1）：30－31．

［3］ 莊麗娟，刁慕容．中國谷物外貿(mào)格局與發(fā)展趨向分析［J］．中國農(nóng)墾經(jīng)濟，2004（8）：25－26．

［4］ 山世英，彭玉珊．我國農(nóng)產(chǎn)品出口遭遇技術(shù)性貿(mào)易壁壘的原因及對策［J］．山東農(nóng)業(yè)大學學報，2004，6（2）：41－43．

［5］ 李里特．糧油產(chǎn)品規(guī)格化、標準化是農(nóng)業(yè)現(xiàn)代化的迫切任務(wù)［J］．中國糧油學報，2001，16（5）：1－5．

［6］ 劉傳才．圖像處理與計算機視覺［M］．廈門：廈門大學出版社，2002．

［7］ 趙曉霞．計算機視覺技術(shù)在農(nóng)業(yè)中的應(yīng)用［J］．科技情報開發(fā)與經(jīng)濟，2004，14（4）：124－126．

［8］ 熊利榮，陳 紅，丁幼春．機器視覺技術(shù)在農(nóng)產(chǎn)品破損檢測上的應(yīng)用［J］．農(nóng)機化研究，2005（5）：204－205．

［9］ 李天真，周柏清．基于計算機視覺技術(shù)的稻米檢測研究［J］．糧食與食品工業(yè)，2005，12（4）：50－53，55．

［10］ 凌 云，王一鳴，孫 明，等．基于機器視覺的大米外觀品質(zhì)檢測裝置［J］．農(nóng)業(yè)機械學報，2005，36（9）：89－92．

［11］ 張巧杰，王一鳴，凌 云，等．稻谷品質(zhì)檢測技術(shù)與裝置研制［J］．現(xiàn)代科學儀器，2006（1）：128－130．

［12］ 趙志強，熊元姣．計算機視覺檢測系統(tǒng)的設(shè)計方案［J］．工業(yè)控制計算機，2005，18（10）：1－2．

［13］ 唐向陽，張 勇，李江有，等．機器視覺關(guān)鍵技術(shù)的現(xiàn)狀及應(yīng)用展望［J］．昆明理工大學學報（理工版），2004，29（2）：36－39．

［14］ 張紀明．基于PC的機器視覺系統(tǒng)研究［J］．可編程控制器與工廠自動化，2006（11）：107－110．

［15］ 任憲忠，馬小愚．農(nóng)產(chǎn)品粒形識別研究進展及其在工程中應(yīng)用現(xiàn)狀［J］．農(nóng)業(yè)工程學報，2004，20（3）：276－280．

［16］ 孫 明，石慶蘭，孫 紅，等．基于計算機視覺的大米外觀品質(zhì)檢測［J］．沈陽農(nóng)業(yè)大學學報，2005，36（6）：659－662．

［17］ 張 聰，管庶安．基于圖像分析的大米形狀識別［J］．糧食與飼料工業(yè)，2006（6）：5－7．

［18］ 劉光蓉，周 紅，管庶安．基于圖像處理技術(shù)的大米輪廓檢測［J］．糧食與飼料工業(yè)，2004（6）：14－15．

［19］ 袁佐云，牛興和，劉傳云．基于最小外接矩形的稻米粒型檢測方法［J］．糧食與飼料工業(yè)，2006（9）：7－8．

［20］ 包曉敏，汪亞明，黃振．計算機視覺技術(shù)在大米輪廓檢測上的應(yīng)用［J］．浙江工程學院學報，2003，20（2）：104－107．

［21］ 呂季璋，陳效貴，范慕蕙，等．GB／T 18105－2000米類加工精度異色相差分染色檢驗法［S］．北京：國家質(zhì)量技術(shù)監(jiān)督局，2000．

［22］ 張 浩，孟永成，周展明，等．基于圖像處理技術(shù)大米加工精度的檢測研究［J］．中國糧油學報，2006，21（4）：135－137．

［23］ 許 俐，錢敏娟，方如明，等．大米加工精度的圖象識別方法［J］．農(nóng)業(yè)工程學報，1996，12（3）：172－175．

［24］ 田慶國．圖像處理技術(shù)在大米碾白精度測定中的應(yīng)用［J］．糧食與飼料工業(yè)，1997（10）：10－11．

［25］ 劉建偉，徐潤琪，三輪精博，等．大米加工精度與碾白程度檢測的研究［J］．中國糧油學報，2004，19（3）：5－8，61．

［26］ 周新橋，鄒冬生．稻米堊白研究綜述［J］．作物研究，2001（3）：52－58．

［27］ 于潤偉，朱曉慧．基于圖像處理的稻米堊白自動檢測研究［J］．中國糧油學報，2007，22（1）：122－125．

［28］ 侯彩云，SEIICHI O，YASUHISA S，等．三維圖像處理系統(tǒng)在稻米品質(zhì)檢測中的應(yīng)用研究［J］．農(nóng)業(yè)工程學報，2001，17（3）：92－95．

［29］ 侯彩云，王一鳴，凌 云，等．堊白米粒的計算機圖像識別［J］．農(nóng)業(yè)工程學報，2002，18（5）：165－168．

［30］ 黃星奕，吳守一，方如明，等．遺傳神經(jīng)網(wǎng)絡(luò)在稻米堊白度檢測中的應(yīng)用研究［J］．農(nóng)業(yè)工程學報，2003，19（3）：137－139．

［31］ 凌 云，王一鳴，孫 明，等．基于分形維數(shù)的堊白米圖像檢測方法［J］．農(nóng)業(yè)機械學報，2005，36（7）：92－95，91．

［32］ 孫 明，凌 云，王一鳴．在MATLAB環(huán)境中基于計算機視覺技術(shù)的大米堊白檢測［J］．農(nóng)業(yè)工程學報，2002，18（4）：146－149．

［33］ 吳建國，劉長東，楊國花，等．基于計算機視覺的稻米堊白指標快速測定方法研究［J］．作物學報，2005，31（5）：670－672．

［34］ 曾大力，藤 勝，錢 前，等．視頻顯微掃描技術(shù)在稻米堊白研究中的應(yīng)用［J］．中國農(nóng)業(yè)科學，2001，34（4）：451－453．

［35］ 蕭浪濤，李東暉，藺萬煌，等．一種測定稻米堊白性狀的客觀方法［J］．中國水稻科學，2001，15（3）：206－208．

［36］ 郭英群．對國家標準中整精米率定義及檢測方法的探討［J］．糧油倉儲科技通訊，2005（6）：52－53．

計算機視覺的優(yōu)點范文第5篇

1）等高線生成及等高線分析：等高線圖是人們傳統(tǒng)上觀測地形的主要手段。可以在等高線圖上精確地獲知地形的起伏程度、區(qū)域內(nèi)各部分的高程等等。等高線圖可以從格網(wǎng)數(shù)字地形模型仍TM）中獲取，也可在不規(guī)則三角形格網(wǎng)T（NI）中生成。

2）立體透視圖分析：當用戶需要從直觀上觀察地形的概貌時，用繪制透視圖的方法（還可以用色彩）可以更逼真地顯示地形。

3）坡度分析、地表面積計算及挖、填土方體積計算：建立DTM后就可以用之計算坡度、面積和挖、填土方體積，以其作為土地適宜性評價的因子。

4）斷面圖分析：斷面圖主要有利于工程設(shè)計和工程測量，如工程勘察的縱向圖分析、地質(zhì)鉆孔分析等。

一 CIS技術(shù)在礦區(qū)土地管理信息的具體形式

在以往的測量中，選擇的測量方式還是完全采用機械的形式，但是在使用了計算機CIS技術(shù)精密測量后，完成了許多以往技術(shù)所不能達到的任務(wù)。在我們的研究中，計算機CIS技術(shù)測量的原理是通過攝像機將被處理的對象采集進行影像采集，在多個控制點的數(shù)據(jù)采集完成后，系統(tǒng)會自動將這些圖像進行整合，得出相關(guān)的幾何多變參數(shù)，再在計算機上以具體的數(shù)據(jù)顯示出來，以供礦區(qū)技術(shù)人員使用參照。

在上面所說的攝像機并不是我們通常意義上生活中使用的攝像機。它是一種可視化較強，表針比較敏感的測試儀?？梢詫⒁曈X中的二維形態(tài)通過顯影，記錄在機械的光譜儀上，再將這種的二維圖像做數(shù)學處理，有二階矩陣轉(zhuǎn)換為三階矩陣，通過播放儀呈現(xiàn)出三維的影像。這時的圖像變?yōu)榱Ⅲw化，更有層次感，效果上也有了明顯的變化，這是一種顯示方法。此外還有一種造價較高的儀器，我們不常使用，就是圖像提取器。同樣是采集控制點的數(shù)據(jù)，將數(shù)據(jù)整合在系統(tǒng)之內(nèi)，然后對于原始的圖像進行預(yù)處理，不再經(jīng)過有曝光這個程序，將圖像中關(guān)鍵點的坐標在整個內(nèi)部軸面上體現(xiàn)出來，提取數(shù)據(jù)幀數(shù)，再運用機器的智能識別系統(tǒng)，對控制點的坐標進行數(shù)據(jù)分析，自動生成圖形，這也可以用于精密測量。它的優(yōu)點就是使用上極其的方面，基本只要架立儀器和打開開關(guān)，其他的工作機械系統(tǒng)都會自動的完成。使用的困難就是造價極其的高，不適合一般企業(yè)使用。在基于計算機視覺圖像測量中使用上的原理如下：

（1） 計算出觀察控制點到計算機視覺圖像測量儀器的有效距離；

（2） 得出觀察點到目標控制點之間的三維的運動幾何參數(shù)；

（3） 推斷出目標控制點在整個平面上的表面特征（ 大多時候要求形成立體視覺） ；

（4） 還通過觀察可以判斷出目標物體的幾何坐標方位。

在整個計算機CIS技術(shù)精密測量的在礦區(qū)土地信息管理中最關(guān)鍵的元件就是壓力應(yīng)變電阻儀，這也是傳感器的一部分。壓力應(yīng)變電阻儀的使用方式是將應(yīng)力片粘貼在控制點位上，事先在物體表面打磨平整，清理干凈后，涂抹丙酮試劑，在液體完全風干后就可以黏貼應(yīng)力片，通過導(dǎo)線的聯(lián)接，形成了一小段閉合的電路，時刻讓計算機CIS技術(shù)系統(tǒng)可以感應(yīng)到并作跟蹤觀察。因受到來自不同方面諧波的影響后，應(yīng)力片會產(chǎn)生一定數(shù)值的電阻，在電路中，這些電阻會轉(zhuǎn)化為電流，視覺圖像系統(tǒng)接收到了電流后就會顯示在儀表盤上相應(yīng)的數(shù)據(jù)，我們就可以根據(jù)儀表盤中的數(shù)據(jù)記錄測量中的數(shù)據(jù)，很好的解決了原始機械在使用過程中大量的做無用功所消耗資源的現(xiàn)象。傳感器對每個應(yīng)點都進行動態(tài)的測量，將數(shù)據(jù)模轉(zhuǎn)換成現(xiàn)實中的圖像，精確的成像可以測算出控制點的位置，用計算機視覺圖像精密測量結(jié)合數(shù)據(jù)方面的相關(guān)的分析，得出礦區(qū)施工中的可行性報告分析，減低了施工中的成本，將施工的預(yù)算控制在一個合理的范圍之內(nèi)。

當無法觀察到控制點是，計算機CIS技術(shù)測量可以通過接收信號或是相關(guān)的頻率波段來收集數(shù)據(jù)，不會因為以往測量的環(huán)境不好，距離太遠，誤差太大的影響。

二 計算機CIS技術(shù)測量的關(guān)鍵技術(shù)分析

在計算機CIS技術(shù)測量中解決了很多以往很難完成的任務(wù)，但是在使用過程中還是發(fā)生了很多的問題。尤其在土地信息的選擇中，無法使用高幀數(shù)的圖片顯示，無法將計算機測量的關(guān)鍵技術(shù)的優(yōu)點發(fā)揮出來。我們就計算機CIS技術(shù)測量的關(guān)鍵技術(shù)中常見的問題進行討論。

1. 降低失誤的概率

在很多的數(shù)據(jù)誤差中，有一部分是出現(xiàn)在人為的因素上面。對于機器的不熟悉和操作中的疏忽都會在一定程度上對圖像的視覺感模擬帶來麻煩。對于網(wǎng)絡(luò)設(shè)備的配置上，要經(jīng)常性的學習，將配置在可能的情況下設(shè)置的更加合理和使用，保證網(wǎng)絡(luò)連接系統(tǒng)的安全性。為防止更多因操作帶來的誤差，選用系統(tǒng)登入的制度，用戶在通過識別后進入系統(tǒng)，在采集數(shù)據(jù)后，確定最終數(shù)據(jù)上又相關(guān)的再次確定的標識，系統(tǒng)對本身有的登錄服務(wù)器和路由器有相關(guān)的資料解釋，記錄好實用操作的時間，及時備份。

2. 對于權(quán)限的控制

權(quán)限控制是針對測量關(guān)鍵所提出的一種安全保護措施，它是在使用計算機CIS技術(shù)測量的關(guān)鍵技術(shù)中對用戶和用戶組賦予一定的權(quán)限，可以限制用戶和用戶組對目錄、子目錄、文件、打印機和其他共享資源的瀏覽和更改。圖像中的運行服務(wù)器在停止的情況下可以做出不應(yīng)答的操作指令，立刻關(guān)閉當前不適用的界面，加快系統(tǒng)的運行速度，對于每天的日志文件實時監(jiān)控，一旦發(fā)現(xiàn)問題及時解決。對于數(shù)據(jù)終端的數(shù)據(jù)可采用可三維加密的方法，定時進行安全檢測等手段來進一步加強系統(tǒng)的安全性。如果通過了加密通道，系統(tǒng)可以將數(shù)據(jù)自動的保存和轉(zhuǎn)換為視圖模式，對于數(shù)據(jù)的審計和運行可以同時進行，這樣就可以很好的保證大地測量中的圖像數(shù)據(jù)安全，利用防護墻將采集中廢棄的數(shù)據(jù)革除在外，避免數(shù)值之間發(fā)生紊亂的現(xiàn)象，進一步改善計算機CIS技術(shù)。

3. 開啟自動建立備份系統(tǒng)

計算機CIS技術(shù)測量的關(guān)鍵技術(shù)的完善中會常遇到系統(tǒng)突然崩潰或是圖像受到嚴重干擾導(dǎo)致無法轉(zhuǎn)換的一系列情況，發(fā)生這種情況最大的可能性就是系統(tǒng)在處理多組數(shù)據(jù)后無法重新還原成進入界面。這時為保證圖片轉(zhuǎn)換成數(shù)字的系統(tǒng)數(shù)據(jù)不丟失，我們對系統(tǒng)進行備份。選定固定的磁盤保存數(shù)據(jù)，定期將產(chǎn)生的數(shù)據(jù)（轉(zhuǎn)換前的圖像和轉(zhuǎn)換后的數(shù)值）導(dǎo)出，保證程序的正常運行。當系統(tǒng)一旦發(fā)生錯誤，可以盡快的恢復(fù)數(shù)據(jù)的初始狀態(tài)，為測量任務(wù)的完成爭取更多的時間。我們還要減少信號源周圍的干擾，定期的更新系統(tǒng)數(shù)據(jù)庫，保持數(shù)據(jù)采集的穩(wěn)定性，把攝像機記錄出的數(shù)據(jù)節(jié)點保存在相應(yīng)的技術(shù)圖紙上，用這樣的方式來知道測量工作。系統(tǒng)備份的數(shù)據(jù)還可以用于數(shù)據(jù)的對比，重復(fù)測量后得出的數(shù)據(jù)，系統(tǒng)會自動也備份的數(shù)據(jù)進行比對，發(fā)現(xiàn)誤差值在規(guī)定以外，就會做出相應(yīng)的預(yù)警，這樣也能在工作中降低出現(xiàn)誤差的概率。

三 CIS技術(shù)測量的關(guān)鍵技術(shù)遇到的困難和使用前景

計算機CIS技術(shù)測量的關(guān)鍵技術(shù)作為一種新興技術(shù)在使用時間上不過十幾年，其使用的程度已經(jīng)無法估算。正是因為它的簡單、使用、精度高以及自動化能力卓越的特點受到了礦區(qū)土地信息管理部門的廣泛青睞。在測量調(diào)控方面的這些可靠性和穩(wěn)定性也是有目共睹的。這項關(guān)鍵技術(shù)中涵蓋的學科非常的多，涉及到的知識也很全面，一旦出現(xiàn)了機器的故障，在維修上還是一個很大的問題，如何很好的解決計算機視覺圖像技術(shù)的相關(guān)核心問題就是當下亟待解決的。

我們都知道，人的眼睛是可以受到吱聲的控制，想要完成礦區(qū)土地觀測是十分簡單的，但是在計算機CIS技術(shù)中，畢竟是采取攝像機取景的模式，在取得的點位有的時候不是特別的有代表性，很難將這些問題具體化、形象化。達不到我們設(shè)計時的初衷。所以在這些模型的構(gòu)建中和數(shù)據(jù)的轉(zhuǎn)換上必須有嚴格的規(guī)定和要求，切不可盲目的實施測量，每項技術(shù)操作都要按規(guī)程來實施。

四 結(jié)束語