要说现在制造业什么火?

答案一定非“人工智能”莫属了

      而人工智能的火热

也带火了与之关系密切的机器视觉

如果说“人工智能”是一个人的大脑的话

那机器视觉就是这个人的眼睛 

2D机器视觉和3D机器视觉的对比-机器视觉_视觉检测设备_3D视觉_缺陷检测

以前我们所说的机器视觉

通常是指2D的视觉系统

即通过摄像头拍到一个平面的照片

然后通过图像分析或比对来识别物体

能看到物体一个平面上特征

可用于缺失/存在检测、离散对象分析

图案对齐、条形码和光学字符识别

以及基于边缘检测的各种二维几何分析 

2D机器视觉和3D机器视觉的对比-机器视觉_视觉检测设备_3D视觉_缺陷检测

由于2D视觉无法获得物体的空间坐标信息

所以不支持与形状相关的测量

诸如物体平面度、表面角度、体积

或者区分相同颜色的物体之类的特征

或者在具有接触侧的物体位置之间进行区分

而且2D视觉测量物体的对比度

这意味着特别依赖于光照和颜色/灰度变化

测量精度易受变量照明条件的影响 

2D机器视觉和3D机器视觉的对比-机器视觉_视觉检测设备_3D视觉_缺陷检测

因此,随着现在对精准度和自动化的要求越来越高

3D机器视觉变得更受欢迎

在许多“痛点型应用场景”中大显身手

成为当前“智”造业炙手可热的技术之一

业界认为2D向3D的转变将成为

继黑白到彩色、低分辨率到高分辨率

静态图像到动态影像后的第四次革命

3D视觉将是人工智能“开眼看世界”的提供者!

相比2D

3D机器视觉具有以下优点 

① 在线检测快速移动的目标物,获取形状和对比度

② 消除手动检查带来的错误

③ 实现部件和装配的100%在线质量控制

④ 一定限度地缩短检测周期和召回

⑤ 一定限度地提高生产质量和生产量

⑥ 对比度不变,是检查低对比度物体的理想选择

⑦ 对较小的照明变化或环境光不敏感

⑧ 建立大型物体检测的多传感器设置更简单

正是因为有这么多的优势

3D机器视觉在业界越来越火热

可是,你对它了解多少呢?

其实,要想真正了解3D视觉

首先得了解3D视觉的测量原理

目前市场上主流的有四种3D视觉技术

双目视觉、TOF、结构光和激光三角测量

双目技术是目前较为广泛的3D视觉系统

它的原理就像我们人的两只眼睛

用两个视点观察同一景物

以获取在不同视角下的感知图像

然后通过三角测量原理计算图像的视差

来获取景物的三维信息 

2D机器视觉和3D机器视觉的对比-机器视觉_视觉检测设备_3D视觉_缺陷检测

由于双目技术原理简单

不需要使用特殊的发射器和接收器

只需要在自然光照下就能获得三维信息

所以双目技术具有

系统结构简单、实现灵活和成本低的优点

适合于制造现场的在线、产品检测和质量控制

不过双目技术的劣势是算法复杂,计算量大

而且光照较暗或者过度曝光的情况下效果差

第二个技术是TOF飞行时间法成像技术

TOF是Time Of Flight的简写

它的原理通过给目标物连续发送光脉冲

然后用传感器接收从物体返回的光

通过探测光脉冲的飞行时间来得到目标物距离

2D机器视觉和3D机器视觉的对比-机器视觉_视觉检测设备_3D视觉_缺陷检测

TOF的核心部件是光源和感光接收模块

由于TOF是根据公式直接输出深度信息

不需要用类似双目视觉的算法来计算

所以具有响应快、软件简单、识别距离远的特点

而且由于不需要进行灰度图像的获取与分析

因此不受外界光源物体表面性质影响

不过TOF技术的缺点

分辨率低、不能精密成像、而且成本高

由于双目和TOF都有各自的缺点

所以就有了第三种方式

——3D结构光技术

它通过一个光源投射出一束结构光

这结构光可不是普通的光

而是具备一定结构(比如黑白相间)的光线

打到想要测量的物体上表面

因为物体有不同的形状

会对这样的一些条纹或斑点发生不同的变形

有这样的变形之后

通过算法可以计算出距离、形状、尺寸等信息

从而获得物体的三维图像 

2D机器视觉和3D机器视觉的对比-机器视觉_视觉检测设备_3D视觉_缺陷检测

由于3D结构光技术

既不需要用很精准的时间延时来测量

又解决双目中匹配算法的复杂度和鲁棒性问题

所以具有计算简单、测量精度较高的优势

而且

对于弱光环境、无明显纹理和形状变化的表面

同样都可进行精密测量

所以越来越多的3D视觉高端应用采用结构光技术

最后一种是和结构光类似的激光三角测量法

它基于光学三角原理

根据光源、物体和检测器三者之间的几何成像关系

来确定空间物体各点的三维坐标 

2D机器视觉和3D机器视觉的对比-机器视觉_视觉检测设备_3D视觉_缺陷检测

通常用激光作为光源,用CCD相机作为检测器

具有结构光3D视觉的优点

精准、快速、成本低

不过

由于根据三角原理计算

被测物体越远

在CCD 上的位置差别就越小

所以三角测量法在近距离下的精度很高

但是随着距离越来越远

其测量的精度会越来越差

对于这四种3D视觉原理各自的优缺点

我们可以简单总结为以下的表格 

2D机器视觉和3D机器视觉的对比-机器视觉_视觉检测设备_3D视觉_缺陷检测

从上面的表格可以看出

四种主流的3D视觉测量原理都有各自的优缺点

那么

对于可靠性和精度要求极高的制造业来说

有没有将几种测量原理结合一起的3D视觉呢?

其实全球的3D视觉厂商也想到了这样的方案