这項(xiang)自動化(hua)成像技術已經得到了廣泛的應用，其在(zai)工業生產、智能交通、安防监控等领域的應用優勢顯然(ran)得到了廣大用戶(hu)的認可。機(ji)器視覺系統包括圖像采集和圖像處理兩大(da)環節，由光源(yuan)、镜头、工業(ye)相機、圖(tu)像處(chu)理软件等核心組件構成，主要有定位(wei)、识(shi)別與檢測(ce)三大功能。在(zai)整個機器視覺系統成像過程(cheng)中，高精度的系統標定是實現高清成像的基(ji)礎與(yu)重點，對最終(zhong)應用有着直接的影(ying)響。
機器視覺
標定的分類
空間物體表面某點(dian)的三維几何位(wei)置與其在圖像中對應點之間的相互關系是由工業相機成像的几何模型決定的，这些几何模型參数就是(shi)工業相(xiang)機參数。在通常情况下，这些參数必须通過(guo)實驗與(yu)計算才能得到，而这個實驗與(yu)計算的過程就被称為機器視(shi)覺系統標定。目前，機器(qi)視覺標定主要有傳統標定方法與自標定方法兩大類：
其一，傳統機器視覺
標定方法
傳統機器視覺標(biao)定(ding)方法需要標定參照物，在一定(ding)的工業相機模型下，通過對特(te)定標定參照物進行圖(tu)像處理，並利用一系列数(shu)學變(bian)换公式計算及優化，以此获取相機模(mo)型内(nei)部參数和外部參数。另(ling)外，為了提高計算精度，還需確定非線性畸變(bian)校正(zheng)參数。根據標定參照物與算法思路的不同(tong)，傳統(tong)機器視覺標(biao)定方法又可以分為基於3D立體靶標的相機標定、基於2D平面靶標的(de)相機標定等几類。不過，需要注意的是，这一標定方法在場景未知或是相機任意(yi)運動的情况(kuang)下效果不佳，甚至很难(nan)實現。
其二，機器視覺(jue)自標定方(fang)法。
機器視(shi)覺自標定方法(fa)是在20世紀90年代(dai)初，由Faugeras，Luong，Maybank等人首次提出(chu)的，这一自標定法是利用工業相機本身參数之間的(de)約束(shu)關系來進行標定，而(er)與(yu)場景或是工業相機的運動无關，所以相比傳統標(biao)定方法更為灵(ling)活。
機器視覺
標定的作用
機器視覺
標(biao)定(ding)的精度大小，直接(jie)影響着系統成(cheng)像的精度，可以說，只有做好了(le)前期的这一標定工作，后續工作才(cai)能正常展開(kai)，所以，提高標定精度是当前科研工作的(de)重要方面之一(yi)。機器視覺(jue)系統標定方法(fa)的存在，尤其(qi)是自標(biao)定方法，極大地提高了成(cheng)像(xiang)精度，接下來，研究人(ren)員還將繼續對標定方法進行優化升(sheng)級，例如進(jin)一步研究解決如何(he)提高標定算法的魯棒性等等。
