计量应用中的机器视觉注意事项

问题
无论用什么仪器来测量一个参数，都有两个关键因素:精度和重复性。一个基本的经验法则是，测量仪器应该至少比它要测量的工艺规范好十倍。换句话说，它的可重复性和准确性至少是流程的十倍。

所有的测量仪器都有一个由刻度上的刻度或标记组成的刻度。在机器视觉的情况下，“刻度”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，“滴答”对应于分辨率，并且可能(但不一定)对应于机器视觉系统的灵敏度——系统能够检测到的被测量的最小变化。在机器视觉中，这对应于像素(亚像素)增量或像素(亚像素)分辨率。

在使用机器视觉测量零件时，人们面临着零件特征的边缘通常不精确地落在像素上或精确地落在两个像素之间的困境。一条边的效果通常是在几个相邻像素上感受到的。人们无法区分落在同一像素上的两条边。通常，被编码的灰色阴影值表示跨像素的平均值。

一条边可以用四个属性来描述:

1. 对比-沿线的累积强度变化，其特征为边缘
2. 宽度(模糊度)-横剖面的间隔大小，强度变化的主体发生在其中
3. 陡度-在此区间内的表面坡度
4. 方向-矢量垂直于边缘像素的角度

由于一个物体的边缘通常覆盖几个具有特定灰色阴影轮廓的连续像素(将灰度值视为空间数据点上的第三维属性)，由于特定的应用程序属性(像素集边缘轮廓的实际形状)，人们可以使用任意数量的数学或统计方案来基本上推断边缘点的位置，或者在对象空间中像素有效地对应的距离的某个增量内建立边缘的位置。例如，将灰度剖面视为一条曲线，可以计算曲线的二阶导数——预期发生变化的特定点——并将其定义为边缘像素。

不同的机器视觉算法利用边缘的各种属性来计算边缘在像素(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方面产生不同的结果。

准确性和重复性
精度由校准程序决定。在机器视觉中，就像在大多数数字系统中一样，“校准”旋钮一次可以改变一个“滴答”(一个像素或亚像素距离)。每个“滴答”表示系统输出中的一个离散值变化，该离散值是物理维度的增量。

确定系统精度的程序要求操作员将“标准”放置在正确的位置-在初始校准程序中建立的参考位置。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”。这就决定了像素(亚像素)的维度。

大多数计量学家喜欢在公差范围内至少有十个“刻度”(像素或亚像素单位)。对于10个“滴答”，系统在标准上的每个测量点上的最大误差是0.5个“滴答”。因此，读数(精度)的最规范与真实值(标准值)的差异是规格总跨度的二十分之一。

例如，给定0.1英寸的标称尺寸，公差为0.005英寸。(总公差范围0.01”)。因此，校准旋钮的每个“刻度”(像素或亚像素距离)的值应该是。1或。001。因此，每一步的一半等于0.0005”。换句话说，机器视觉系统的精度应等于或优于0.0005”。

由于重复性的经验法则与精度的经验法则相同，因此系统对重复性的要求是相同的，即在此应用中，重复性应等于“刻度”的尺寸- 0.001”，其中零件的公差为0.005”。

虽然精度在特定应用中可能不那么关键，因为它可以通过校准获得，但重复性更关键，因为它不能通过校准或其他方式进行校正。可以看出，上述分析被许多人认为是保守的。因此，有些人建议将重复性从10/1放宽到5/1。这表明在应用实例中，给定可接受的系统重复性性能为0.002”。这至少应该是机器视觉系统在应用中的一西格玛可重复性。

在某些情况下，使用的经验法则是精度和可重复性的总和应该小于公差带的三分之一。无论遵守什么“规则”，测量仪器的精度或重复性不应等于被测量尺寸的公差，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。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下机器视觉的实际极限。

在上面的示例应用中，要测量的零件尺寸为0.1英寸，考虑到相机/机器视觉系统的全视场应用于该尺寸，理论亚像素分辨率可以是0.1英寸/1500(基于基于500 x 500区域相机的机器视觉系统，亚像素能力为像素分辨率的1/3)或0.000066英寸-完全在所需的0.00050英寸之内。

限制
然而，可以观察到，像素越多并不一定越好。还有其他潜在的物理限制。例如，0.0001”以下的分辨率可能受到光学器件衍射极限的限制。

衍射是电磁辐射传播的基础，导致能量的特征传播超出了简单几何模型所预测的范围。当光学分布的大小与光的波长相等时，在微观水平上是最明显的。

对于成像来说，这意味着从物体中的单点收集的光被聚焦到图像中的有限点，而不是无穷小的点。如果物点的辐射均匀地填满透镜光圈，而透镜光圈为圆形且无阻塞，则产生的光斑分布将呈现为一个由同心圆环围绕的中心圆盘。根据光的波动理论，中心圆盘在光斑分布中包含总能量的83.8%。

最直接的图像影响是相邻点模糊在一起，因此，是无法解决的，一个从另一个。在机器视觉应用中，所引用的点是亚像素“刻度”。衍射极限由瑞利判据定义为:
R = 1.22lN
在哪里
N =透镜的数值孔径
l=光的波长
例如，基于
N = f/2
= 500 Nm(约。白光平均)
R = 1.22微米或.000048"

这表明，虽然游戏可以通过蓝光和f/来玩。以8个透镜为例，理论极限在0.00002”量级上。

然而，这种限制会因应用条件和变量而加剧，例如:光照水平和光谱变化、光学畸变和像差、相机灵敏度不均匀性、视觉算法解释变化、温度、振动等。更不用说部件外观和表示变量了。结果是，在任何给定的机器视觉应用中，实际极限在0.00008 - 0.0001”的数量级上。

这类似于有一个刻度为0.0001”增量的尺子。测量灵敏度是它的一半(0.00005”)-即，刻度读取到两个相邻散列标记或“刻度”中的一个或另一个。另一个观察结果是，在零件的两个边之间进行尺寸检查时，测量灵敏度与两个测量点之一的位置确定有关。在确定其他位置时也有类似的灵敏度。这也会导致重复性错误。

计量与机器视觉-元件分析
在机器视觉的计量应用中，处理具有要求.0001”重复性和准确性的公差的尺寸并不罕见。这些要求很高，因此需要注意细节。

照明:
理想的照明是使用准直照明的背光布置，以提供最高的对比度和最清晰的边缘。只有当被测量的特征可以从物体的轮廓中观察到时，这才会起作用。另一个需要考虑的问题是，理想的光应该是带有蓝色光谱输出的光。氙气频闪灯有一个蓝色输出给定可见光和红外被过滤掉。频闪仪提供了额外的优势，减少运动和振动对图像涂抹的影响。

使用频闪灯的优点是效率高，能够准确地控制光脉冲对相机或移动物体的调谐。频闪灯将涂片效果降低到频闪灯周期的持续时间。然而，必须控制环境光，以避免“洗掉”闪光灯产生的图像。带有电子快门的相机会将这种影响降到最低。

另一种选择是，顶部照明的安排可能不会导致测量绝对尺寸，因为半径伪影、模糊边缘等…测量使用顶部照明安排，同样理想的是一个准直光安排，应该使用蓝光优化测量。

顶部照明的另一个问题是，照明应该尽可能均匀。光圈是一种可能。这可以通过光纤光管或发光二极管(LED)的布置来实现。这些安排在商业上是可行的。光管可以连接到频闪灯和led本身可以频闪灯。

光学:
采集光学器件应采用远心设计，以获得最小的边缘畸变，并能容忍由于位置和振动变化引起的潜在放大率变化。
在某些应用中可以使用显微光学;也就是说，光学放大图像，因为成像仪的尺寸在8毫米左右，部分更小。除了放大率之外，与光学相关的问题是光学的分辨率。就光学而言，分辨率是指区分两个物体之间距离的能力。在测量中，这类似于区分两个“滴答”的能力。

在理想的实验室条件下，可以设计出分辨率为0.000020”的显微镜。然而，在实际的工业环境中，不太可能得到比.00005 - .0001”分辨率更好的分辨率。

零件的呈现和相机的固定应使零件始终呈现与相机的像面平行或平方。这将避免由于透视和按键效果而导致的像素拉伸。值得注意的是，光学的其他特性也会影响分辨率，特别是离轴分辨率:畸变、散光、场曲率、晕晕等。在某些情况下，与像素大小相比，这将成为一个相当大的误差百分比，因此，由机器视觉系统进行相应的补偿。或者，可能需要更好的光学设备。

相机:
在相机中使用的成像仪应该有一个分辨率，就它所包含的照片站点的数量而言，至少在500 x 500的数量级上。在成像仪/相机的情况下，机器视觉中的分辨率通常等同于成像仪中的照片位点的数量。相机应该对照明的蓝色光谱有尽可能高的响应，以产生具有尽可能高对比度的图像。

在一个背光的安排，这是不那么重要，但可能是一个问题。不同的图像传感器设计有不同的光谱响应。CID传感器通常比行间传输CCD传感器具有更高的灵敏度，尽管帧传输CCD传感器可能与之相当，因为它的更高填充因子导致了较高的有效量子效率。

最好的相机是一个正方形像素，这样水平和垂直值是相同的。虽然这可以在软件中纠正，但它需要额外的计算能力，反过来也需要更多的时间。

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。曝光控制功能也有助于进一步减少背景照明的影响。

具有异步扫描能力的摄像机还具有帮助将事件同步到摄像机的优点。通过将相机与事件同步，可以确保物体在图像中的物理位置始终相同。这可能会最大限度地减少对翻译校正的需求，这种算法会增加执行的处理时间，因此会降低机器视觉系统的性能。

影响相机分辨率的问题包括:照明、电子噪声、机械噪声、光学和混叠。

A-D/帧缓冲应与成像仪中的照相位点数量相兼容。还应该具备从帧缓冲区同步相机的能力，以消除像素抖动的影响——在商用机器视觉系统中，这种做法很常见，可以使此类问题对用户透明。

像素抖动会导致像素反复映射到对象空间时出现错误。在更高分辨率的相机中，这是一个更重要的因素，比如那些应该用于计量应用的相机，抖动可能是一个像素的错误。

计算机视觉:
视觉计算机应具备亚像素算法分析的能力。重要的是，亚像素处理有许多不同的方法，这些方法产生的结果在鲁棒性上有所不同。虽然许多公司声称能够实现亚像素到1/64像素的效果，但人们普遍认为，在工业应用中通常能实现的最佳效果是一个像素的十分之一或二十分之一。

亚像素化方法利用了一个物体的边缘实际上会落在几个像素上的事实，从而有效地产生灰度曲线。在这条曲线上操作的任何数量的不同数学方法都将产生一种将边缘位置解释到一个像素内的能力。从本质上讲，亚像素表示两个“滴答”之间的最小距离，与视觉系统进行测量而不检测小于像素的属性的能力有关。

视觉计算机应该有能力补偿适度的平移(.005”)和旋转(5度)误差。它还应该具有基于亚像素处理技术(至少1:10)对边缘进行操作的能力。理想情况下，它应该能够根据像素数据的最佳拟合来跟踪边缘，并在两条这样的线之间进行测量。所有这些处理和测量决策都必须以生产速度完成。

值得注意的是，具有较高处理速度(每分钟3000张或更高)的视觉计算机可能具有优势，因为它可以平均在单个部件上拍摄的大量图像。这样的平均可以提高信噪比，因此，有效地提高系统的分辨率，通常是样本数量的平方根。

简介:
考虑到在测量应用中对细节的关注，机器视觉系统可预期实现的最佳重复性和精度约为0.000050- 0.0001”。