基于计算机视觉检测的测量性能影响因素分析

王国贵

WANG Guo-gui

（江苏联合职业技术学院 盐城生物工程分院，盐城 224000）

0 引言

视觉检测是近十几年发展起来的一门新兴测量技术，它采用大量的自动化、智能化技术，通过计算机识别和控制，测量过程仅需很少的人工干预就可完成。随着计算机技术、CCD技术、及视觉检测理论的发展与完善，视觉检测技术已逐渐从实验室走向工业现场，在生产加工、尺寸控制、产品分捡过程中起到了重要作用[1]。然而，针对不同的测量要求，视觉检测在测量速度、测量精度、自动化程度方面还有待进一步提高。而这些测量性能将直接关系到被测物体三维尺寸的有效结果，而不仅仅是将物体识别出来。基于此，就有必要研究哪些因素对视觉检测的性能有影响，如何解决它，本文就是从视觉检测的实际应用出发，研究和探索影响视觉检测测量性能的主要因素，提出了相应的解决方案，以满足工程实际的需要。

1 计算机视觉检测系统的组成及工作原理

视觉检测系统针对不同的应用有着不同的具体形式。系统构成按照功能大致可分为视觉信息输入设备（视觉传感器）、数据处理设备、结果输出设备和其它一些辅助设备，如图1所示。视觉传感器和数据处理设备是视觉检测系统中最重要的组成部分。视觉传感器主要由图像传感器和其它辅助设备组成；图像传感器可以是激光扫描仪、线阵或者面阵CCD、数码相机、数码摄像机、红外焦平面阵列等，图像传感器所获得的信息量是高性能视觉检测系统的硬件基础。图像处理设备是视觉检测系统的“大脑”，主要完成图像采集、图像处理、模式识别和结果输出以及整个系统的控制、协调功能。图像采集是以实现标准视频信号的实时采集为目标，用于获得被测点的数字图像信息，图像处理是系统的核心，图像实时处理的实现需要从硬件资源和算法两方面进行设计。数据处理设备有多种形式，通常的是PC机，也可以是专门的图像处理设备，或者是二者的结合。

图1 视觉检测系统组成框图

视觉检测理论来源于计算机视觉，是计算机视觉技术在外形尺寸检测方面的应用。视觉检测的任务是对已加工工件或装配件的几何量进行测量以评价与相应预置标准量的相符程度[2]，所以它不仅要求能够定量地确定景物中物体的空间性质，更重要的是对被测景物三维尺寸的几何描述。由于视觉检测相对与计算机视觉其它方面的应用来说具有如下特点：被处理图像存在大量的先验知识，被处理物景相对简单，所以视觉检测研究的难点在于高精度高速度测量出被测物体的三维尺寸，而不仅仅是将物体识别出来。基于此，采用哪些技术满足视觉检测实际应用中的测量精度、测量速度和工作环境的需要成为研究的重点。

2 影响计算机视觉检测的测量性能的主要因素

从计算机视觉自动检测识别系统的组成和工作原理可以看出，影响该系统测量性能是由多种因素造成的，与客观待测物的场景、图像的采集设备、图像特征提取与测量的方法有关。

2.1 系统硬件资源的影响

测量速度和测量精度是衡量多传感视觉检测系统的两个重要性能指标。随着生产要求提高，对测量系统的测量速度的要求也越来越高。要实现在线测量，就必须使系统的测量速度与生产线节拍相一致，协调机制和高速的数据采集和处理。另一方面，测量系统必须足够精确，以确保获得有意义的数据。

视觉传感器的结构是系统测量精度的硬件基础，图像采样速度和图像处理速度直接影响系统的测量速度。但随着半导体技术、超大规模微细加工技术的发展，一方面，工业面阵CCD已经商品化，价格低廉而且分辨率较高、可靠性好、几何畸变小，能够满足视觉检测在大多数场合的应用。另一方面，几百像素的数码相机和摄像机，具有极高的分辨率，并采用数字接口，减少了模拟信号传输和A/D转换所造成的信息损失，可以实现更高精度的测量。故在传感器的设计选择方面，现有的CCD器件、红外器件和图像采集设备基本上能够满足大多数应用场合在测量速度方面的要求，仅需考虑价格与成本的问题[3]。因此，从某个角度上讲，图像处理速度影响整个检测系统的性能，高性能的检测系统对数据处理设备提出了更高的要求。另外，视觉检测技术研究主要集中在从二维图像到三维图像的重构，获取的原始图像信息越多，在三维恢复时越准确。随着被处理的信息量的增多，算法复杂度的增加，视觉检测对图像处理的要求也越来越高，相应的软、硬件的选择将直接影响到系统的性能。

采用多台计算机并行处理数据无法满足更高的测量要求，而且采用多台计算机从性能和系统造价方面都是不合理的，并且存在通讯、控制与协调等方面的问题。单个传感器的测量时间，主要是图像处理所占用的时间，提高图像处理速度是提高视觉测量系统速度的关键。图像处理速度的提高主要有两种手段，一是改变图像处理算法，使算法更简单。但最为耗时的图像低级处理算法已相当成熟，其运算的复杂性也相对稳定，所以改变算法同时又能保证精度是相当困难的。二是改变实现算法的手段。目前，实现图像处理算法的手段主要有以下几种：

1）通用计算机（PC）是目前国内视觉检测系统经常采用的图像处理手段，但在很多情况下系统结构上的局限性使它对低级图像处理不能够满足实时高速的要求，对于视觉检测中数据量较少的高级处理，它在性能价格比才有一定的优势。

2）并行处理 在许多场合下，单个CPU不能够实现实时数据处理的时候，可以采用多个CPU同时工作的并行处理为解决此问题提供了可能，但这个领域仍不成熟，处理单元负载不均匀，并行算法编程困难，理论上并行处理应达到的性能与实际性能相比有很大差距[4]。

3）数字信号处理器（DSP）数字信号处理器是近几年发展起来的针对信号处理而设计的处理器，它的内部采用专用硬件实现一些数字信号处理的常用算法，所以它进行这些运算速度非常快，但从根本上，DSP只是针对某些饿固定的算法提供硬件优化，其体系仍是串行指令执行系统，并且这些固定优化算法并不能够满足众多算法的需要。

4）专用硬件（ASIC）是针对某一固定算法或应用而专门设计的硬件芯片，它在各种算法实现中是最快的，但是它在实际应用中存在设计周期长、造价昂贵且风险高，由ASIC构建的图像处理系统适应性差等缺点。

从以上分析可以看出，上述的各种图像处理实现的手段在速度、灵活性和性价比等方面各有缺点，不能满足高速视觉检测中的图像处理对速度、灵活性的要求。现场可编程门阵列FPGA（Field Programmable Gate Array）是近20年随着IC制造技术发展而产生的一种芯片，现场可编程的意思是通过编程可以改变芯片内部硬件逻辑，使芯片改变功能，满足应用需要。FPGA是介于专用器件和通用器件之间的一种芯片。它具有通用系统的灵活性，又具有接近ASIC芯片的高速度，能够有效地缩短图像处理的时间，提高测量速度[5]。将FPGA引入视觉检测系统，不仅能够在速度上满足实时检测的需要，并且由于现场可编程，能够根据需要改变芯片内部的逻辑电路，可以使同样的硬件结构实现不同的处理算法，满足视觉检测中的多种需要，具有很好的适应性。

2.2 系统应用算法的影响

利用不同的图像处理、分析手段、不同特征测量方法和计算公式将影响 测量精度。视觉检测中图像处理大致可以分为两级，低级处理和高级处理，低级处理主要完成滤波、图像增强、直方图统计、边缘检测、模板匹配等操作，低级处理的结果如直方图、检测点的坐标被送到下一级，最后进行特征判别、坐标转换等高级处理，产生最终结果。低级图像处理时有时要接受高级处理的命令，以进行调整。视觉检测中的低级处理为高级处理提供判据，并能够简化算法。

图像的输入与输出是低级处理的一个重要环节，其中对目标的分割作为特征测量的必要手段和前序步骤，对特征测量的精度必定有重要的影响。因为图像为二维信息，数据量大，每一个点就有可能输入输出很多次。另外低级处理输入数据格式固定，运算相对简单，存在较大的并行性，因而低级处理往往是图像处理最耗时的环节，对整个系统速度影响较大。

在视觉检测中，高级图像处理的输入是低级处理的结果，它具有不同的格式，图像处理的对象是相对简单的工业现场，有着大量的先验知识，并且可以人为的添加识别标记，因而图像的高级处理相对简单。而且操作数少，串行运算较多，对于测量系统，极易实现快速、准确地判别出被测点在图像中的位置，因而高级图像处理对视觉检测系统性能影响较小。

2.3 系统工作环境的影响

客观场景和物体本身参数或特征的自然变化对测量精度的影响。由于计算机视觉检测的应用场景相对简单，受检测的对象或目标比较明确，因而具有相当多的关于目标和背景的先验知识，使用固定的特征进行目标检测识别有许多有效的方法，比如使用具有人工智能的专家系统一类的复杂算法，可以得到很好的检测效果。由于受噪声和背景的影响，所提取特征的一致性遭到破坏，类似目标的结构差异信息的损失，会造成不同的目标具有相同的形状，从而使得不同的目标会产生相同的形状特征，同时会产生特征的剧烈变化。所有这些环境变化都会严重影响到计算机视觉检测系统的性能。

3 结束语

由于计算机视觉理论、计算机技术和相关技术的飞速发展，这无疑为视觉检测技术的发展提供了更好的理论和物质基础，为视觉检测中出现的问题提供了新的解决思路和方法。超大规模集成电路（VLSI）技术以及大规模可编程逻辑器件（FPGA）的发展，促成了视觉检测算法实现手段的根本性变化，从串行的软件处理转变为高速并行的硬件处理，从而为测量速度提供了较大的空间；一些新型的实时算法软件的出现为测量精度的提高提供了可能；工业CCD技术的成熟，高分辨率的数码相机的出现等都为视觉检测技术的实用化在测量速度、测量精度、系统造价等方面提供了有效的解决方案。

[1] S.Hata, et.al,"Assembled PCB Visual Inspection Machine Using Image Processor with DSP",Proc.IECON,PP.7.

[2] 刘常杰.高速视觉检测硬件方法研究[D].2002,1,1-8.

[3] A.R Novini,"Fundamentals of On-line Gauging for Machine Vision",Vision'89,PP.413-421.

[4] Choudhary,A.N.,Patel,J.H.,"Parallel Architectures and Parallel Algorithms for Integrated Vision Systems",Kluwer Academic Publisher,1990.

[5] 刘常杰,叶声华.基于FPGA高速视觉检测系统的研究[J].仪器仪表学报.2001,6.

[6] John G.Ackenhusen 著.李玉柏,等译.实时信号处理--信号处理系统的设计与实现[M].北京：电子工业出版社,2002：69-71.