机器视觉的用例

摄影测量是一种通过拍摄对象的一组重叠照片来创建数字 3D 模型的技术。 摄影测量可以捕获大型物体，例如人或风景，否则无法在单次相机拍摄中扫描这些物体。

摄影测量主要分为三种类型：

1.航空摄影测量
这个过程是指使用飞机拍摄重叠的景观航拍照片，并将其转化为数字 3D 地图。 如今，无人机已经取代了传统的测量，因为它们更便宜且易于导航。

2. 地面（或近距离）摄影测量
这个过程是指使用安装在三脚架上的相机捕捉人物或较小物体的重叠照片，并创建它的 3D 版本。

3.空间摄影测量
这个过程是指使用安装在卫星上的相机捕捉外层空间的重叠照片，然后将这些照片用于创建天体的 3D 模型。

机器视觉系统充当机器人的眼睛，并在其中实现相当于手眼协调的功能。 从机器视觉相机中提取的信息有助于机器人找到自己的位置，并在 3D 空间中定位零件和障碍物。 对 3D 空间中物体的精确了解使机器人有可能成为工厂车间制造过程中不可或缺的一部分。

以下是机器人在工厂中执行的一些任务示例：

• 从货架上挑选零件并安排它们
• 在装配期间放置和对齐元件
• 从托盘上装卸箱子
• 在移动的传送带上排列物品

In 为了保证出厂产品的质量， 视觉检测系统 被部署进行检查 缺陷，瑕疵 及其他违规行为。 人眼在传送带上看不到的东西，机器视觉相机能够看到细节。 因此，小缺陷是 发现 快速轻松地。

机器视觉系统用于检查的一些应用是：

• 液晶面板检测
• 直邮验货
• 病理切片检查
• 高速列车检查
• 焊接检查
• 碳纤维分层检测（偏光）
• 高压电晕？ 检查（紫外线）
• 电力线巡检
• 电动汽车电池检测

分选是指根据组件和部件的属性（例如尺寸、形状、颜色或缺陷）将其分开。 配备最新人工智能算法的机器视觉系统正被用于完全自动化地制定质量控制决策。 这不仅有助于提高 产量并阻止劣质产品到达消费者手中，同时也节省了人力和资源。

机器视觉系统通常用于识别例如生产线上的零件。 零件的识别有助于控制制造过程并在制造的各个级别跟踪它们。

机器视觉系统用于识别零件的各种方法有：

• 条形码（一维）
• 数据矩阵代码（二维）
• 直接零件标记 (DPM)
• 印刷字符
  • 光学字符识别 (OCR) – 这些系统在事先不知情的情况下读取字母数字字符。
  • 光学字符验证 (OCV) – 这些系统确认字符串的存在。
• 独特的图案
• 独特的颜色
• 独特的形状

建立准确的组件计数对于装配过程非常关键。 使用机器视觉系统拍摄的图像允许计算机算法实时完成准确计数。 这在传送带高速移动的快节奏环境中非常有用。

机器视觉相机和基于人工智能的图像处理使需要实时识别物体的应用成为可能，例如在自动驾驶车辆和面部识别的情况下。 此外，生物力学分析领域正在开发先进的技术，用于分析利用机器视觉相机的运动过程中的身体运动。 在接下来的十年中，机器视觉相机在识别物体、手势和身体动作方面的使用预计将显着增长。

机器视觉相机常用于监控系统，目的是执法和交通管制。能够对机器视觉相机进行编程并为其配备 计算机视觉 算法使设计和定制变得更加容易 每个用例的监视系统。 新一代 监控系统配备了最新的人工算法和 处理能力比以往任何时候都强。