相机自动变焦和识别技术【字数：11548】
摘 要被摄物距沿光轴方向发生变化时，为了得到大小合适的图像,要求在一定范围内焦距连续调整。变焦光学系统在视觉导航与跟踪领域,使用方位角和倍率可调的相机,在目标移动时,能够持续识别图像,同时保持较高的分辨率,还可能获得目标的位置和姿态信息。因此,研究相机变焦与识别具有重要的学术应用与研究价值。本文围绕相机变焦与识别技术展开研究。首先根据设计方案选型硬件模块，工控机安装软件搭建实验平台。调节架台间的距离，通过手动调节镜头的方式使图片清晰成像，实现相机变焦。然后使用Sherlock软件编写机器视觉程式，完成二维码的识别。最后实现PC与PLC交互读写状态；并设计Winform用户界面，当相机变焦至最大锐度时，系统能精准地连续识别二维码。
目 录
1.引言1
1.1机器视觉的国内外发展概述1
1.2相机识别变焦所面临的挑战及趋势1
1.3课题的目的和意义2
1.4课题主要研究内容2
2.相机变焦与识别平台搭建4
2.1实验平台的总体设计4
2.2硬件部分选型4
2.3软件部分设计8
2.3.1 Sherlock9
2.3.2 Microsoft Visual Studio Enterprise 20159
2.3.3 三菱MX 4.149
3.相机变焦技术10
3.1变焦技术概述10
3.2相机变焦技术实现10
4.二维码识别技术13
4.1总体设计思路13
4.2二维码识别技术实现14
5.集成封装Winform UI界面18
5.1总体设计思路18
5.2程序运行界面设计18
5.3视觉设置界面设计20
5.4权限切换功能设计22
6.相机变焦识别结果调试23
6.1 PC与PLC通讯23
6.2变焦识别结果调试24
7.总结与展望27
7.1论文工作总结27
7.2今后展望27
参考文献28
附录29
致谢36 *好棒文|www.hbsrm.com +Q: @351916072@
1.引言
1.1机器视觉的国内外发展概述
20 世纪 60 年代，机器视觉的概念正式在全球范围内首次提出，各行各业逐渐深入研究；20 世纪 70 年代，完整的视觉理论现世，初步发展。伴随出现了视觉运动系统的简单应用及传感器提供的清晰图像；20 世纪 80 至 90 年代，机器视觉进入蓬勃发展阶段，处理器以及图像处理技术为机器视觉的高速发展奠定了基础条件。21 世纪后，机器视觉技术渐渐走向成熟，机器视觉产品得到了广泛应用。
中国机器视觉处于快速成长期。国内机器视觉起步于上世纪80年代的技术引进，半导体和电子行业是应用较早的行业。2006年以前，国内机器视觉产品规模较小，主要应用集中在外资制造企业。虽起步较晚，但得益于下游行业应用广泛，目前已成为继日本和美国之后的第三大市场。
从市场规模来看，中国机器视觉行业目前仍处于工业机器人的关键发展拐点，未来空间不可限量。随着各行各业智能化、自动化程度的不断深入，未来五年机器视觉市场将继续增长，预计2018年将达到200亿规模。中国高精度制造自动化生产线稳步增长，机器视觉正快速取代传统的人工视觉。从行业数量来看，中国的国际机器视觉品牌已超100家，国内企业超过102家；产品代理商超过200家，专业集成系统商超过50家，涵盖从光学镜头、图像采集卡、光源以及智能相机几乎所有机器视觉产业链。
1.2相机识别变焦所面临的挑战及趋势
需要面对的一个重要的挑战是怎样更好地利用小规模训练数据。虽然利用大量标记数据在各项任务中都收获成功，但现有的技术因为只有很少的实例标注可用而在小数据情景中崩溃，在实际应用中需慎重考虑。另一个极端是利用超大规模数据有效地提高算法识别的性能。对于新兴的自动驾驶技术，图像识别的出错成本非常高。因此，研究者们创造出了十分庞大的包含了数以亿计的带有丰富标注图像的数据集，希望通过利用这些数据使模型的准确度显著提高。
然而，超大规模数据并不能很好地适用于目前的算法。在包含3亿张标注图片的JFT数据集上，各种深度网络的性能随着训练数据量的增加，仅仅表现对数级的提升。继续增加训练数据所带来的收益变得愈加不明显，这是一个有待解决的重要问题。
获得对场景的更广泛的理解将帮助机器人交互应用，因为这些应用通常需要物体位置和标记以外的信息。任务不仅涉及到感知场景，而且还需要认知理解现实世界。任重而道远！值得一提的挑战是网络设计自动化。近年来，图像识别这一领域的重心从更好地特征设计转向为更新的网络架构。但架构设计是冗长乏味的过程，需要有经验的工程师花费大量的时间和精力调优元素，处理参数。
1.3课题的目的和意义
随着科学技术的日新月异以及电子数码产品的更新换代，当下推出的智能手机愈加注重拍照性能和用户的体验。从原先的300、500万像素，经历了双摄、三摄，如今来到了四摄千万像素级别的时代，广角、长焦这类的专业术语逐渐被人们听闻。然而不仅在手机行业，单反等专业相机也不甘落后，在镜头等各方面精益求精，共同打造出现在的辉煌时代。
但万变不离其宗，无论如何发展，核心还是变焦和识别技术。变焦是通过物体、镜头和焦点三方的位置发生变化而产生的。当成像面水平方向运动，焦距和视角发生变化，更远的景物变得更清晰。在计算机视觉领域，如PASCAL VOC检测物体基准测试中，检测器性能从平均准确率30%飙升到了如今超90%。图像分类领域，在极具挑战性的ImageNet数据集上，先进算法的表现甚至超过了人类。
机器视觉是新兴人工智能领域迅速崛起的一个分叶。简而言之，机器视觉是用机器替代肉眼进行衡量和决策。机器视觉系统是通过图像摄取装备（分CCD和CMOS两种)将摄取目标转化为图像信号，传递特定的图像处理系统，得到目标的信息形态，根据像素分列和颜色、亮度等信息，转化为数字信号;对信号处理抽取特征，进而根据识别特征控制设备动作。
目 录
1.引言1
1.1机器视觉的国内外发展概述1
1.2相机识别变焦所面临的挑战及趋势1
1.3课题的目的和意义2
1.4课题主要研究内容2
2.相机变焦与识别平台搭建4
2.1实验平台的总体设计4
2.2硬件部分选型4
2.3软件部分设计8
2.3.1 Sherlock9
2.3.2 Microsoft Visual Studio Enterprise 20159
2.3.3 三菱MX 4.149
3.相机变焦技术10
3.1变焦技术概述10
3.2相机变焦技术实现10
4.二维码识别技术13
4.1总体设计思路13
4.2二维码识别技术实现14
5.集成封装Winform UI界面18
5.1总体设计思路18
5.2程序运行界面设计18
5.3视觉设置界面设计20
5.4权限切换功能设计22
6.相机变焦识别结果调试23
6.1 PC与PLC通讯23
6.2变焦识别结果调试24
7.总结与展望27
7.1论文工作总结27
7.2今后展望27
参考文献28
附录29
致谢36 *好棒文|www.hbsrm.com +Q: @351916072@
1.引言
1.1机器视觉的国内外发展概述
20 世纪 60 年代，机器视觉的概念正式在全球范围内首次提出，各行各业逐渐深入研究；20 世纪 70 年代，完整的视觉理论现世，初步发展。伴随出现了视觉运动系统的简单应用及传感器提供的清晰图像；20 世纪 80 至 90 年代，机器视觉进入蓬勃发展阶段，处理器以及图像处理技术为机器视觉的高速发展奠定了基础条件。21 世纪后，机器视觉技术渐渐走向成熟，机器视觉产品得到了广泛应用。
中国机器视觉处于快速成长期。国内机器视觉起步于上世纪80年代的技术引进，半导体和电子行业是应用较早的行业。2006年以前，国内机器视觉产品规模较小，主要应用集中在外资制造企业。虽起步较晚，但得益于下游行业应用广泛，目前已成为继日本和美国之后的第三大市场。
从市场规模来看，中国机器视觉行业目前仍处于工业机器人的关键发展拐点，未来空间不可限量。随着各行各业智能化、自动化程度的不断深入，未来五年机器视觉市场将继续增长，预计2018年将达到200亿规模。中国高精度制造自动化生产线稳步增长，机器视觉正快速取代传统的人工视觉。从行业数量来看，中国的国际机器视觉品牌已超100家，国内企业超过102家；产品代理商超过200家，专业集成系统商超过50家，涵盖从光学镜头、图像采集卡、光源以及智能相机几乎所有机器视觉产业链。
1.2相机识别变焦所面临的挑战及趋势
需要面对的一个重要的挑战是怎样更好地利用小规模训练数据。虽然利用大量标记数据在各项任务中都收获成功，但现有的技术因为只有很少的实例标注可用而在小数据情景中崩溃，在实际应用中需慎重考虑。另一个极端是利用超大规模数据有效地提高算法识别的性能。对于新兴的自动驾驶技术，图像识别的出错成本非常高。因此，研究者们创造出了十分庞大的包含了数以亿计的带有丰富标注图像的数据集，希望通过利用这些数据使模型的准确度显著提高。
然而，超大规模数据并不能很好地适用于目前的算法。在包含3亿张标注图片的JFT数据集上，各种深度网络的性能随着训练数据量的增加，仅仅表现对数级的提升。继续增加训练数据所带来的收益变得愈加不明显，这是一个有待解决的重要问题。
获得对场景的更广泛的理解将帮助机器人交互应用，因为这些应用通常需要物体位置和标记以外的信息。任务不仅涉及到感知场景，而且还需要认知理解现实世界。任重而道远！值得一提的挑战是网络设计自动化。近年来，图像识别这一领域的重心从更好地特征设计转向为更新的网络架构。但架构设计是冗长乏味的过程，需要有经验的工程师花费大量的时间和精力调优元素，处理参数。
1.3课题的目的和意义
随着科学技术的日新月异以及电子数码产品的更新换代，当下推出的智能手机愈加注重拍照性能和用户的体验。从原先的300、500万像素，经历了双摄、三摄，如今来到了四摄千万像素级别的时代，广角、长焦这类的专业术语逐渐被人们听闻。然而不仅在手机行业，单反等专业相机也不甘落后，在镜头等各方面精益求精，共同打造出现在的辉煌时代。
但万变不离其宗，无论如何发展，核心还是变焦和识别技术。变焦是通过物体、镜头和焦点三方的位置发生变化而产生的。当成像面水平方向运动，焦距和视角发生变化，更远的景物变得更清晰。在计算机视觉领域，如PASCAL VOC检测物体基准测试中，检测器性能从平均准确率30%飙升到了如今超90%。图像分类领域，在极具挑战性的ImageNet数据集上，先进算法的表现甚至超过了人类。
机器视觉是新兴人工智能领域迅速崛起的一个分叶。简而言之，机器视觉是用机器替代肉眼进行衡量和决策。机器视觉系统是通过图像摄取装备（分CCD和CMOS两种)将摄取目标转化为图像信号，传递特定的图像处理系统，得到目标的信息形态，根据像素分列和颜色、亮度等信息，转化为数字信号;对信号处理抽取特征，进而根据识别特征控制设备动作。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/1149.html
