3视觉反应时的测量

视觉反应时的测量

摘要：本实验通过计算机向被试呈现4种颜色圆的视觉材料，要求被试根据给与的刺激按键，以测定其简单反应时、选择反应时和辨别反应时，了解各反应时之间的区别及它们在信息加工过程研究中的应用。被试为华东师范大学本科二年级的10名学生（5男5女）。结果发现是否优势手和练习效应对反应时无影响，性别差异对选择和辨别反应时有影响。

关键词：简单反应时选择反应时辨别反应时

1.引言

反应时，是指刺激施于有机体之后到明显反应开始所需要的时间。反应时是心理学研究中最重要的反应变量和指标之一，反应时的测量是心理学研究中技术要求最为精细的工作之一，细微的疏忽都可能导致无效的实验结果。

简单反应时又称A 反应时。是指呈现单一刺激，要求被试立即做出固定反应的时间。由于这种反应时间是感知到刺激就立即做出反应，中间没有其它的认知加工过程，因此也称为基线时间。任何复杂刺激的反应时间都是由简单反应时和其它认知加工过程所需时间合成的。

选择反应时又称B反应时。指的是测试中呈现的刺激不止一个，对每一个随机呈现的刺激要求被试作出相应的反应。有研究表明，人类在对特定的刺激作出特定的动作或反应前，在大脑内有一个信息加工过程，又称心理潜伏期。在复杂任务中，心里潜伏期可划分为：（1）刺激识别阶段；（2）选择反应阶段；（3）反应组织阶段和反应执行阶段。选择反应时的研究对理解人类对复杂信息的认知加工过程有重要的意义。影响选择反应时的因素是复杂的。年龄、性别、疲劳等因素都会对选择反应时产生影响。此外，选择反应刺激的数目越多，则反应时间越长；选择的任务越复杂，则反应时间亦越长。

辨别反应时又称C反应时，指的是在测试中呈现的刺激为两个或多个，要求被试只对其中一个刺激作出反应，而对其他刺激则不作反应。根据唐德斯的减数法，用被试的辨别反应时的时间减去被试简单反应时的时间就是其辨别时间。影响辨别反应时的因素主要有：（1）呈现的刺激数目。数目增加，个体的辨别反应时可能会有增加的趋势。（2）刺激的物理特征，如形状、大小、颜色等。（3）辨别反应的数目。另外年龄、性别、疲劳等也会影响个体的辨别反应时。

本实验通过计算机呈现的视觉实验材料，测定视觉简单反应时、选择反应时和辨别反应时，学习视觉反应时的测定方法及仪器的使用、材料的整理计算及探讨影响反应时的因素。

2.方法

2.1被试：华东师范大学本科二年级10名学生，其中男女各5人

2.2仪器：计算机及PsyTech心理实验系统

材料：直径为100像素的4种颜色（红、黄、绿、蓝）圆

2.3程序

简单反应时部分：

1．登录并打开PsyTech心理实验软件主界面，选中实验列表中的“视觉简单反应时”。单击呈现实验简介。点击“进入实验”到“操作向导”窗口。实验者可进行参数设置（或使用默认参数），然后点击“开始实验”按钮进入指导语界面。可先进行练习实验，也可以直接

点击“正式实验”按钮开始。

2．指导语如下：这是一个视觉简单反应时实验。请你使用2号反应盒，端坐屏幕前，手指放在红色键上（注意不要下压），眼睛注视屏幕。当出现“预备”时你要准备反应，一旦出现颜色圆立即按反应键，要求反应又快又准。程序将自动记录抢按和按错的次数。每10次为一组，抢按则本组重做，两组之间可稍事休息。当你明白了上述实验步骤后，可以先进行一组练习。练习结束后点击“正式实验”按钮开始。

3．实验开始每次呈现刺激前屏幕出现“预备”，时间为2秒。为保障数据的有效性，防止被试抢按，预备时间设置为±0.2秒随机化，即预备时间在1.8～2.2秒之间随机分布。若出现抢按，则程序显示警告信息，本组（10次）实验重新做，程序记录抢按次数。被试每次做出按键反应后。自动进入下一次实验，直至做完设定的次数。

4．实验结束，数据被自动保存。实验者可直接查看结果，也可换被试继续实验，以后在主界面“数据”菜单中查看。

选择反应时部分：

1．登录并打开PsyTech心理实验软件主界面，选中实验列表中的“视觉选择反应时”。单击呈现实验简介。点击“进入实验”到“操作向导”窗口。实验者可进行参数设置（或使用默认参数），然后点击“开始实验”按钮进入指导语界面。可先进行练习实验，也可以直接点击“正式实验”按钮开始。

2．指导语如下：这是一个不同颜色刺激的选择反应时实验。请你使用2号反应盒，端坐屏幕前，用优势手放在反应盒上。眼睛注视屏幕。当出现“预备”时，你要准备反应。并根据屏幕呈现的不同颜色，按相对应的颜色键，要求反应又快又准。程序将自动记录抢按和按错的次数。当你明白了上述实验步骤后，可以先进行练习，练习结束后点击下面的“正式实验”按钮开始。

3．实验开始，每次呈现刺激前屏幕上先出现“预备”，然后随机呈现4种颜色圆（各种颜色呈现次数相等）。被试根据呈现作出相应选择反应。若出现抢按或选择错误则程序自动记录次数，且按错的反应时不参与统计平均。被试每次做出反应后，自动进入下一次实验，直至做完设定的次数。

4．实验结束，数据被自动保存。实验者可直接查看结果，也可换被试继续实验，以后在主界面“数据”菜单中查看。

辨别反应时部分：

1．登录并打开PsyTech心理实验软件主界面，选中实验列表中的“视觉辨别反应时”。单击呈现实验简介。点击“进入实验”到“操作向导”窗口。实验者可进行参数设置（或使用默认参数），然后点击“开始实验”按钮进入指导语界面。可先进行练习实验，也可以直接点击“正式实验”按钮开始。

2．指导语如下：这是一个不同颜色刺激的视觉辨别反应时实验。请你使用2号反应盒，端坐屏幕前，用优势手放在反应盒上。眼睛注视屏幕，当出现“预备”时，你要准备反应。当出现有效刺激颜色圆时你就反应，按对应颜色键，要求反应又快又准。程序将自动记录抢按和按错的次数。当你明白了上述实验步骤后，可以先进行练习，练习结束后点击下面的“正式实验”按钮开始。

3．实验开始，每次呈现刺激前屏幕上先出现“预备”，然后随机呈现4种颜色圆（每种颜色呈现次数相等）。被试只对事先设定的颜色即有效刺激作出反应，若出现抢按或选择错误则程序自动记录次数，且按错的反应时不参与统计平均。被试每次做出反应后，自动进入下一次实验，直至做完设定的次数。

4．实验结束，数据被自动保存。实验者可直接查看结果，也可换被试继续实验，以后在主

界面“数据”菜单中查看。

3.结果

3.1简单反应时

3.1.1每个被试的平均反应时及标准差

表1：每个被试的平均反应时及标准差

被试一被试二被试三被试四被试五被试六被试七被试八被试九被试十

平均值标准差236.75 157.30 218.50 311.94 188.85 211.50 205.55 225.70 208.00 290.50 132.73 36.33 55.81 128.61 45.91 16.45 42.49 37.22 30.80 79.13

（前五个被试为男性，后五个被试为女性）

3.1.2性别差异对平均反应时的影响

表2：独立样本t检验男女被试的简单反应时

F值相伴概率t值自由度df 概率(双侧)

7.67 .006 -.706 144.056 .482

F=7.67,P=0.006<0.05,所以方差不齐。经双侧t检验，P=0.482>0.05，无显著差异。所以可认为男女被试间的平均反应时无显著差异。

3.1.3优势手和非优势手对反应时的影响

表3：配对t检验是否优势手的简单反应时

t值自由度df 概率(双侧)

-1.832 59 .072

P=0.072>0.05，差异无显著性意义。所以可认为，是否优势手对简单反应时无显著性差异。

3.2选择反应时

3.2.1计算个人不同颜色光的选择反应时的平均数和标准差（被试8）

表4：被试8对不同颜色光的选择反应时

红色黄色绿色蓝色

平均数601.10 564.80 665.10 546.50

标准差149.61 180.58 130.63 155.98

3.2.2性别差异对选择反应时的影响

表5：独立样本t检验不同性别的选择反应时

F值相伴概率t值自由度df 概率(双侧)

7.701 .006 -6.748 370.525 .000

F=7.701,P=0.006<0.05,所以方差不齐。经双侧t检验，P=0.000<0.05，差异显著。所以可认为男女被试间的选择反应时有显著差异。

3.2.3简单反应时与选择反应时的相关性分析

表6：简单反应时和选择反应时的相关系数和显著性水平

视觉测量系统技术及应用

视觉测量系统技术及应用 1 引言基于计算机的视觉检测系统是指通过计算机视觉产品将被摄取目标转换成图像信号，传送给图像处理系统，图像处理系统再根据像素分布和亮度、颜色等信息，转变成数字化信号，计算机图像系统对这些信号进行复杂运算来抽取目标的特征，进而根据判别的结果来控制设备动作。它具有非接触、速度快等优点，是一种先进的检测手段，非常适合现代制造业。可用于视觉检测的试验原理很多，如纹理梯度法、莫尔条纹法、飞行时间法等，然而诸多测试原理中，尤其基于三角法的主动和被动视觉测量原理具有抗干扰能力强、效率高、精度合适等优点，非常适合在线非接触测量。本文主要从视觉测量系统在实际中应用出发，展示视觉检测技术在制造业中的广阔应用[1-4]。 2 视觉测量系统技术的应用 2.1 汽车车身视觉检测系统在汽车制造过程中，车身上总有很多关键的三维尺寸进行测量，采用传统的三坐标测量机只能离线抽样检测，效率低，更不能满足现代汽车制造在线检测的需要，而视觉检测系统能很好的适应该需要，典型的汽车车身视觉检测系统如图1所示[5]。图1 车身视觉检测系统车身检测系统主要依靠的是数个视觉传感器，其中还包括传送机构、定位机构，计算机图像采集、网络控制部分。每个传感器对应一个被测区域，然后通过传输总线传至计算机，通过计算机对每个视觉传感器进行过程控制。汽车车身检测系统的测量效率很高，精度式中，并且可以在完全自动情况下完成，这个包含几十个测点的系统都能再几分钟内测量完成，因此可以适应汽车制造的在线检测。而且传感器的布置可以根据不同车型来布置，增加了应用要求，

因此减少了车身视觉系统的维护费用。 2.2 拔丝模孔形视觉检测系统使用计算机视觉检测技术开发出的拔丝模孔形检测系统由光学成像系统、工业用摄像机图像采集卡、计算机及监视器组成，可以解决生产实际中的模具孔形检测问题．工作原理如下：先采用注入硅胶方法获得反映待检拔丝模尺寸及形状的硅胶凸模，然后把硅胶凸模放在光学系统的载物台上．硅胶凸模经光学成像放大，成像于CCD像面上，然后用图像采集卡采集CCD图像信息，最后由计算机视觉检测软件完成对孔形尺寸的自动计算，此时图像采集时需要配置特殊的光照系统．系统实现了自动数据采集、处理，实现采样、进样、结果一条龙，形成检测的自动化． 2.3 无缝钢管直线度和截面在线视觉检测无缝钢管是一类重要的工业产品，在反应无缝钢管质量中，钢管直线度及截面尺寸是主要的几何参数。现代工业已经可以实现无缝钢管的大批量大规模生产，并且并无成熟的直线度、截面尺寸高效率的检测系统，主要原因为：无缝钢管空间尺寸大，需要很大的测量空间，一般的检测手段很难实现如此大尺度的检测。然而视觉检测却非常适合无缝钢管及截面尺寸的测量，其测量原理图如图2所示。多个传感器组成了视觉检测系统，传感器的结构光所投射的光平面与被测钢管相交，从而得到钢管的部分圆周，传感器测量圆周在传感器三维空间位置，每一个传感器实现一个截面圆周测测量，然后通过拟合得到截面的圆心和其空间位置，从而实现对无缝钢管截面和直径的测量。图2 无缝钢管在线检测 2.4 视觉测量在逆向工程中的应用逆向工程是针对现有的工件，利用3D数字化测量仪准确快速地测量出轮廓坐标值，并建构曲面，经过编辑、修改后，将图形存档形成一般的CAD/CAM系统，再由CAM所产生刀具的NC加工路径送至CNC加工机制所需模具，或者以快速成型将物品模型制作出来。视觉测量一般使用三种激光光源：点结构光、线结构光、面结构光，图3为使用线结构光测量物体表面轮廓的结构示意图[6]。

机器视觉检测系统简述及系统构成

机器视觉检测系统简述及系统构成 1机器视觉检测的一般模式机器视觉检测的目标千差万别，检测的方式也不尽相同。农产品如苹果、玉米等通常是检测其成熟度，大小，形态等，工业产品如工业零件,印刷电路板通常是检测其几何尺寸，表面缺陷等。不同的应用场合，就需要采用不同的检测设备和检测方法。如有的检测对精度要求高，就需要选择高分辨率的影像采集装置；有的检测需要产品的彩色信息，就需要采用彩色的工业相机装置。正是由于不同检测环境的特殊性，目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大，但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像，再用计算机进行图像处理得到相关检测信息，形成对被测产品的判断决策，最后将该决策信息发送到分拣装置，完成被测产品的分拣。机器视觉检测的一般模式如图1所示：图1机器视觉检测的一般模式 1.1图像获取图像获取是机器视觉检测的第一步，它影响到系统应用的稳定性和可靠性。图像的获取实际上就是将被测物体的可视化图像和内在特征转换成能被计算机处理的图像数据。机器视觉检测系统一般利用光源，光学镜头，相机，图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测视觉检测通过图像处理的方法从产品图像中提取需要的信息，做出结果处理并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测，并最大限度地减少对硬件系统的依赖性，而算法设计不够成熟的机器视觉软件则存在检测速度慢，误判率高，对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理主要依赖于图像处理方法，它包括图像增强,数据编码和传输，平滑，边缘锐化，分割，特征提取，目标识别与理解等内容。 1.3分拣对于一个检测系统而言，最终是要实现次品（含不同种类的次品）与合格品的分离即分拣，这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合，分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种，除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要，必须在设计时予以足够的重视。 2机器视觉检测系统的构成一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。图2典型的机器视觉检测系统 3光源

计算机视觉系统及其应用

课程设计课程名称工业自动化专题题目名称_计算机视觉系统及其应用学生学院_____自动化________ 专业班级______ 学号学生姓名____ 指导教师___________ 2013 年 6月 25日

机器视觉系统及其应用摘要：主要介绍机器视觉系统的概要，简要分析机器视觉的特点、优越性和应用，具体介绍了机器视觉技术在印刷行业、农业、工业、医学中的实际应用，并且分别举例说明。机器视觉的诞生和应用在理论和实际中均具有重要意义。关键词：机器视觉；标签检测；药物检测；水果品质检测；硬币检测。 1. 机器视觉系统 1.1 机器视觉系统简介机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域，它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科。机器视觉系统通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号。机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成。机器视觉系统的优点有：1.非接触测量，对于被检测对象不会产生任何损伤，而且提高了系统能够的可靠性；2.较宽的光谱响应范围，例如使用人眼看不见的红外测量，扩展人眼的视觉范围；3.长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉系统则可以长时间地作测量、分析和识别任务。现在，机器视觉系统在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用，可以说已经深入到我们的生活、生产和工作的方方面面。 1.2 基本原理图 1 是机器视觉系统的基本结构，在一定的光照（包括可见光，红外线甚至超声波等各种成象手段)条件下，成象设备（摄象机，图像采集板等）把三维场景的图像采集到计算机内部，形成强度的二维阵列——原始图象；然后，运用图像处理技术对采集到的原始图像进行预处理以得到质量改善了的图像；其次，运用机器视觉技术从图像中提取感兴趣的特征分类整理；，构成对图像的进一步，运用模式识别技术对抽取到的特征进行描述；最后，运用人工智能得到更高层次的抽象描述。完成视觉系统的任务。图1机器视觉的基本结构

机器视觉测量技术

机器视觉测量技术杨永跃合肥工业大学 2007.3

目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD相机类 2.4 彩色数码相机 2.5 常用的图像文件格式 2.6 照明系统设计第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术第四章标定方法的研究 4.1 干涉条纹图数学形成与特征 4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法第五章立体视觉 5.1 立体成像

5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从x恢复形状的方法 5.6 测距成像第六章标定 6.1 传统标定 6.2 Tsais万能摄像机标定法 6.3 Weng’s标定法 6.4 几何映射变换 6.5 重采样算法第七章目标图像亚像素定位技术第八章图像测量软件（多媒体介绍）第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析附：教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。

第一章绪论 1.1 概述人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。智能机器能模拟人类的功能、能感知外部世界，有效解决问题。人类感知外部世界：视觉、听觉、嗅觉、味觉、触觉眼耳鼻舌身所以对于智能机器，赋予人类视觉功能极其重要。机器视觉：用计算机来模拟生物（外显或宏观）视觉功能的科学和技术。机器视觉目标：用图像创建或恢复现实世界模型，然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备：摄像机、红外线、激光、超声波、X射线、CCD、数字扫描仪、超声成像、CT等数字化设备 2 低层视觉（预处理）：对输入的原始图像进行处理（滤波、增强、边缘检测），提取角点、边缘、线条色彩等特征。 3 中层视觉：恢复场景的深度、表面法线，通过立体视觉、运动估计、明暗特征、纹理分析。系统标定 4 高层视觉：在以物体为中心的坐标系中，恢复物体的完整三维图，识别三维物体，并确定物体的位置和方向。 5 体系结构：根据系统模型（非具体的事例）来研究系统的结构。（某时期的建筑风格— 据此风格设计的具体建筑） 1.3 机器视觉的应用工业检测—文件处理，毫微米技术—多媒体数据库。许多人类视觉无法感知的场合，精确定量感知，危险场景，不可见物感知等机器视觉更显其优越十足。 1 零件识别与定位

视觉检测系统报告样本

年春季学期研究生课程考核 ( 阅读报告、研究报告) 考核科目:视觉测量系统学所在院( 系) :电气工程及自动化学院学生所在学科:仪器科学与技术学生姓名:*** 学号:10S001*** 学生类别:工学硕士考核结果: 阅卷人:

视觉测量系统课程报告第一部分视觉测量系统发展现状综述机器视觉自起步发展到现在, 已有的发展历史。应该说机器视觉作为一种应用系统, 其功能特点是随着工业自动化的发展而逐渐完善和发展的。当前全球整个视觉市场总量大概在60～70亿美元, 是按照每年8.8%的增长速度增长的。而在中国, 这个数字当前看来似乎有些庞大, 可是随着加工制造业的发展, 中国对于机器视觉的需求将承上升趋势。一、机器视觉的定义及特点简言之, 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指经过机器视觉产品( 即图像摄取装置, 分CMOS和CCD两种) 将被摄取目标转换成图像信号, 传送给专用的图像处理系统, 根据像素分布和亮度、颜色等信息, 转变成数字化信号; 图像系统对这些信号进行各种运算来抽取目标的特征, 进而根据判别的结果来控制现场的设备动作。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合, 常见机器视觉来替代人工视觉; 同时在大批量工业生产过程中, 用人工视觉检查产品质量效率低且精度不高, 用机器视觉检

测方法能够大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成, 是实现计算机集成制造的基础技术。正是由于机器视觉系统能够快速获取大量信息, 而且易于自动处理, 也易于同设计信息以及加工控制信息集成, 因此, 在现代自动化生产过程中, 人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。在中国, 这种应用也在逐渐被认知, 且带来最直接的反应就是国内对于机器视觉的需求将越来越多。二、机器视觉在国内外的应用现状在国外, 机器视觉的应用普及主要体现在半导体及电子行业, 其中大概40%～50%都集中在半导体行业。具体如PCB印刷电路: 各类生产印刷电路板组装技术、设备; 单、双面、多层线路板, 覆铜板及所需的材料及辅料; 辅助设施以及耗材、油墨、药水药剂、配件; 电子封装技术与设备; 丝网印刷设备及丝网周边材料等。SMT表面贴装: SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、 SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等; 再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备: 电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用, 而且其产品在应用中占据着举足轻重的地位。除此之外, 机器视觉还用于其它各个领域。而在中国, 以上行业本身就属于新兴的领域, 再加之机器视

机器视觉测量技术

机器视觉测量技术杨永跃合肥工业大学 2007.3 目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD 相机类 2.4 彩色数码相机 2.5 常用的图像文件格式

2.6 照明系统设计第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术第四章标定方法的研究 4.1 干涉条纹图数学形成与特征4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法第五章立体视觉 5.1 立体成像 2 5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从 x 恢复形状的方法 5.6 测距成像

第六章标定 6.1 传统标定 6.2 Tsais 万能摄像机标定法 6.3 Weng ’ s 标定法 6.4 几何映射变换 6.5 重采样算法第七章目标图像亚像素定位技术第八章图像测量软件 (多媒体介绍第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析附:教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。

3 第一章绪论 1.1 概述人类在征服自然、改造自然和推动社会进步的过程中,面临着自身能力、能量的局限性, 因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。智能机器能模拟人类的功能、能感知外部世界,有效解决问题。人类感知外部世界:视觉、听觉、嗅觉、味觉、触觉眼耳鼻舌身所以对于智能机器,赋予人类视觉功能极其重要。机器视觉:用计算机来模拟生物(外显或宏观视觉功能的科学和技术。机器视觉目标:用图像创建或恢复现实世界模型,然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备:摄像机、红外线、激光、超声波、 X 射线、 CCD 、数字扫描仪、超声成像、 CT 等数字化设备 2 低层视觉(预处理 :对输入的原始图像进行处理(滤波、增强、边缘检测 ,提取角点、边缘、线条色彩等特征。 3 中层视觉:恢复场景的深度、表面法线,通过立体视觉、运动估计、明暗特征、纹理分析。系统标定

计算机视觉技术在零件尺寸测量中的应用_王晓翠

计算机视觉技术在零件尺寸测量中的应用王晓翠1,王艳秋1,麻恒阔2 (1.北京航空精密机械研究所,北京100076; 2.A BB电气传动系统有限公司,北京100015) 摘要:介绍了一种应用计算机视觉技术检测机械零件参数的测量方法。以面阵CCD为图像传感器,通过图像采集卡将机械零件的二维图像输入到计算机中。在对原始输入图像进行直方图校正和边缘保持滤波处理后,对得到的较为平滑的零件图像进行边缘检测。利用图像边缘灰度突变的特性,提出了一种结合梯度算子的快速边缘检测方法。并据此计算出零件的各参数值。此种测量方法非常适合于微小、易形变等接触测量难以准确测量的机械零件的参数检测,具有广阔的应用前景。关键词:直方图校正;边缘保持滤波;边缘检测中图分类号:T P391.41文献标志码:A Application of Measurement of Mechanical Accessory Size based on C omputer Vision Technology WA N G Xiaocui1,W AN G Y anqiu1,M A H eng kuo2 (1.Beijing Pr ecision Eng ineering Institut e fo r A ircraft Industr y,Beijing100076,China; 2.ABB Beijing Dr ive Systems Co.,L td,Beijing100015,China) Abstract:T he accessor y parameter measurement met ho d w as presented based on co mputer v ision technolog y.By taking CCD as imag e senso r,the accesso ry image is put into the co mputer via imag e co llection card.T he edge detectio n of smoot her accessor y imag e attained after histo gr am adjusting the or ig inal imag e and holding edg e filter.Co nsider ing the sudden chang e of the gr ay scale o f the image edge,a rapid edge-detectio n technique is pr esented which uses gr adient operato r,and then wo rked o ut t he accesso ry parameters.T his metho d is pr opitio us to measure mechanical accesso ry accur ately,such as m-i nuteness,mo re defo rmable that unfit for tangency measur ement,and has a w ide applicatio n fo reg round. Key words:Histo gr am adjusting,Edge keeping filter,Edg e detectio n 基于图像处理的计算机视觉技术是把被测零件的图像当作检测和传递信息的手段,从中提取有用的信号来获得待测的参数。该测量方法具有非接触、高速度、动态范围大、信息量丰富等优点,非常适合传统方法难以测量的场合,如易变形零件尺寸、微小尺寸及零件孔心距等的测量。本文介绍了一种以CCD作为图像传感器的图像测量系统,并可实现对微小零件的几何量(如薄板零件的小孔和孔心距等)进行自动测量。 1计算机视觉检测系统的构成计算机视觉检测系统是集光学、光电子学、精密机械及计算机技术为一体的综合系统。该测量系统基本上由平行光照明系统、CCD图像采集系统以及相应的图像处理软件组成。为了达到良好的照明效果,并适当提高被测图像的对比度,从而提高图像处理中边缘提取的精度,采用光照均匀的柯拉照明方式,并对被测物进行平行光背光照射。由于被测对象多为板型零件,因而可以较好地利用光照条件提取被测物的有效轮廓,有利于图像测量算法精度的提高。结构框图如图1所示。其工作过程为:将被测零件置于尽可能均匀照明的可控背景前,CCD和图像卡将被测零件图像采集到计算机里,计算机按一定的算法计算出被测物体的几何参数,最后计算机对这些数据进行各种处理,并将结果按一定要求予以显示和存储。图1图像测量系统结构框图 2图像预处理由于光的散射、空间电磁干扰、电路杂波等原因,得到的图像中通常含有如椒盐、脉冲和高斯等噪声。噪声会影响图像质量,造成零件边缘模糊,降低系统测量精度,因此,必须对原始图像进行灰度校正、噪声过滤等预处理。对图像测量系统来说,所用的图像预处理方法可不考虑图像降质,只将图像中感兴趣的部分有选择地突出,衰减不需要的特征。考虑到待测物体参数大多由其外形轮廓决定,本文首先对原始图像进行直方图均衡化处理,然后采用边缘保持滤波算法对图像进行降噪。 2.1直方图修正原始图像的灰度值分布是不均匀的,其灰度值

基于计算机视觉水火弯板的三维测量系统

基于计算机视觉水火弯板的三维测量系统赵猛，王直（江苏科技大学江苏镇江212003）摘要：将激光测量技术和多目视觉照相测量技术相融合，分别发挥激光测量精度高、定位准，照相测量速度快、密度高的特点，研制曲面板三维形状的自动测量以及划线定位系统，实现曲面板上的关键点的位置精确、快速的测量，该系统可基本实现工业船舶行业对曲面板技术的要求，对造船业的发展具有重要的现实意义。关键词：水火弯板；计算机视觉；激光测量；三维测量中图分类号：TP29 文献标识码：A 文章编号：1674－6236（2013）02-0063-04 Three -dimensional measurement system based on computer vision line heating plate ZHAO Meng ，WANG Zhi （Jiangsu University of Science and Technology ，Zhenjiang 212003，China ） Abstract:This article will laser measurement technology and visual camera measuring technology integration ，are played by laser high measuring precision ，accurate positioning ，photographic measurement speed ，high density characteristics ，development of curved plate shape measurement and scribing positioning system ，realize the curved panel on the key points of the position accuracy ，rapid measurement ，the system can realize the basic industry of shipbuilding industry on the curved panel technology requirements ，the development of shipbuilding industry has the important practical significance.Key words:plate bending ；computer vision ；laser measurement ；three-dimensional measurement 收稿日期：2012-09-19 稿件编号：201209139 作者简介：赵猛（1987—），男，山东济南人，硕士研究生。研究方向：复杂系统分析与建模、导航技术应用等。大型曲面板的高精度快速测量及定位自动化，不仅是目前船舶建造所急需的，也是未来船舶建造测量装备发展的必然趋势。传统的研究方法对板子加工后位移大小的计算测量精度都不高，关键原因是在板子上标记具有难度。长期以来，对于船体双曲度外板的加工，国内外造船厂都是依靠有经验的工人采用水火弯板的方法手工作业完成。船体外板曲面的成型加工是船舶制造的关键及重要环节之一。各种船舶的外表面大多都是由复杂的、不可展的空间曲面构成，把钢板加工成这样的曲面，目前在国内外大部分船厂主要还是采用燃气火焰在钢板表面局部进行加热，当加热区达到一定温度后再降温，利用金属的热弹塑性收缩变形原理，以获得良好的整体变形，这就是所说的水火弯板工艺[1]。 1 曲面板测量、定位系统的整体设计与原理 1.1 整体架构图该系统主要是由服务器、工控机、工业照相机、激光扫描机以及传输信号的数据线组成的如图1所示。服务器主要是接受处理伺服控制器的控制信号，通过伺服控制器来控制激光扫描机跟工业摄像机，对曲面板立体拍照、测量，通过嵌入式计算机收集反馈来的控制信号通过比较相机跟激光扫描机的来准确的定位划线装置的位移。 1.2相机成像原理该测量系统采用了4台高分辨率家用单反相机、以及一个高精度激光测量装置，系统将激光与照相相结合进行测量。目前该系统能比较准确地测量曲面板的三维形状，测量精度可以达到±2mm 。根据物理学中光学的原理摄像机成像模型如图2所示[2]。电子设计工程 Electronic Design Engineering 第21卷 Vol.21 第2期No.22013年1月Jan.2013 图1 整体架构图 Fig.1Overall chart 图2 摄像机成像模型 Fig.2Camera imaging model

基于计算机视觉技术的人脸检测系统设计

基于计算机视觉技术的人脸检测系统设计王斌，郭攀，张坤，黄乐（长安大学信息工程学院，陕西西安710064）摘要：通过对基于Haar-like 特征的AdaBoost 人脸检测算法研究，利用由该算法训练的级联分类器和计算机视觉类库OpenCV 进行人脸检测系统设计，实现了基于静态图像、摄像头视频和avi 视频的人脸检测与标记，以及标记后的人脸区域图像实时显示和存盘。此外，在VC++6.0环境下实现了对人脸检测系统软件界面的开发。实验结果表明，该检测系统开发周期短，检测速度快，实时性强，检测率高，可作为人脸识别和人脸跟踪系统的开发基础。关键词：计算机视觉；人脸检测；AdaBoost 算法；Haar-like 特征；OpenCV 中图分类号：TP391.4 文献标识码：A 文章编号：1674－6236（2011）16-0038-04 The design of face detection system based on computer vision technology WANG Bin ，GUO Pan ，ZHANG Kun ，HUANG Le （College of Information Engineering ，Chang ’an University ，Xi ’an 710064，China ） Abstract:Through the research for AdaBoost face detection algorithm based on Haar -like features ，make use of the cascade classifier trained by this algorithm and computer vision library OpenCV to design a face detection system ，realize face detection and mark based on static image ，camera video and avi video ，finish displaying and saving the face region images marked by rectangles real -timely.Besides ，achieve the development of software interface by VC++6.0.The experiment result shows that the face detection system has features of short develop cycle ，rapid detection ，real -time and high detection rate ，which can be used for the bases of face recognition system and face tracking system. Key words:computer vision ；face detection ；AdaBoost algorithm ；Haar -like feature ；OpenCV 收稿日期：2011-06-19 稿件编号：201106084 作者简介：王斌（1985—），男，河南南阳人，硕士研究生。研究方向：信号与信息处理及智能控制。随着计算机技术和数字信号处理技术的快速发展，计算机视觉技术逐渐应运而生，并得到了广泛的应用。OpenCV [1]（Open Source Computer Vision Library ）是由Intel 提供的由一系列C 函数和少量C++类构成的计算机视觉开源软件包，它拥有数百个可实现图像处理和计算机视觉方面的中、高层 API ，可以十分方便地搭建基于计算机视觉技术的静态图像和视频流处理软件平台，可作为二次开发的理想工具。由于基于Haar-like 特征的AdaBoost 人脸检测算法具有检测速度快、实时性强、鲁棒性好等优点，本文采用基于Haar-like 特征的AdaBoost 人脸检测算法和OpenCV 相结合的方法在 VC++6.0软件开发平台上分别对基于静态图像、摄像头视频和avi 视频的人脸检测系统进行设计，实现了从静态图像中检测出人脸并标记出人脸位置、从摄像头视频中实时检测和标记出人脸的位置和从avi 视频中提取检测出有人脸的帧并实时标记人脸，同时还实现了对标记后的人脸区域图像进行实时显示和存盘。 1AdaBoost 人脸检测算法人脸检测的目的就是把静态图像或视频帧中的人脸区域和非人脸区域区分开。Viola 等人提出的人脸检测方法是一种基于积分图、级联分类器和AdaBoost 算法的方法，该方法可分为以下3个步骤实现[2]。 1）使用Haar-like 特征表示人脸，并采用一种新的图像表示方式—“积分图”快速计算其特征值。 2）利用AdaBoost 机器学习算法挑选出一些最能代表人脸的矩形特征（弱分类器）并按照加权投票的方式将弱分类器构造成一个强分类器。 3）将训练得到的若干个强分类器串联起来构造成一个级联结构的分类器，从而提高分类器的检测速度。 1.1Haar-like 特征用一些简单的矩形特征来表示人脸特征，因其类似于 Viola 等人提出的Haar-like 小波而得名[3]。常用的Haar-like 特征有边缘特征、线性特征和中心特征，如图1所示。其中特征值是指图像上两个或者多个形状大小相同的矩形内部所有像素灰度值之和的差值，在系统中统一采用白电子设计工程 Electronic Design Engineering 第19卷Vol.19第16期No.162011年8月Aug.2011 图1 Haar -like 特征Fig.1 Haar -like features －38－

基于计算机视觉的检测技术

基于计算机视觉的检测技术化工与环境学院董守龙学号：10805001 摘要：计算机视觉检测技术是一个发展迅速、应用广泛的新的技术领域。本文就基于计算机视觉的检测技术进行了概述，介绍了几种典型的应用，包括汽车牌照自动识别技术、特定目标识别技术、生物特征鉴别技术、机器人视觉系统等，并分别就其涉及的主要问题进行了分析。关键词：图像技术；图像处理；计算机视觉；机器人视觉近年来，图像技术受到人们广泛的关注。在人类接收的信息中有80%来自视觉即图像( Image)信息，这是人类最有效和最重要的信息获取、交流方式。随着计算机的普及，人们越来越多地利用计算机帮助人类获取与处理视觉（图像）信息。图像技术就是对视觉图像获取与加工处理技术的总称。根据抽象程度和处理方法的不同，图像技术可分为三个层次：图像处理、图像分析和图像理解。这三个层次的有机结合也称为图像工程。图像处理是较低层的操作，主要在图像象素级上进行处理。比较狭义的图像处理主要包括对图像分割以改善视觉效果，或对图像压缩编码以减少传输时间或存储容量。图像分析则是进入中层的操作，分割和特征提取是把原来以象素描述的图像转变成简洁的非图形形式的符号描述。即图像分析是一个图像进而数据出的处理，数据可以是对某一特征测量所得的结果，或是基于测量的符号表示。图像理解也经常被称为计算机视觉，主要是高层操作。图像理解进一步研究图像中的目标和它们之间的联系，其处理过程和方法与人类的思维推理有不少类似之处。随着计算机的普及和大规模集成电路技术的发展，计算机视觉检测技术（AVI）实现成本已大大降低，并得到广泛应用。计算机视觉的应用领域主要包括对照片、视频资料如航空照片、卫星照片、视频片段等的解释、精确制导、移动机器人视觉导航、医学辅助诊断、工业机器人的手眼系统、地图绘制、物体三维形状分析与识别及智能人机接口等。下面将就一些主要的重点应用展开介绍。 1 汽车牌照自动识别技术近年来交通问题引发的关注越来越多，智能交通系统（Intelligent Transportation System，ITS）的研究也越发广泛而深入。汽车牌照识别（License Plate Recognition，LPR）技术作为智能交通系统的关键技术，在交通流量监测、交通诱导控制、路桥收费、违章车辆监控等方面有着广泛的应用前景，对实现交通事业现代化有着重大意义。汽车牌照自动识别系统以车牌号码自动识别为基础，可以对车辆进行自动验证、监视和报警。车牌识别系统集中了先进的光电、计算机控制、图像处理、模式识别、远程数据访问等技术，可以实现对监控路面过往的每一辆机动车的特征图像和车辆全景图像的全天候实时记录，计算机可以根据所拍摄的图像进行牌照自动识别。

基于计算机视觉的水果分级检测系统的设计

基于计算机视觉的水果分级检测系统的设计摘要计算机视觉应用于水果的品质检测，带来了许多方便。既可以提高检测的精度、准确度。又节省了大量的劳动力，让人们从繁重的人工检测工作中解脱出来。本文以苹果为研究对象，研究了计算机视觉技术应用于水果分级检测的基本理论和方法。研究了苹果图像的预处理，包括平滑滤波、图像的灰度化以及图像的二值化。研究了苹果的大小检测。先把苹果图像与背景分离，再计算出苹果图像的像素点数，通过预先测定出的一个像素点与真是面积的比值，进而算出苹果的真是面积，最后通过直径的大小来确定苹果大小等级。研究了苹果的颜色检测，通过HIS颜色模型中的H分量来判定出苹果的着色面积，通过着色面积与苹果的大小做比，得出苹果的着色比，通过着色比来判定苹果颜色等级。研究了苹果的缺陷检测。对苹果图像的灰度化，再通过用合适的阀值二值化图像确定出缺陷区域，在通过一些简单的运算得出缺陷的面积，通过缺陷的面积确定苹果的缺陷等级。关键词：计算机视觉，图像处理，水果分级 The Design of Fruit Grading Detection System Based on

Computer Vision ABSTRACT Computer vision applied to fruit quality inspection, brought a lot of convenience. Can enhance the detection accuracy. And save a lot of people's labor from the heavy manual inspection work in earnest. So today I will introduce the basic theory and methods of a technology which can detect fruit ,this technology takes apple as the research object . Apple image preprocessing, including filtering, the grayscale of the image and the binarization of images. The size of the detection of apple. Departing apple's image and background first, secondly ,calculate the number of the apple image's pixels. Thirdly ,calculate the area of the apple in real through the predetermined ratio of a pixel area and its real area.Finally,determine the apple's size class through diameter . The color of apple detected by its color model HIS.We use the component H in HIS model to determine apple's colored area, through the ratio of the colored area's size and the apple's size in real we can find out the color ratio. So we can determine the class of color through color ratio. The apple defect detection.We should make out the grayscale image of the apple at first, and then by using the appropriate threshold of the binary image to determine the defect area, so we can draw out the area of the detection through some simple operations .Finally we can determine the defect level of this apple through the area of detection. Key words:Computer vision, image processing, fruit grading

三维尺寸视觉测量系统

现代计量测试1999年第1期三维尺寸视觉测量系统邾继贵　王王　仲　叶声华 (天津大学精密测试技术及仪器国家重点实验室,天津　300072) 摘要:视觉测量技术是一种先进的非接触测量手段,具有系统组成灵活、工作空间大、精度合适、自动化程度高等特点,非常适合工业现场的在线测量与质量监控。本文分析视觉测量的原理及视觉测量系统的组成,研究了一个实际的视觉测量系统。关键词:三维尺寸　视觉测量 0　引言视觉测量是采用摄像机作为传感器件,借助计算机强大的数据处理能力实现对物体(物点)空间位置的测量。较大规模的视觉测量系统一般由多个视觉传感器组成,以完成大空间范围内的测量,要解决的主要问题有视觉传感器的设计、传感器的局部标定和系统全局标定等。如果被测空间较小,一个传感器应可以组成视觉测量系统,此时局部标定和全局标定是统一的。视觉传感器的具体结构很灵活,由被测对象来决定,但它们的测量原理是一致的。 1　视觉测量原理 111　视觉传感器测量原理本质上讲,视觉传感器是基于三角测量原理的,图1示出了光条传感器的测量原理。图1　光条传感器测量原理由投射器投射出一个光平面,它与被测物体表面相交形成光条,将物体表面与光条相交的某点记为P w ,该点在摄像机象面上象点为P i 。设摄像机坐标系为OXYZ ,P i 在象面上的坐标为(x i ,y i ),P w 在 OXYZ 中的坐标为(x w ,y w ,z w ),图1中存在下列关系x i =f x (x w ,y w ,z w )y i =f y (x w ,y w ,z w )(1)式中f x ,f y 是由摄象机成像模型所决定的函数。如果选择透视成像模型,则 f x =x w z w f f y =y w z w f 其中,f 为摄像机焦距。此外,因为P w 在光平面内,所以存在如下约束

机器视觉检测系统

机器视觉检测系统 1机器视觉检测的一般模式机器视觉检测的对象千差万别，检测的目的也不尽相同。农产品如柑橘、玉米等通常是检测其成熟度，大小，形态等，工业产品如工业零件,印刷电路板通常是检测其几何尺寸，表面缺陷等。不同的应用场合，就需要采用不同的检测设备和检测方法。如有的检测对精度要求高，就需要选择高分辨率的影像采集装置；有的检测需要产品的彩色信息，就需要采用彩色的影像采集装置。正是由于不同检测环境的特殊性，目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大，但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像，再用计算机进行图像处理得到相关检测信息，形成对被测产品的判断决策，最后将该决策信息发送到分拣装置，完成被测产品的分拣。机器视觉检测的一般模式如图1所示：图1 机器视觉检测的一般模式 1.1图像获取图像获取是机器视觉检测的第一步，它影响到系统应用的稳定性和可靠性。图像的获取实际上就是将被测物体的可视化图像和内在特征转换成能被计算机处理的图像数据。机器视觉检测系统一般利用光源，光学镜头，相机，图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测视觉检测通过图像处理的方法从产品图像中提取需要的信息，做出决策并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测，并最大限度地减少对硬件系统的依赖性，而算法设计不够成熟的机器视觉软件则存在检测速度慢，误判率高，对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理主要依赖于图像处理方法，它包括图像增强,数据编码和传输，平滑，边缘锐化，分割，特征提取，目标识别与理解等内容。 1.3分拣对于一个检测系统而言，最终是要实现次品（含不同种类的次品）与合格品的分离即分拣，这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合，分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种，除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要，必须在设计时予以足够的重视。 2机器视觉检测系统的构成一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。图2 典型的机器视觉检测系统