1樓：西山柿子
正好在關注機器視覺在遠距離監測、測量的應用。列舉下採用視覺感測時，可能會影響到測量系統精度的因素。
1，成像系統的畸變
成像系統的畸變也稱之為系統幾何畸變誤差，該誤差會使中心投影射線產生彎曲。不管任何光學透鏡都有一定的孔徑和視場，因此實際光學透鏡組均無法使成像嚴格滿足針孔成像模型，也就是不可避免的存在透鏡像差；攝像機的焦距變化對畸變像差影響較大，一般來講攝像機鏡頭在邊緣處會有較大的畸變像差，特別是短焦距的廣角鏡頭，鏡頭畸變像差會變得更加大。
2，系統雜訊
系統雜訊是指影象在成像、數位化和傳輸過程中灰度受到影響。這些雜訊造成影象上的畫素灰度值不能正確的反映空間物體對應點的光強值，進而降低影象的質量，造成影象定位測量精確度降低。成像系統的雜訊干擾主要有兩種：
影象感測器產生的雜訊和影象採集卡的畫素抖動。
3，大氣
大氣抖動是由於大氣不同溫度、氣壓、光照等因素下密度變化、抖動等引起的湍流使光波的波前發生變化，影響光的傳播路徑，發生低階抖動和高階變形，使成像模糊變形。當光在遠距離傳播時，這種影響將不能忽略。當距離大於20~30m時，這一影響已達到公釐量級，對於某些攝影測量將會產生不可忽略的影響。
大氣的影響主要來自大氣湍流和氣溶膠。光線在大氣中傳播時會產生閃爍、物象抖動等間歇性的現象。此外氣溶膠例如霧、霾和雨滴的影響主要是吸收和散射。
大氣抖動的影響不僅僅侷限於數字攝影測量系統，對所有以光為手段的測量都會存在，這種影響在夏季強日曬條件下表現得尤為突出。例如，即使是專門用於精確測量的經緯儀，在觀察幾十公尺以外的標尺時，標尺發生抖動，就需要人工加以判斷消除大氣抖動的影響。
4，對焦
對焦不清楚會影響相機獲取的影象質量，從而影響到計算結果。一般對焦不清楚引起的誤差有以下兩種情況：
其一是，對焦誤差。即測量過程中，依靠手動調節鏡頭和標靶進行對焦，這種調焦方式主要靠人眼判斷，主觀成分大，肉眼難以實現對焦完全精準，進而產生對焦誤差。這種對焦誤差使採集到的影象清晰度達不到要求，造成計算結果失真。
其二是，在對焦完成後，測量過程中被測目標處於運動狀態，造成拍攝到的影象失焦。通常在實際工程中由於這種情況引起的誤差比較小，因為目標運動的位移範圍會比較小。
5，測量系統的安裝
測量系統的測量工作是以儀器架設為基準的，要想得到精度較高的測量結果就必須在測量過程中需要確保相機絕對穩定。但是實際工程環境中往往會存在很多外界干擾。
比如裝置周邊的來往行人、過往的車輛引起振動，以至於強風的作用下都可能造成支架發生輕微的晃動。這些因素引起的誤差將會對最終測量結果造成極大的影響，因此在實際操作中需要嚴格控制這些因素對儀器的影響。除此之外，儀器本身機械結構的設計也可能造成儀器發生水平位移或扭轉角，這也需要加以防範，避免其影響到測量結果的準確度。
6，標靶轉動
標靶是人工安裝在被測物體表面的，難以保證標靶與測點所在水平面處於乙個平面內。當標靶與光軸垂直，而與測點所在水平面有一定夾角時，對測點的總位移沒有影響，但會對其水平和豎直方向的位移造成一定的偏差。
2樓：sky kao
視覺行業學是有很多坑的,在視覺待了這麼久,非標定製化的案例往往更多,小企業又捨不得成本,那問題就是一直拖著,在他們眼裡覺得人眼能識別的,機器視覺都要識別,其實這是不可能的,眾多定製化的視覺案例,導致了沒有巨頭的誕生, 小公司依然有存活的餘地,上市公司大華,海康從安防領域開始涉足機器視覺領域,到時候又會掀起國內品牌在硬體上的一種風波啊.
3樓：basicbeyond
閒聊一些~~
1、不要奢想機器視覺能夠搞定所有檢測應用。只在某些方面能夠代替人工做重複勞動並提高檢測效率及精度。
2、如果必須考慮使用機器視覺，很多場合需要調整現有操作方式、環境，原則就是採取一切手段盡量保證機器視覺採集到的影象穩定、簡單、對比度好，如果做不到這一點，則要考慮放棄機器視覺檢測手段。不要天馬行空地炫耀多麼多麼複雜的視覺演算法，這不是科研，這是實際應用。否則投入和產出不成正比，甚至沒有產出！
4樓：
從屬性上講，視覺是所有感覺中最為直觀地反映事物特性的官能。而事物的特性所包含的方面就足夠多了：面積，長度，數量，顏色，光照，紋理，運動，靜止，分割，趨勢等等。
所以這也就決定了機器視覺所要關注的方向和領域是全方面的。
所以，從底層來講，機器視覺第乙個問題或者說要有所突破的首先要關注【底層視覺與感知】。也就是東西的外在。這其中複雜的資料量，冗餘的各類資訊，都需要盡可能多的捕捉到。
所以高效能的CCD或者CMOS感光元件還需要有進一步發展，相對來說更精確的檢測元件也是十分必要的，要保證能夠獲得高精確度和高對比度的影象和底層視覺感知資料。畢竟只有底層完整的取樣才能有後一步的識別檢測和建模。硬體的精度始終是機器視覺領域的敲門磚
第二個重要方面是在完整的底層取樣之後，【基於影象的物理建模】，和數學建模不同的是，基於影象的物理建模涉及到立體視覺與運動結構的重構，這裡面不僅僅是構建乙個普適性演算法的問題，可能還需要立體結構學，神經生物學，心理物理學，資料統計學科等多學科的交叉。比如蘋果iPhone5S當下最熱的指紋識別，也是首先由元件採集指紋資訊，然後構建物理模型。而其中神經生物學知識必不可少。
往更廣層面上講，醫療影象分析、智慧型交通的空間動態管理、大型構件的光電檢測等等，凡是基於影象的機器視覺問題，都需要建立相關的物理模型，此間千變萬化的庫變化需要有更高效、更普適性的演算法與資料結構的支撐。軟體的高效與普適決定機器視覺的廣度
第三個問題是【精確識別與模糊特徵】的智慧型取捨。理論上有高精度的硬體與高效的演算法，機器視覺相對來說就能到達乙個很高的適用度。但是機器與人類的差異在於智慧型的判斷，也就是在精確識別與模糊特徵之間進行智慧型取捨。
舉乙個簡單的例子，如果以人眼視覺識別，20歲的熟人與21歲的同一熟人的差異不足以讓你將他拒之門外。因為你智慧型地摒棄了兩者之間的模糊差異。而如果這扇門是乙個機器視覺識別系統的話，複雜而龐大的資訊流在精確識別與計算的前提下足以分辨20歲的你與21歲的你的差異，而這點差異可能會拒熟人於門外。
這也是機器始終只是機器的原因。精確識別與模糊特徵的取捨反映機器視覺是否智慧型
的確，最後乙個問題也是人工智慧領域長期的困擾，經歷了符號主義學派、行為主義學派、連線主義學派等一系列的發展但都沒有找到令人滿意的答案。如陳東嶽老師所說，目前較新的思想認為應該從分析、了解和模擬人類大腦的資訊處理功能去構建智慧型機器視覺系統，但神經科學的發展目前只能做到了解和模擬大腦的乙個區域性，所以其他學科的發展與交叉也從某種意義上決定和推動著機器視覺的發展。比如控制科學與工程領域有乙個重要的方向就是生物神經網路與模糊系統。
綜合來說，機器視覺短期內還只能是特定領域的高效技術而已，雖然這一技術的想象空間巨大，但是要能「超乎技近乎道」還是有相當長的距離。
另外，12月份馬上ICCV2013就要開了，可以密切關注。
乙個機器視覺的問題
Mang Shao 有兩個背景條件需要先明確 是否需要實時，如果需要最長容忍的延時有多久。金屬板是否會更換，也就是表面細節是否長期不變。首先如果非實時，那基本現有的CV演算法存在很多解決思路，基於光流或模板的跟蹤，或是模板匹配 特徵點匹配都可以，效果多好取決於可調配的計算資源有多少。如果要求實時，那...
用機器視覺檢測系統的好處有哪些？
1 提高機器的生產效率 從生產效率的角度方面來說，採取人工定位檢測的方式，在長時間的工作之下，容易產生疲憊感，從而導致定位速度減慢，且人工視覺進行質量檢測的效率低下，精度也不夠高，相比之下，使用機器視覺定位系統可以大大提高生產效率和自動化程度。2 控制用工成本 從成本控制的角度方面來說，想要培養好乙...
數學中有哪些問題的正問題很簡單，但是逆問題卻很難
兔兔的耳朵圓不圓 求導與積分 乙個簡單的函式求導之後更 簡單 並且有和商積差的求導公式 但是 不定 積分吧，你永遠也不知道積分之後的原函式有多恐怖，沒有普適性的運算法則，必須進行大量的練習，有的還需要借助很多奇淫技巧才可以積出。甚至有的還沒法用初等函式來表示，必須借助級數等工具。 HumJ 非對稱加...