一、視覺傳感器的特點有哪些

1、信息(xi)量極為豐富，不僅包含有(you)(you)視(shi)野內物體(ti)的(de)距離信息(xi)，而且(qie)還有(you)(you)該物體(ti)的(de)顏色(se)、紋理、深度和形狀等信息(xi)。

2、多(duo)任務檢(jian)測(ce)，在視(shi)野范圍內可同時實(shi)現道路檢(jian)測(ce)、車(che)輛(liang)檢(jian)測(ce)、行人檢(jian)測(ce)、交通(tong)標志檢(jian)測(ce)、交通(tong)信(xin)號燈(deng)檢(jian)測(ce)等。

3、視覺SLAM，通過(guo)攝像頭可以(yi)實現同時定位和建圖。

4、實時獲取場(chang)景信息(xi)，提(ti)供(gong)的(de)信息(xi)不依(yi)賴于先驗(yan)知(zhi)識，比(bi)如GPS導(dao)航依(yi)賴地圖信息(xi)，有較(jiao)強的(de)適應環境的(de)能力。

5、與機器學習、深度學習等人工智能加快融合。

二、視覺傳感器為什么需要邊緣檢測

邊緣檢測是(shi)機器視(shi)覺中必不可(ke)少的環節，是(shi)一種重要的圖(tu)像預處理技(ji)術。

由于邊緣是灰度值不連續的結果，這種不連續常可以利用求導數方便的檢測到，一般選擇一階和二階導數來檢測邊緣。在視覺傳感器檢(jian)測中，這(zhe)種方(fang)法通(tong)常(chang)稱(cheng)為邊緣檢(jian)測局部算子法。針對圖像(xiang)邊緣的(de)檢(jian)測，運用Canny算法進(jin)行圖像(xiang)的(de)處理分割檢(jian)測，具體算法基本步驟如下：

1、濾波

邊緣檢測(ce)算法(fa)主(zhu)要是基于圖象(xiang)強(qiang)度的(de)一階和二階導數(shu)，但(dan)導數(shu)的(de)計算對噪聲很敏感，因(yin)此必須使用(yong)濾(lv)波器來改善與噪聲有關(guan)的(de)邊緣檢測(ce)器的(de)性(xing)能(neng)。需(xu)要指出(chu)，大多數(shu)濾(lv)波器在降低噪聲的(de)同時(shi)也導致了邊緣強(qiang)度的(de)損失，因(yin)此，增強(qiang)邊緣和降低噪聲之間需(xu)要折中。

2、增強

增強(qiang)邊緣的(de)基礎是(shi)(shi)確定圖象(xiang)各點鄰域強(qiang)度的(de)變化(hua)值。增強(qiang)算法可(ke)以(yi)將鄰域(或局部)強(qiang)度值有顯著(zhu)變化(hua)的(de)點突顯出來。邊緣增強(qiang)一般(ban)是(shi)(shi)通過(guo)計算梯度幅值來完成的(de)。

3、檢測

在(zai)(zai)圖象中(zhong)有(you)許多點的梯度(du)幅值比較大，而(er)這些(xie)點在(zai)(zai)特定的應用領(ling)域中(zhong)并不都是邊(bian)(bian)緣，所(suo)以應該(gai)用某種(zhong)方法(fa)來確定哪些(xie)點是邊(bian)(bian)緣點。最簡單的邊(bian)(bian)緣檢測判據是梯度(du)幅值閾值判據。

4、定位

如果某(mou)一應用場合要求確定邊(bian)(bian)緣位置，則邊(bian)(bian)緣的位置可在(zai)子象素分辨率上來估計，邊(bian)(bian)緣的方位也可以被估計出來。

在邊緣(yuan)檢測算法中，前三個步(bu)驟(zou)用得十(shi)分普遍。這(zhe)是因為大(da)多數場合下，僅僅需要(yao)邊緣(yuan)檢測器指出邊緣(yuan)出現在圖像某一像素(su)點的附近，而沒有必(bi)要(yao)指出邊緣(yuan)的精(jing)確位置(zhi)或方向(xiang)。

在(zai)用機器視覺進(jin)行(xing)尺寸測(ce)(ce)量(liang)(liang)時，這四(si)步必不(bu)可少，尤(you)其必須指出(chu)邊緣的精確(que)位置和方位。機器視覺檢(jian)測(ce)(ce)技術，以(yi)其強大的性(xing)能優(you)勢，使得產(chan)品質(zhi)量(liang)(liang)標準化(hua)，檢(jian)測(ce)(ce)速度快、檢(jian)測(ce)(ce)結果可靠、穩定并(bing)且可以(yi)長時間(jian)檢(jian)測(ce)(ce)，廣泛應用于各大領域。