概述： 视觉测量技术（Vision Measuring Technique)是 机器视觉 (Machine Vision)在测量领域内的应用，即用机器视觉来代替人眼来测量和判断，解决生产生活中的检测问题。视觉检测中的“检”，是指发现和识别，“测”是指几何参数和物理量的测量。视觉测量技术来源于机器视觉技术，又不完全等同机器视觉。

       视觉测量技术是测量技术的重要手段，应遵从于测量的基本规律，又有一定的特殊性。

       一般而言，有价值的测量方法应满足两个条件：

       首先是具备可靠性和可用性，以及高度的环境适用性，对工作环境不能有过多限制和苛刻的要求；

       其次，要有可靠的精度保障手段，要有可靠的误差系统分析方法及精度传递手段，从理论和工程实践来保证测量的精度。

       综上，视觉测量技术就是以机器视觉为理论基础，结合测量测试理论，解决工程应用领域内的测量问题。其研究对象是三维空间内形位（形态位置）尺寸，要求在满足一定精度的要求下，对被测对象实现可靠测量。

       视觉测量的构成：

       视觉测量系统要根据目标、任务、速度、精度、信号、表达等条件综合考量来设计一套完整的测量系统。

       视觉测量系统一般由背光源、（双）远心镜头、工业相机（CCD或CMOS）、机械电气运动控制机构、信号采集传输装置、图像算法、计算机软硬件等组成。

       光源提供合适的照明，镜头将按一定方式运动或静止的被测量对象成像到工业相机靶面上，并将光信号转换成电信号，通过信号采集及传输装置将电信传送至计算机，由计算机对图像信号进行分析处理，得到测量结果并输出控制信号。这就是一个完整的视觉测量过程。

误差及精度分析：

       视觉测量技术的精度主要由图像的质量和图像算法来确定，也与误差的来源、分析及补偿有关。玖瑞科技精研算法和图像质量，可有效保证精度在图像分辨率以上，具体0.01-0.5个相素视项目的需求而确定。

 机器视觉

误差分析：

       但凡测量皆有误差，有一套完整的误差分析理论来进行测量系统的误差分析。就视觉测量技术来讲，其误差来源有以下几个方面：

1、图像传感器的误差（CCD/CMOS）

       由于技术和工艺的原因，图像传感器自身存在误差，误差主要来源于噪声，噪声分为图像噪声、暗电流噪声和热噪声。这会影响测量的精度。CCD传感器比CMOS传感器要好的多。

2、镜头的误差

       同样也是技术和工艺原因，镜头存在着径向畸变和切向畸变，也存在着偏心畸变及薄棱镜畸变，还有透视误差，不可能如理想状况下的成像，即令是视觉测量常用的（双）远心镜头尽管畸变很少，但仍然存在。

3、光源的原因

       视觉测量常用到平行光，但平行光真正做到平行很困难，或者讲是不可能的，只能近似平行，这会形成测量误差。

4、安装误差

       光源、相机、执行机构安装时常常要求平行、垂直或成一定的角度，工程实践中做到理论计算那样准确不太可能，因此设计时允许安装误差是必须的设计。

5、运动误差

       视觉测量过程中，常常要求被测对象与成像系统间呈匀速直线、匀速旋转、螺旋运转等相对运动，其运动精度必须会形成测量误差。

6、标定误差

      相机标定过程中也会形成误差，其决定着系统的测量精度，是多种因素形成误差的体现。

7、环境引起的误差

       振动、温度、湿度、压力等周围环境因素也会形成测量误差，工业环境中需要具体问题具体分析并妥善处理解决。有时环境引起的误差会成为系统是否成功的关键因素。

8、数据处理误差

       图像算法是引起视觉测量误差的重要来源之一，其和图像质量共同决定着视觉测量的精度和稳定性。

       玖瑞科技独特的LOOKSMART视觉测量系列专利算法保证了由数据处理而产生的误差较小，能够满足绝大部分客户的需求。

精度分析

       视觉测量的精度是由硬件分辨力、标定精度、图像算法及测量条件来共同决定的。一般来说，测量条件是固定的，改善的空间有限，硬件分辨力和标定精度有较大的改善空间，但受制于技术条件、项目预算等主客观因素，在上述条件下如何取得符合条件的高清晰图像是最大课题，其是精度高低的50%因素。

       另50%因素来自高效率高可靠的高精度的图像算法，算法来自算法理论的提高及掌握算法的工程师的经验与能力。学术上有报道说通过亚像素技术可达到像素精度的1/100，是否确实如此，值得探究。玖瑞科技的亚像素技术可靠稳定，精度虽达到1/100像素但也有较高的技术水准。

       视觉测量必须进行精度分析及误差分析，这是必修课。

       视觉测量的应用：其常常应用于轴类、（微）小尺寸高精度、大尺寸、复杂结构及轮廓、曲面、三维立体及遥感遥测、航空测绘等领域。

       如果您想要了解更多相关知识，您可以浏览我们的网站，我们会为您提供更专业的信息！

       机器视觉