一种用于机器视觉测量系统的镜头评估及图像恢复方法技术方案

本发明专利技术的一种用于机器视觉测量系统的镜头评估及图像恢复方法属于机器视觉领域，首先对镜头畸变进行评估，即利用CNN进行畸变参数估计，然后再利用得到的畸变参数将畸变的图像恢复；所述的对镜头畸变进行评估包括数据集的获取和畸变参数的评估。本发明专利技术利用CNN将影响镜头畸变的因素解算成畸变参数，利用得到的参数做与畸变相反的变换，消除图像畸变，以较小的代价使机器视觉测量系统获得更加真实的图像。像。像。

【技术实现步骤摘要】
一种用于机器视觉测量系统的镜头评估及图像恢复方法


[0001]本专利技术属于机器视觉领域，特别涉及一种基于CNN的用于机器视觉测量系统的镜头评估及图像恢复方法。

技术介绍

[0002]机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量等任务。机器视觉测量系统是通过机器视觉产品即图像摄取装置镜头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，得到被摄目标的形态信息，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。然而其核心部件镜头由于制作精度和组装偏差造成镜头畸变使系统获得的图像失真，对造成镜头畸变的因素进行评估即是对镜头畸变参数进行估计。首先透镜制造精度造成镜头的径向畸变，组装工艺的偏差造成透镜的切向畸变，代表径向畸变的畸变参数有3个，分别为k1、k2、k3，代表切向畸变的畸变参数有2个，分别为p1和p2。因此对造成视觉测量系统镜头畸变两个因素进行评估即对k1、k2、k3、p1、p2这5个参数进行估计。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于机器视觉测量系统的镜头评估及图像恢复方法，首先对镜头畸变进行评估，即利用CNN进行畸变参数估计，然后再利用得到的畸变参数将畸变的图像恢复；所述的对镜头畸变进行评估包括数据集的获取和畸变参数的评估：所述的数据集的获取，具体步骤为：首先利用机器视觉测量系统的图像摄取装置镜头将被摄取目标转换成图像信号，传送给机器视觉测量系统的图像处理系统，图像处理系统将图像信号转变成数字化信号；图像系统对这些信号进行运算来抽取目标的特征；最后，根据预设的容许度和其他条件输出结果，所述的结果包括：尺寸、角度、偏移量、个数、合格/不合格、有/无；通过对机器视觉测量系统如何成像进行研究，通过Matlab编程模拟机器视觉测量系统的成像模型，在程序中通过不断改变镜头制造精度以及组装偏差因素的相关参数来模拟不同的机器视觉测量系统成像，得到10000张图像作为CNN训练的数据集；所述的畸变参数的评估，具体步骤为：在Google提供的Tensorflow框架环境中对数据集进行回归，将影响机器视觉测量系统的因素解算成畸变参数，影响机器视觉测量系统的因素为透镜制造精度和组装工艺的偏差，透镜制造精度造成系统镜头的径向畸变，组装工艺的偏差造成镜头的切向畸变，代表径向畸变的畸变参数有3个，分别为k1、k2、k3,代表切向畸变的畸变参数有2个，分别为p1和p2，因此将影响机器视觉测量系统的因素解算成畸变参数即对k1、k2、k3、p1、p2这5个参数进行估计，这一过程的具体步骤如下：1)将数据集按照6：2：2分配分别为训练集、验证集和测试集，将MATLAB程序里生成的标签对应图片放到.txt文档里，这一步为打标签，按照训练集、验证集、测试集将图像和标签放好压...

【专利技术属性】
技术研发人员：顾海军，杨雪，姜宗林，黄台虎，王义功，杨昆，马颖宇，陈心诚，
申请(专利权)人：吉林大学，
类型：发明
国别省市：