1) guidance of machine vision
机器视觉导引
1.
It mainly discusses how to use the guidance of machine vision, during the last phase of auto-landing of UAV on deck, to make the UAV identify and track the naval ship, and finally fly into the intercept net fixed on the rear deck of naval ship placidly and accurately.
介绍了无人机的概念 ,以及目前舰载无人机的发展现状 ;主要讨论了在无人机自动着舰末段如何利用机器视觉导引无人机识别并跟踪舰艇 ,使其平稳、准确地飞入安装在舰艇尾部甲板上的拦截网中 ,实现撞网回收。
2) visual navigation
视觉导引
1.
A method of path edge extraction based on the Hough transformation was proposed with the visual navigation of imagery processing technology as foundation.
在以图像处理技术为基础的视觉导引方式下,提出了一种基于Hough变换的道路边缘提取方法。
2.
In order to improve the flexibility and adaptability of automatic guided vehicle (AGV) system, the technology of visual navigation based on image processing is applied for path recognition.
为了提高AGV系统的独立运行能力及其适应性,采用一种以图像处理技术为基础的视觉导引方式,实现了对各种复杂路径的定位识别。
3) vision guidance
视觉导引
1.
The system is based on vision guidance,and then works in a way of identifying and tracking.
本系统是基于视觉导引的,采用先识别,后跟踪的方式。
4) vision-guided
视觉导引
1.
Research on vision-guided control algorithm of AGV;
AGV视觉导引控制问题研究
2.
Study on vision-guided technology for cable channel routing inspection AGV
电缆隧道巡检AGV视觉导引技术的研究
3.
The paper presents the basic structure and principle of vision-guided system on AGV and gives a brief expatiation on the guiding rule.
文章介绍了基于数字图像处理技术的自动控制车辆(AGV)的视觉导引系统的原理和基本结构,并对其导引策略作了简要的阐述,就其更精确的处理改进做了展望。
5) vision guiding
视觉引导
1.
As the entry point of this problem and based on computer vision theory and technology, this paper studied technique of vision guided industrial robot oriented intelligent grasp, proposes a method based on computer vision guiding, and explored the solution to the key problems such as target object recognition and pose estimation.
本文以该问题为切入点,以计算机视觉的理论与技术为基础,对面向工业机器人智能抓取的视觉引导技术进行了研究,提出了一种基于计算机视觉引导的解决方案,并对该方法中的目标识别、目标位姿计算等关键问题给出了求解方法。
6) machine vision navigation
机器视觉导航
补充资料：机器安全和视觉
1.机器视觉的概念引入
人类在生产实践的过程中，面临自身能力的局限性，因而发明和创造了许多智能机器，来辅助或代替人类完成任务。智能机器能模拟人类的功能，感知外部世界并有效地解决人所不能解决的问题。人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，其中约80的信息是由视觉获取的。因此，对智能机器来说，赋予机器以人类视觉功能是极其重要的。
在现代工业自动化生产中，涉及到各种各样的检查、测量和零件识别应用，例如汽车零配件尺寸检查和自动装配的完整性检查，电子装配线的元件自动定位，饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等。这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。通常这种带有高度重复性和智能性的工作只能靠人工检测来完成，我们经常在一些工厂的现代化流水线后面看到数以百计甚至逾千的检测工人来执行这道工序，在给工厂增加巨大的人工成本和管理成本的同时，仍然不能保证100的检验合格率（即“零缺陷”），而当今企业之间的竞争，已经不允许哪怕是0.1的缺陷存在。有些时候，如微小尺寸的精确快速测量，形状匹配，颜色辨识等，用人眼根本无法连续稳定地进行，其它物理量传感器也难有用武之地。这时，人们开始考虑把计算机的快速性、可靠性、结果的可重复性，与人类视觉的高度智能化和抽象能力相结合，由此逐渐形成了一门新学科——机器视觉。
机器机器视觉是研究用计算机来模拟生物宏观视觉功能的科学和技术。通俗地说，就是用机器代替人眼来做测量和判断。首先采用CCD照相机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，如：面积、长度、数量、位置等；最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等。机器视觉的特点是自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比，机器视觉强调的是精度和速度，以及工业现场环境下的可靠性。
机器机器视觉是一个相当新且发展十分迅速的研究领域。人们从20世纪50年代开始研究二维图像的统计模式识别，60年代Roberts开始进行三维机器视觉的研究，70年代中，MIT人工智能实验室正式开设“机器视觉”课程，80年代开始，开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概念、新理论不断涌现；现在，机器视觉仍然是一个非常活跃的研究领域，与之相关的学科涉及：图像处理、计算机图形学、模式识别、人工智能、人工神经元网络等。
2.机器视觉的系统构成和分类
典型典型的视觉系统一般包括如下部分：光源，镜头，CCD照相机，图像处理单元（或图像捕获卡），图像处理软件，监视器，通讯/输入输出单元等。视觉系统的输出并非图像视频信号，而是经过运算处理之后的检测结果，如尺寸数据。上位机如PC和PLC实时获得检测结果后，指挥运动系统或I/O系统执行相应的控制动作，如定位和分选。
从视从视觉系统的运行环境分类，可分为PC-BASED系统和PLC-BASED系统。基于PC的系统利用了其开放性，高度的编程灵活性和良好的Windows界面，同时系统总体成本较低。系统内含高性能图像捕获卡,一般可接多个镜头，配套软件方面，从低到高有几个层次，如Windows95/98/NT环境下C/C编程用DLL，可视化控件ActiveX提供VB和VC下的图形化编程环境，甚至Windows下的面向对象的机器视觉组态软件，用户可用它快速开发复杂高级的应用。在基于PLC的系统中，视觉的作用更像一个智能化的传感器，图像处理单元独立于系统，通过串行总线和I/O与PLC交换数据。
人类在生产实践的过程中，面临自身能力的局限性，因而发明和创造了许多智能机器，来辅助或代替人类完成任务。智能机器能模拟人类的功能，感知外部世界并有效地解决人所不能解决的问题。人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，其中约80的信息是由视觉获取的。因此，对智能机器来说，赋予机器以人类视觉功能是极其重要的。
在现代工业自动化生产中，涉及到各种各样的检查、测量和零件识别应用，例如汽车零配件尺寸检查和自动装配的完整性检查，电子装配线的元件自动定位，饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等。这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。通常这种带有高度重复性和智能性的工作只能靠人工检测来完成，我们经常在一些工厂的现代化流水线后面看到数以百计甚至逾千的检测工人来执行这道工序，在给工厂增加巨大的人工成本和管理成本的同时，仍然不能保证100的检验合格率（即“零缺陷”），而当今企业之间的竞争，已经不允许哪怕是0.1的缺陷存在。有些时候，如微小尺寸的精确快速测量，形状匹配，颜色辨识等，用人眼根本无法连续稳定地进行，其它物理量传感器也难有用武之地。这时，人们开始考虑把计算机的快速性、可靠性、结果的可重复性，与人类视觉的高度智能化和抽象能力相结合，由此逐渐形成了一门新学科——机器视觉。
机器机器视觉是研究用计算机来模拟生物宏观视觉功能的科学和技术。通俗地说，就是用机器代替人眼来做测量和判断。首先采用CCD照相机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，如：面积、长度、数量、位置等；最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等。机器视觉的特点是自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比，机器视觉强调的是精度和速度，以及工业现场环境下的可靠性。
机器机器视觉是一个相当新且发展十分迅速的研究领域。人们从20世纪50年代开始研究二维图像的统计模式识别，60年代Roberts开始进行三维机器视觉的研究，70年代中，MIT人工智能实验室正式开设“机器视觉”课程，80年代开始，开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概念、新理论不断涌现；现在，机器视觉仍然是一个非常活跃的研究领域，与之相关的学科涉及：图像处理、计算机图形学、模式识别、人工智能、人工神经元网络等。
2.机器视觉的系统构成和分类
典型典型的视觉系统一般包括如下部分：光源，镜头，CCD照相机，图像处理单元（或图像捕获卡），图像处理软件，监视器，通讯/输入输出单元等。视觉系统的输出并非图像视频信号，而是经过运算处理之后的检测结果，如尺寸数据。上位机如PC和PLC实时获得检测结果后，指挥运动系统或I/O系统执行相应的控制动作，如定位和分选。
从视从视觉系统的运行环境分类，可分为PC-BASED系统和PLC-BASED系统。基于PC的系统利用了其开放性，高度的编程灵活性和良好的Windows界面，同时系统总体成本较低。系统内含高性能图像捕获卡,一般可接多个镜头，配套软件方面，从低到高有几个层次，如Windows95/98/NT环境下C/C编程用DLL，可视化控件ActiveX提供VB和VC下的图形化编程环境，甚至Windows下的面向对象的机器视觉组态软件，用户可用它快速开发复杂高级的应用。在基于PLC的系统中，视觉的作用更像一个智能化的传感器，图像处理单元独立于系统，通过串行总线和I/O与PLC交换数据。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条