机器人视觉系统机器人运动控制部分典型的运动控制卡如固高性能的选择

机器人视觉系统通常由光电系统(照明、镜头、工业相机)、图像收集单元、图像处理单元、执行机构及人机界面等组件构成，一套最简洁的机器视觉系统包含视觉成像部分、图像处理个别、运动控部分制等：

1.视觉成像部分

视觉成像又包括几个典型组件：光源，镜头，工业相机。

光源和相机都必须我们把握光学知识，不同的打光模式，可以让镜头对物体造成完全不同的成像；而相机的倍率，焦距机器人视觉系统，视野等的选用不同直接决定了成像的逼真度。对于一名机器视觉工程师来说，掌握如何选取镜头，如何选用光源，如何确定打光模式是最基本的技能。

工业相机必须我们掌握光电知识，掌握镜头传感器的区别，掌握图像成像的基本常识如清晰度，动态范围，视场角等等，这样我们能够按照需求和画面选择恰当的镜头机器人视觉系统，最迅速的把握这种知识的技巧是买一台入门级相机来研究透这些成像参数和成像的关系。

2.图像处理部分

图像处理我们通常理解是在PC机器上进行的，实际上在工业领域，大部分运用工控机，因为它稳定，加上有成本优势。

近些年的演进，嵌入式硬件也在迅猛发展，很多工厂针对小的需求包括控制几百台仪表盘的开关和状况监控，完全可以运用树莓派等开源软件实现。

针对入门者来说，可以优先掌握PC系统，X86平台的研发，在熟悉以后可以延伸到嵌入式系统。

在工具部分，大个别应用层采取C#，.net，QT，C++来推动，因此掌握这其中的一门编程语言是必备的；而在图像算法层面，典型的开源算法有opencv，商用的有halcon，visionpro等，建议最起初可以先以halcon入门；即使在算法层面想进一步深入，可以探究一下机器学习，这或许是将来的主要方向。

针对理论方面，更多的是把握图像处理的基本概念。

3.运动控制部分

典型的运动控制卡如固高，可以入手研究一下。更为高级一点的PLC，也可以玩出来，这部分的症结在于，精度的矫正，因为这些画面和需求对效率的要求是十分高的。

比如以上三点，整体方案的建立能力是至关重要的，因为方案必须把这种个别都串起来，并且无法和现实情景联系起来，满足实际的制造自动化需求。

而整体方案的打造能力取决于：对制造工艺的深度理解、对所有构成个别之间的衔接，关系有深刻理解；这两点都必须经过多个项目的经验积累，才能给出一套好的方案。