视觉应用工程师（面试）

视觉应用工程师（面试）

1.自我介绍、会的技能、项目

2.相机和机械手调试过程

• 检查硬件，看软件驱动是否链接，
• 调节相机和镜头保证能够识别这个物料，
• 看接口和通讯是否正常，如：波特率，数据位，停止位等，
• 测试引导功能，如机械手自动抓取

3.九点标定的意义

建立相机像素坐标系与机械手物理坐标系之间的精确映射关系

简单说: 转换像素坐标为机械手坐标

4.九点标定和旋转中心过程

• 选择标定板,选择一个3*3的九点标定板(圆形)
• 相机拍照: 使用相机拍照标定板,找到这九个圆点的中心点
• 计算转换矩阵: 用采集到的坐标或机械坐标,通过最小二乘法计算出一个3*3的转换矩阵,也就是让Z轴走九个点
• 应用转换矩阵: 得到转换矩阵,可以用它将新的图像坐标转换成机械坐标

大白话: 选择合适标定板,机械手抓取物料拍照, 依次走九个点,计算像素值,转换成物理值, 旋转中心就是机械手抓取物料放到相机范围下,旋转机械手五个角度(5-7度), 将这个五个角度像素坐标转换成物理坐标, 使用拟合算法,也就是把这个五个像素值,填到拟合圆工具里面,来得到拟合圆的中心坐标, 最后通过Dx,Dy,Da计算的出偏差

选择一个特征点，在相机下依次旋转5个角度，获取5个位置的特征点像素坐标，记录每个位置的机械手坐标
使用拟合算法，将五个点拟合为一个圆，求出圆心坐标和旋转半径，将圆心坐标转换为机械手坐标中的坐标，计算偏差

---

1. 在相机视野内选择一个点
2. 固定好物料在相机视野范围下
3. 旋转机械手五个角度(5-7度)获取五个位置
4. 将这个五个角度的像素坐标转换成物理坐标,使用拟合算法,拟合出圆心坐标和旋转半径
5. 通过拟合得到圆心坐标,计算出旋转中心的物理坐标
6. 通过Dx,Dy,Da计算出偏差

5.九点标定和十二点标定的区别

1. 九点标定使用的是3*3棋盘或标定板,通常以Z轴或均匀分布的方式采集
2. 十二点标定使用3*4的棋盘或标定分布更密集

主要增加了三个点, 能够计算物料的旋转中心

6.除了九点和十二点还有什么坐标

1. 超大视野坐标

​ 通过多个相机视野拼成一个大的视野，实现对大范围场景的精确标定

• 旋转中心坐标

  旋转中心标定就是在相机视野内,内旋转,通过拟合圆,拟合出旋转中心的坐标

• 三点标定

  • 三点标定是一种简单的标定方式,主要用于二维平面,计算量小,操作也简单,通过三个非共线的点确定相机和机械手之间的坐标

7.RMS 是什么?怎么计算

RMS是像素转物距的一个均方根差值

• 比如: 真实值:2.0，3.5，4.0，5.5
• 预测值：2.1，3.6，3.9，5.7
• 平方差：（2.1-2.0）*（2.1-2.0）=0.01
• 总值除以数在进行开平方 （平方根）

8.九点标定的意义和原理

意义：就是把像素值转换成机械手的实际距离（物理距离）

原理：基于二维仿射变换，相机图像坐标系和机械手坐标系的位置，求出两者之间的几何变换

9.相机在哪里安装

肯定在机台检测的下方安装，这样定位的的时候好检测

10.机械手抓起来的物料之后的目的（放料）

抓取物料之后，移动到相机位置拍照，计算偏差，把偏差坐标发给plc ，plc引到机械手贴合泡棉到笔记本上

11.放料的精度是多少

放料的精度是0.02mm左右， 最终贴合到±0.15mm左右

12.图像预处理工具，用了哪些算法

• 图像增强

  • 加减常量
  • 对比度拉伸（调整）
  • 直方图均衡化

• 图像降噪（滤波处理）

  • 均值滤波：取邻域像素平均值 平滑图像减少噪音 如：椒盐噪音
  • 高斯滤波 ： 能够有效抑制高斯噪音，平滑图像 如：使用高斯核对图像进行卷积，能够有效去除图像中的高斯噪音
  • 中值滤波： 通过取邻域像素的中值来代替像素值，使用（高斯和椒盐噪声）
  • 双边滤波： 再去除噪音的同时，能够保留图像的边缘信息，适用于对图像进行平滑处理

• 图像分割

  • 阈值分割： 根据图像的灰度值和颜色特征，将图像分为前景色和背景色。常见的阈值分割方法包括固定阈值分割、最优阈值分割和自适应阈值分割

    使用自动阈值可以适当滤除一定的边缘干扰

  • 边缘检测： 利用边缘检测算子，如Sobel算子、Prewitt算子、Canny算子、提取图像中的边缘信息。

  • 区域生长：从图像中的一个或多个种子点开始，根据一定的生长规则，将相邻的像素点合并到一个区域中，从而实现图像分割

• 图像变换

  • 傅里叶变换： 将图像从空间域转换到频域，便于进行频域滤波等操作
  • 几何变换： 包括图像缩放、旋转、翻转等，用于调整图像的大小和方向
  • 色度变换：调整图像的色调、饱和度、亮度等属性

13.Blob斑点工具，参数有哪些，如何筛选

主要用于检测和分析图像中的斑点特征：

1. SegmentationParams.Mode: 设置图像分割模式，包括固定阈值（HardFixedThreshold）、动态阈值（HardDynamicThreshold）、相对阈值（HardRelativeThreshold）等。
2. SegmentationParams.Polarity： 设置斑点的极性，包括白底黑点（DarkBlobs）和黑底白底（LightBlobs）
3. ConnectivityMode ：设置连通性，包括已标记（Labeled）、灰度（GreyScale）等。
4. ConnectivityCleanup ：设置连通性清理模式，包括修剪（Prune）、填充（Fill）等
5. ConnectivityMinPixels ：设置最小面积，用于过滤掉过小的斑点
6. Region ：设置检测区域的形状，包括圆形（CogCircle）、椭圆（CogEllipse）、多边形（CogPolygon）等。
7. RunTimeMeasures ：设置测量属性，包括面积（Area）、质心坐标（CenterMassX、CenterMassY）等

• 阈值模式：选择合适的阈值模式（固定阈值、动态阈值、相对阈值）来分割图像中的斑点和背景。
• 极性设置：根据斑点的灰度特性，选择白底黑点或黑底白点的极性。
• 连通性处理：通过设置连通性模式和清理模式，处理斑点的连通性问题
• 区域设置：指定检测区域，以限制斑点检测的范围。
• 面积过滤：通过设置最小面积和最大面积，过滤掉不符合要求的斑点
• 形状筛选：通过设置形状参数，如非环形值，筛选出特定形状的斑点

14.模板匹配效果不好的时候，怎么去优化

参数设置，如果图像有噪音或光照均匀不足，匹配都可能受到影响

• 优化算法
  • 分块匹配算法：将图像划分为较小的块，并分别对每个块进行模板匹配，可以减少计算量，但可能会导致匹配精度下降。需要合理设置块的大小和重叠量。
  • 快速傅里叶变换（FFT）加速：利用FFT将图像转换到频域，利用卷积定理实现高效的二维卷积，从而在频域中进行模板匹配，可以极大地减少计算量，使得大尺寸图像的匹配成为可能
• 限定搜索ROI的区域，减少搜索范围，提高匹配速度
• 调整匹配窗口大小，相似度阈值
• 降噪处理
• 增强目标区域特征 如：直方图均衡化，对比度增强，锐化

15.如果现在模板匹配非常大，像素特别高，怎么去解决？

• 调整曝光时间，可以增加帧率，保证图像质量
• 降低分辨率，减少数据量，提高帧率
• 减少处理区域，只处理图像中关键区域

16.卡尺计分方式

• 对比度：对比度卡尺计分基于灰度差来评估。卡尺搜索灰度值大于设置的第一条边
  • 对比阈值：设定灰度的起始点，只有大于该值的边缘才会被检测到
  • X0： 设定搜索的起始点，从卡尺中心沿搜索方向反方向距离为X0的点开始搜索
  • 实例：当X0设置为160时，会搜索灰度差大于160的第一条边
• 位置
  • 位置卡尺计分基于卡尺中心到特征的距离来评估。卡尺会从距离卡尺中心为X0的点开始，沿搜索方向搜索第一个符合对比度阈值的特征边
• PositionNeg
  • PositionNeg卡尺计分基于卡尺框内抓取第一根符合条件的线来评估。卡尺会沿搜索方向在卡尺框内抓取第一根符合条件的线。

总结： 对比度适用于灰度差较大的情况，位置需要用于精确控制搜索起始点的情况， 适用于卡尺框抓取第一根符合条件的线

17.靶面效果不好的时候怎么办

这可能就会是图像处理、模板匹配或者靶材料等方面问题了，

• 优化图像处理技术
  • 图像去噪
  • 对比度增强
  • 边缘检测
• 调整模板参数
  • 调整模板尺寸
  • 设置合适匹配窗口大小
  • 调整相似度阈值
• 限定搜索区域
  • 搜索ROI的区域，可以减少搜索范围，提高匹配速度
• 优化算法

18.卡尺工具忽略点

是由于噪声或检测误差导致的，一般选取总点数的5%作为忽略点数，忽略点数一般不能超过卡尺数量的1/3

• 边缘模式： 可以设置查找单个边缘或边缘对
• 边缘极性： 设置灰度值变换确实，可以从暗到明、从明到暗或任意极致
• 对比度阈值： 设置边缘检测的对比度阈值，只有对比度大于该值的边缘才会被检测到。

19.用几个相机

检测类或者比较简单的项目，可以说是两个相机，一个相机CT不够

CT可以说是一个小时4000 单个下昂及不够

如果过是引导项目 一般是两个或者三个 ，如果是缺陷检测可以说是2到4个 不同的缺陷类型用不同的光源或者检测的位置略微不同