机器视觉技术及其应用378

18:101项目1

机器视觉技术简介任务1机器视觉技术概要任务2机器视觉的应用与人才需求什么是机器视觉？2026/7/92机器视觉(MachineVision)的定义为：“自动地获取分析图像以得到描述一个景物或控制某种动作的数据”。通俗来讲，机器视觉就是让机器拥有一双能测量和判断的眼睛。任务1机器视觉技术概要2026/7/93光源工业镜头工业相机工控机机器视觉软件照明成像感知处理算法执行机器视觉系统的构成图像采集单元：包括光源、镜头和相机图像处理与分析单元：包括运行于计算机的图像处理与分析的软件、人机交互与结果显示界面。通信及执行单元：包括电传部件、控制部件和机械执行部件。机器视觉技术的特点4机器视觉人类视觉观测精度精度高，可到微米级，易量化精度低，无法量化速度快，快门时间可达10微秒，高速像机帧率可达1000以上，部分系统可每秒检测1000次存在0.1秒的视觉暂留，无法检测快速运动的对象，检测效率较低彩色识别能力受硬件条件的制约，普遍对色彩的分辨能力相对较弱，但优势是检测的结果可量化人类具有较强的彩色分辨能力，但结果无法量化且易受心理等主观因素的影响灰度分辨力强，当前的视觉系统普遍采用256(8bit)个灰度级，部分采用10bit、12bit、16bit等灰度级差，约能分辨64个灰度级，且结果难以量化，易受心理等主观因素的影响空间分辨力强，通过备置千万级别的相机和镜头及视觉光源，可对微米级别的对象进行精确观测弱，无法对微小的对象进行精确有效的观测环境适应性强，通过加装通风、防护等装置，实现在对人类恶劣的环境下长时间工作弱，对温度、湿度、噪音等方面的要求较高，无法适应某些对人体有损害的场合感光范围宽，光谱范围较宽，适用于任何相机传感器能有效成像的场合，如肉眼不可见的X光等窄，一般仅限于400nm-750nm范围内的可见光适应性差，环境光照条件或检测背景的较大变化往往导致检测结果出错或误差显著增大强，对环境光照条件或检测背景的适应性较强智能程度较低，目前大部分视觉检测系统的智能程度不高，对变化目标的适应性差，但随着深度学习等人工智能技术的应用提升明显高，可快速辨别和适应变化的目标，目前人类的逻辑推理、结果分析和总结的能力及灵活性显著高于机器其它客观性，可连续工作主观性，受心理影响，易疲劳塑料/薄膜食品&饮品汽车日用品光纤产品机器视觉的应用领域半导体纸张冶金航空航天通用生产电子医学设备纺织药品518:10任务2机器视觉的应用与人才需求汽车、食品包装和制药排在全球机器视觉前三，三个行业总和约占1/3；食品、包装和消费电子未来增长最快速行业，年均增长超过10%；物流、光伏、锂电、面板等行业为中国新兴机器视觉市场。机器视觉市场空间和主要行业2019年全球机器视觉市场总量：88.433亿美金2024年全球机器视觉市场总量：

140亿美金18:106机器视觉应用的分类识别定位检测测量1测量：长度测量81测量：角度测量91测量：圆弧及半径测量10112定位：测量的基础122定位：机器人抓取(邮包)133检测：有无检测143检测：残次品检测153检测：数字统计163检测：瑕疵检测173检测：汽车盘式制动器的检测与追溯184识别：读码194识别：

OCR/OCV204识别：颜色识别（安全气囊线序检测）机器视觉就业岗位机器视觉行业薪资前景2019年北京机器视觉工程师平均年月薪18900元。2019年上海机器视觉工程师平均年月薪16640元。2019年机器视觉人才需求达到380万。2020年5月份，仅在“前程无忧”招聘网站搜索“机器视觉”，相关信息达5000多条。机器视觉人才需求18:1021地区岗位数量招聘人数备注深圳12353235/苏州9242811含代管5个县级市（常熟市、张家港市、太仓市、昆山市、吴江市)数据上海8061881/北京7171233/珠三角4801081除深圳、广州以外的所有地区长三角424839除上海、苏州以外的所有地区广州3141631/华东地区550570主要为山东、安徽（划入长三角地区除外）、福建省华中地区541641主要为武汉、郑州、长沙地区西南地区341504主要为成都、重庆地区东北地区101121主要是辽宁省华北地区90129主要以河北为主西北地区8089主要为西安、兰州地区合计507012914/视觉系统应用应岗位群人才需求分析18:1022岗位深圳苏州上海北京珠三角长三角广州工业视觉光学工程师112331616143工业视觉软件工程师23822612588986650工业视觉算法工程师33619228139181134122工业视觉系统开发工程师45386148282016工业视觉现场工程师7360322034206工业视觉销售工程师108705320151817工业视觉研发工程师51117101075工业视觉应用工程师35330023512019514392工业视觉硬件工程师20494323工业视觉系统应用应岗位群人才需求分析18:1023工业机器视觉系统编程与应用：面向各行业企业中从事视觉系统安装调试、软件测试、系统运行维护，视觉系统方案选型、机器视觉系统编程调试、机器视觉与自动化系统集成应用等岗位一线技术人员。18:1024工作领域工作任务1.机器视觉系统安装、参数设定

1.1机器视觉系统的硬件安装1.2机器视觉系统软件安装及参数设定2.机器视觉系统软件测试2.1视觉系统软件测试2.2图像采集测试2.3视觉系统校准3.视觉系统与外设集成

3.1定位功能测试3.2相机与机器人位置校准3.3机器视觉系统集成调试4.机器视觉系统参数计算与选型4.1光源系统选型4.2相机选型4.3镜头选型5.机器视觉工具的应用5.1图像采集与处理5.2视觉检测功能应用5.3视觉处理工程开发6.机器视觉工程开发6.1建立工程框架6.2视觉识别工具使用6.3机器视觉系统通讯6.4机器视觉与外设集成18:102518:1026敬请指正！18:1027工业相机的认识与选型任务1工业相机任务2工业镜头任务3机器视觉光源18:1028任务1工业相机18:1029工业相机最本质的功能就是通过CCD或CMOS成像传感器将光信号转变为有序的电信号，并将这些信息通过相应接口传送到计算机。

一、认识工业相机工业相机不带图像存储的接口，不能外接SD卡工业相机不带有观察窗或液晶显示屏工业相机的机身不带有集成的镜头工业相机不带有自动对焦/变焦功能接口。工业相机的结构简单，形状小巧，稳定性强，而且工业相机使用的是电子快门工业相机往往采用电信号控制触发拍照，实时输出数据单反相机工业相机一体式数码相机认识工业相机18:1030

工业相机内部的功能模块主要由五大部分构成，分别为镜头接口，图像传感器，参数控制模块，数据传输接口以及供电、IO信号接口。认识工业相机相机内部结构图示工业相机智能相机板级工业相机18:1031下图是一种基于计算机和工业相机（简称为PCBase）的机器视觉系统。PCBase架构的优势是可以拓展性强，灵活度高。计算机可以接入多个工业相机，实现多视场、多工位、多功能的应用组合。认识工业相机（PCBASE）工件传感器LED光源产线PCPLC

执行机构工业相机镜头

光源控制器工业相机视觉系统（PCBase）18:1032下图是典型的基于智能相机的机器视觉系统。该系统与基于工业相机与计算机的视觉系统不同之处的在于，图像处理在相机端直接完成，并将判断结果传输给PLC。与PCBase系统相比，基于智能相机的系统更简洁稳定。认识工业相机（智能相机）工件传感器LED光源产线PLC

执行机构智能相机镜头

光源控制器智能相机视觉系统18:1033根据图像传感器参数和特性的不同，可以将工业相机分为多种类别，如下表所示。二、工业相机的分类传感器类型CCD相机CMOS相机传感器结构面阵相机线阵相机传感器色彩输出黑白相机彩色相机18:1034工业相机中负责感光及成像的核心器件为图像传感器。

最常见的图像传感器的芯片类型有两种，分别是CCD（Charge-coupledDevice，电荷耦合器件）和CMOS（ComplementaryMetalOxideSemiconductor，互补金属氧化物半导体）。

这两种图像传感器的结构虽然不同，但是工作原理类似。当光照射在感光芯片的每个像素上时，因光电效应在每个像素上激发电子，经过AD转换之后，电流模拟信号变成二进制数字信号，从而生成图像。工业相机的主要类型（按芯片类型）相机成像芯片工作原理18:1035CCD工作示意图感光像元电荷输出输出放大器CCD读出寄存器工业相机的主要类型（按芯片类型）18:1036CCD的基本感光单元为的MOS（金属-氧化物-半导体）电容。CCD的工作过程分为四个阶段，分别是电荷的生成、电荷的收集、电荷的转移、电荷的测量。CCD芯片的电荷收集及转移、测量是在像元外部完成。CMOS工作示意图工业相机的主要类型（按芯片类型）18:1037在CMOS传感器中，每个像素都有自己的电压转换，传感器通常还包括放大器、噪声校正和数字化电路。因CMOS每个像元独立完成AD转换，将会导致其输出图像均匀性较低。但因AD转换是大规模并行处理的，所以CMOS能达到更高的输出总带宽。CMOS与CCD对比表格

CCDCMOS优点噪声小；成像均匀性好；灵敏度高；芯片集成度高；制造难度低；帧率高；缺点芯片集成度低；制造难度高；帧率低；噪声大；成像均匀性差；灵敏度低；工业相机的主要类型（按芯片类型）18:1038CMOS和CCD的对比：CMOS的结构更简单，制造成本更低，CMOS逐渐成为工业相机中主要用的图像传感器。CCD更多应用在天文、生物、军事等高端领域。工业相机的主要类型（按芯片结构）a面阵相机图像输出b线阵相机图像输出18:1039按照传感器中像元的排列，可以将工业相机分为面阵相机和线阵相机两种。面阵相机的传感器像素排列是矩形的，面阵相机分辨率为其横向和纵向像元的个数，如1920*1080。线阵相机的传感器是线形的，线阵相机的分辨率为横向像元数乘以像元的行数，如4096*1。面阵相机每次获取的是一个面的信息，如图a所示。线阵相机每次获取的是一条线的信息，如果线阵相机要成像，需要将输出的每行像素拼接起来，如图b所示。线阵相机4018:10面阵相机4118:10人的肉眼感光是主要分为三个通道，蓝色通道B，绿色通道G，以及红色通道R。工业相机的主要类型（按色彩输出）18:1042基于分光结构的彩色工业相机成本较高，分辨率有限，目前只在印刷行业等色彩检测要求较高的场景中有应用。

目前市面上的彩色相机大都采用BAYER阵列的彩色CCD/CMOS传感器采集的颜色信息是插值得到的，严格意义上来说是不精确的，采集到图像边缘的对比度会比黑白相机差。三、工业相机的光学接口镜头C接口感光芯片镜头与相机的成像示意图18:1043相机的镜头接口有多种类型，镜头接口与相机必须互相匹配，镜头才能安装在相机上并且清晰成像。相机的图像传感器在1英寸以下时，往往都会采用C接口。镜头参数中标注的靶面尺寸2/3英寸，指的就是使用该镜头的相机芯片最大不得超过2/3英寸。在进行相机及镜头选型时，需要注意阅读相机及镜头参数，应参照其参数表，进行接口匹配选型。常见的四种镜头接口参数：工业相机的光学接口序号接口类型螺纹法兰后截距（mm）卡环直径（mm）1C口P=0.7517.52625.42CS口P=0.7512.525.43F口/46.5474M72P=0.7531.87218:1044C接口和CS接口是工业相机最常见的国际标准接口，C型接口和CS型接口的螺纹连接是一样的，区别在于C型接口的后截距为17.5mm，CS型接口的后截距为12.5mm。F接口镜头是尼康镜头的接口标准，所以又称尼康口，一般工业相机靶面大于1英寸时需用F口的镜头。M72接口具有更大的卡环直径与法兰后截距，可以匹配大靶面像素相机成像。C接口相机与C接口镜头工业相机的光学接口F接口镜头与F接口相机M72接口相机与M72接口镜头18:1045四、工业相机的接线相机背部结构图6pin相机及IO接口定义18:1046在相机的后端，是相机的数据传输接口与供电、IO信号接口。如果工业相机采用的传输协议不带供电，则需要通过外接电源实现相机供电。USB3.0协议因本身带有供电，所以USB3.0相机可以不用外接供电电源。如左图所示是一个千兆网相机背部的结构图，分别为6pin电源及I/O接口，数据接口，以及指示灯。如右图所示，千兆网相机需要对相机进行供电接线，将管脚序号1接入12v直流电源，将管脚序号6接入GND。如果需要对相机进行外触发，就要将触发正信号输入接入管脚序号2，将IOGND接入管脚序号5。

工业相机因机身不带图像算法处理功能，所以需要将采集到的图像数据通过协议传输到处理平台，不同图像数据传输协议采用的物理接口样式和结构不同。

常见的几种相机传输协议为USB2.0、USB3.0、千兆网、CameraLink、CoaXPress几种，他们各自有不同的特性，如下表所示。工业相机的接线接口类型带宽距离特点USB3.04.8Gbps5m常见，低成本，多相机扩展容易，传输速率高；GigE1000Mbps100m常见，低成本，多相机组网，传输距离远；CameralinkLinkBase/Medium/Full/Full+255/510/680/850（MBps）10m抗干扰能力强，传输带宽高，需配专用采集卡，配件成本高；CoaXPress6.25Gbps*N40m传输速率高，传输距离长，需配专用采集卡，配件成本高；18:1047GigE千兆网接口相机与线缆工业相机的接线USB3.0接口相机与线缆Coaxpress接口相机与线缆Mini-Cameralink接口相机与线缆18:1048分辨率：由横向分辨率和纵向分辨率两个参数构成，表示在图像传感器上，横向与纵向像素点的数量。五、工业相机的主要参数88*77分辨率359*319分辨率18:1049像元：指的是图像传感器上每一个像素点的尺寸，像元尺寸越大，则单个像素点感光越强。工业相机的主要参数单个尺寸4um*4um长度方向5像素，宽度方向5像素芯片尺寸为20um*20um18:1050快门：分为全局快门与卷帘快门，其主要差别在于，拍摄快速运动物体，采用卷帘快门的相机输出的图像会有运动形变工业相机的主要参数18:1051帧率：每秒钟相机采集图像的最大张数，相机帧率越高，每秒钟可采集图像的最大数量越多。工业相机的主要参数18:1052工业相机的主要参数动态范围：以8bit位深的图像为例，动态范围是指图像里灰度值为255的像元中电子数与灰度值为1像元中电子数的比例，动态范围越大，意味着像元之间采样的差异越大，也就是说明暗度的细节更多，对于户外成像应用，如自动驾驶，一般要求相机动态范围越大越好。18:1053工业相机的主要参数位深：将传感器像素感应到的电流信号转换为模拟信号时，要对其进行AD转换，所采用的二进制位数，就是位深。位深越高，那么其蕴含的信息细节越多，但是也意味着要处理的数据越大。一般工业相机都采8/10比特位深。18:1054信噪比：英文名称叫做SNR或S/N（SIGNAL-NOISERATIO)，指的是图像中有用信号与噪声的比例，计算方法位10lg(Ps/Pn)，Ps和Pn分别代表有像素灰度值与噪声灰度值。信噪比越高，则意味着噪声抑制越好。18:1055工业相机的主要参数18:1056传感器尺寸（靶面）：在相素不变的情况下,相机传感器尺寸越大,噪点控制能力越强。芯片大小标称参数使用对角线长度，1英寸=16mm工业相机的主要参数工作距离(WorkingdistanceWD)：

镜头第一个工作面到被测物体的距离视野范围(FieldofView,FOV)：

相机实际拍到区域的尺寸光学放大倍数：CCD/FOV18:105718:1058视野大小可以设定为80mm*60mm（考虑每次机械定位的误差，将视野比物体适当放大），假如能够取到很好的图像（比如可以打背光），那么我们需要的相机分辨率就是：80/(0.1/2)=1600pixcel

60/(0.1/2)=1200pixcel因此相机的分辨率至少需要1600*1200，帧率在10帧/秒，因此选择分辨率为1600*1200像素，帧率在10帧/秒以上的相机。检测要求：检测任务：尺寸测量产品大小：60mm*50mm精度要求：0.1mm流水线作业检测速度：10件/秒六、工业相机选型注：通常情况，图像采集很难达到理想状态，所以往往取精度（0.1）的1/2、1/3、甚至1/10进行相机分辨率的估算。5918:10工业镜头远心镜头任务2工业镜头18:1060一、工业镜头成像原理照相机运用的就是凸透镜的成像规律，镜头成像原理如图上所示，镜头就是一个凸透镜，要照的景物就是物体，胶片就是屏幕；物距、像距的关系通凸透镜成像规律一样。

工业镜头与单反镜头及电影镜头不同。如图所示，工业镜头不像单反镜头或电影镜头（图c）带有机身马达及对焦功能接口，工业镜头需要手动调节聚焦位置与光圈，而且焦距固定。工业镜头的优点是耐冲击性好，寿命长，成像畸变小。18:106118:1062二、相机与镜头的接口镜头接口分螺纹口和卡口。螺纹口主要是C口、CS口、M42、M50、M72等，卡口主要是F口、V口卡口：大靶面（分辨率）面阵相机和线阵相机常用卡扣镜头。F口是尼康镜头的接口标准，又称尼康口，适合大靶面相机。V口：施耐德镜头接口标准，适合大靶面相机。M42口：直径42mm，FB=45.5mm，螺纹距0.75mm。M50口：直径50mm，FB=45.5mmM72口：直径72mm，FB=45.5mmT2口：直径42mm，螺纹距离1mm18:1063工业镜头——常用接口C口&CS口接圈18:1064三、工业镜头的参数视野（FOV）：镜头所能拍摄的实际物理范围。

工作距离(WD)：镜头前端到拍摄平面的距离u。视场角（θ）：标准镜头视场角45°左右，一般焦距越短的镜头视场角越大。景深（DOF）：聚焦平面前后任然有一段可以清晰成像的距离，这段距离叫做景深。镜头的主要参数靶面尺寸：镜头成像的本质，是将物方的圆形视野聚焦，并在像方成一个圆形像，这个像圆的直径，在镜头参数中叫做靶面尺寸。如图所示，如果镜头靶面与图像传感器尺寸匹配（前者大于等于后者），那么成像为正常图像。假如镜头的成像圆小于相机的芯片对角线，那么会出现图示中类似于暗访画面的效果，即四个角出现黑边。18:1065镜头的主要参数光圈：光圈值是用以描述镜头通光量的参数，光圈越大，镜头通光量越多。镜头的光圈值F与镜头中孔径光阑的直径D以及焦距f有关，F=f/D，镜头的孔径光阑是可以调节的，它可以扩大或者缩小，从而改变光圈值和光通量，如图所示。18:1066镜头的主要参数镜头的聚焦范围和景深：镜头距离物体有效工作距离的范围称为聚焦范围，超出该范围则不能清晰成像。

镜头的景深是指在摄影机镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围。镜头的景深与光圈、工作距离相关：光圈越大，工作距离越近，景深越小；光圈越小，工作距离越远，景深越大。如图，聚焦在某个目标时，光圈设置越大，景深范围越小，光圈设置越小，则聚焦目标前后的物体也变得清晰可见，景深即是越大。18:1067镜头的主要参数分辨率：定义为在像面处镜头在单位毫米内能够分辨开的黑白相间的条纹对数，右图表示的就是线对黑白条纹。

一个线对就是一条黑线与一条白线，100线对/毫米意思是在1个mm之内，存在100条黑白线。像元分辨率定义为单位毫米内像素单元数的一半，则如果像元尺寸为5um，则其像元分辨率为1/2*0.005=100lp/mm。

工业上为了便于镜头选型，标称镜头分辨率按照匹配的相机分辨率来表述。镜头标称分辨率百万像素二百万像素五百万像素镜头线对分辨率90lp/mm110lp/mm160lp/mm18:1068镜头的畸变：现实中因为设计和加工的原因，拍摄物体时是会产生形变的。被摄物平面内的主轴外直线，经光学系统成像后变为曲线，则此光学系统的成像误差称为畸变。畸变像差只影响成像的几何形状，而不影响成像的清晰度。畸变可以分为枕形畸变与桶形畸变。a正常图像b枕形畸变c桶形畸变相机标定板18:1069四、镜头的选型计算（普通镜头）假定物体成的像像长度为y'，物体的实际长度为y，镜头的焦距为f，镜头前端距离物体距离（工作距离）为WD，y'/y=f/WD给定要拍摄的物体是正方形，尺寸为100mm×100mm。相机分辨率为1920×1200，像元尺寸为4.8um，则图像传感器大小为9.2mm×5.8mm，因相机芯片为长方形，而物体为正方形，那么需要相机的短边罩住物体投影的像，才能对整个物体成像。如果指定工作距离为500mm，根据计算公式f=WD×y'/y，带入实际值，可以算出f=29mm。18:107018:1071视野大小可以设定为80mm×60mm（考虑每次机械定位的误差，将视野比物体适当放大）；假设工作距离为：450mm检测要求：检测任务：尺寸测量产品大小：60mm×50mm相机靶面：5.7mm×4.8mm工作距离：小于500mm工业镜头选型

选择焦距为35mm的定焦镜头，并适当增大工作距离；

定倍镜头：定焦镜头：18:1072五、工业镜头——远心镜头

远心镜头与普通镜头的根本差异在于远心镜头可以消除透视差，普通镜头的成像规律是近大远小，远心镜头成像规律是无论远近，大小一致。远心镜头的工作距离是恒定的，镜头前端到物体的距离不能改变，常见为远心镜头的工作距离为65mm及110mm。a普通镜头的成像效果b远心镜头的成像效果工业镜头——远心镜头18:107374任务3机器视觉光源一、光源的作用1）照亮目标，提高目标亮度。2）形成最有利于图像处理的成像效果。3）克服环境光干扰，保证图像的稳定性。4）用作测量的工具或参照。在工业案例中，实现稳定高效的光照意味着系统成功了一半。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要设计相应的照明装置，以达到最佳效果。Dome光明视场光源案例76二、工业光源的种类

常见的机器视觉光源，主要有荧光灯，卤素灯，LED光源等三种，他们各自有其优缺点。最初期的机器视觉系统，通常采用卤素灯。随着照明技术的发展，逐渐荧光灯也使用在视觉系统中。工业LED光源成本的降低极大地促进了机器视觉技术的普遍应用，因为LED光源可以更实现更灵活的结构和颜色设计实现，这也就意味着可以让出射光线的角度和颜色可以被灵活定制。而LED光源优点还不止于此，他的亮度可控，而且可以频闪，亮度大而且频谱丰富。因此LED光源的普及极大地增强了相机获得到的图像对比度，使得机器视觉系统可以更稳定，更高效。光源的种类高频荧光灯光纤卤素光源LED光源78三类光源的特点对比分析萤光灯卤素灯+光纤导管LED灯源价格低高中亮度低高中稳定性低中高闪光装置无无有使用寿命中低高光线均匀度高中低多色光无无有复杂设计低中高温度影响中低高79LED光源的分类根据LED光源颗粒的排列，可以将LED光源分为环形光源、背光源、同轴光源、AOI光源等。环形光源：环形光源指的是环状外观结构的LED光源，是最常见的光源种类之一，成本低，维护简单，根据照明的角度，可以将环形光源分为高角度环形光源及低角度环形光源。a高角度环光照明示意图b光源安装示意图c打光前后效果图81背光源：又称面光源，背光源的LED颗粒装在水平基板上，均匀朝上发光。它的特点是发光为一个面，对于透明物体，背光可以穿透；对于不透明物体，光线无法穿透，物体的形状轮廓将与背光形成对比，从而极易测量/检测。背光源照射下齿轮图片LED光源的分类LED光源的分类同轴光源：指的是光源的入射与反射为同轴的。半透半反镜的作用原理是让一半的光通过，一半的光反射。直接通过的光照射在黑色的基板上，无法进入相机视野内。而一半的光垂直向下反射到物体表面，再垂直向上进入相机中，因为光线入射与反射是同轴，所以称为同轴照明。LED光源的分类AOI光源：利用不同颜色以不同角度照射到物体表面，因物体表面的高度起伏不同，从而其反射的光线颜色和光路产生较大差异，从而使相机看到不同高度的颜色有很大差异，进而得到可检测的图像信息。相机红色LED绿色LED蓝色LED点位A点位B点位C84穹顶光源：又称碗光源、Dome灯、球形光源，外观上为半球形设计，是一种空间360度的无影光源，LED发出的光线经球面形成漫反射效果，照射到观测物表面的光线在均匀性和平滑性方面优于其他类型光源。18:1085点光源：结构紧凑，能够使光线集中照射在一个特定距离的小视场范围。18:1086点光源应用传递反射镜面反射漫反射吸收原理87三、光源的选型与打光技术照射物白色光(混合色)蓝色其它颜色被吸收明视场暗视场背光结构光Dome光同轴光光源打光技术88亮视野暗视野两种常见正向打光方式89暗视野亮视野低角度暗场照明90前向光明场照明91高角度照明光源照射方式：亮场——最直接的照明92各种光源的特征低角度照明光源照射方式：暗场——适合光滑表面的照明93各种光源的特征光源照射方式：背光——测量系统的最佳选择94各种光源的特征三维深度信息激光或线性光源固定角度照射光源照射方式：结构光——最简便的三维测量方法95各种光源的特征待测物长度信息待测物高度信息光源照射方式：影子的利用——最不直接的测量96各种光源的特征50%分束片光源照射方式：同轴光——昂贵的灯97各种光源的特征光源颜色选择98其他选择1.荧光灯99其他选择2.激光LightPlaneLaserLightStripeonWorkpieceCameraSeesThisView1002.激光101其他选择偏振用于减少闪烁塑料或者玻璃偏光镜交叉偏光镜滤光镜102无滤色镜红色滤色镜绿色滤色镜滤光镜应用103光源选择建议考虑的因素：104被测物背景和被检测特征的颜色表面是平面还是曲面表面非常光亮还是漫反射检测轮廓特征或尺寸,优先考虑背光源检测漫反射表面上的特征,优先考虑环型光源或区域光源(均为直射光源)检测光亮平面的表面特征,优先考虑同轴光源或低角度光源检测光亮曲面的表面特征,优先考虑DOME光源（穹顶光源）序号

问题

说明

1

检测什么？

检测的目标物是什么？形状是什么样的？

2

检测哪些指标？

具体检测什么指标？有无？状态？尺寸？位置？粘连？差异？毛刺？颜色？

3

目标多大？

物体具体尺寸是多少？

4

工作距离？

安装摄像机到被测物体的距离最大允许多远？能否自由调节？

5

分辨率多高？

测量尺寸精度要求多少？

6

检测速度多快？

全自动测量还是手动？每分钟测量多少个？

7

安装空间

被测零件周围是否有安装光源的位置？是否有合适安装摄像头的位置？怎样固定比较合适？

8

颜色？

被测物体是什么颜色的？我们是否需要对颜色判别？是否可以利用颜色差异帮助我们实现检测目的？

9

材质

物体是什么材料的，表面光学性质怎样？

10

合格判据？

什么定义为合格／不合格？

11

工位信号？

有工位触发信号还是需要自动连续拍摄图像？

12

剔除方式

是否需要自动剔除次品？怎样对不合格品进行剔除？使用什么信号格式？在什么位置进行剔除？

13

工作环境

工作环境的温度、湿度、粉尘、防水、杂散光线情况光学系统选型——需求确认表10518:10106敬请指正！18:10107数字图像处理基础知识任务1认识数字图像任务2数字图像处理的核心概念任务3常用的数字图像处理操作图像：物体反射了自然光并被人的视网膜感知形成了图像，人类接收的外界信息75%以上是通过视觉实现的。图是物体对光的投射或者反射形成的分布图，像是人的视觉神经系统对图进行接收后在大脑中形成的视觉认识和具体印象。在现实生活中，图像的范围非常广泛，照片、绘画、草图、动画、影视等都属于广义的图像范畴，可以说所有人的视觉对象都是图像。18:10108任务1认识数字图像数字图像处理系统组成经过图像设备采集的图像为模拟图像，必须在空间和时间上都被离散化，才能转化为数字图像，从而被计算机识别和处理。图像的采样就是对图像进行空间上的离散化处理，把空间上连续变化的图像离散化，即用间隔采样的部分点的灰度值来表示图像。经过采样的图像，空间上被离散为像素阵列，但是每一个像素样本还是有无穷多个连续变化的灰度值，必须对每个图像像素的灰度幅值进行离散化处理，才能真正转化为数字图像，对图像灰度幅值的离散化处理就叫做量化。如图所示，数字化整个图像的坐标值称为采样，数字化图像像素灰度的幅度值称为量化。

图像的采样和量化图像的分类

二值图像

灰度图像0代表黑，1代表白0代表黑，255代表白

图像的分类彩色图像

显示设备通常使用RGB格式的彩色图像即红red绿green蓝blue三种颜色的组合叠加来获得各种颜色。如果把RGB值看成三个维度的坐标，构建的空间成为RGB颜色空间。除RGB外，常见的颜色模型还有HSV/HSI()主要用于数字图像处理CMYK主要用于印刷YUV主要用于图像传输数字图像的表示为表述像素之间的相对和绝对位置，我们通常需要对像素的位置进行坐标约定:

注意：在矩阵f（y,x）中，一般习惯于先行下标，后列下标的表示方法，因此这里先是纵坐标y（对应行），然后才是横坐标x（对应列）。

分辨率一幅分辨率为256×256的图像逐次减少至8×8的分辨率，尺寸变大后会发现细节信息的模糊，这是因为缩小图像已经丢失大量信息。

相同大小情况下，分辨率越高，图像细节信息越完整，文件占内存越大！灰度级分别具有256、32、16、8、4和2个灰度级的一幅图像，会发现灰度级变小，从颜色角度，丢失一些细节信息。

相同大小情况下，灰度级越大，图像细节信息越详细！像素的空间关系任务2数字图像处理的核心概念

坐标为(a，b)的像素p的上下左右共4个近邻像素组成p的4-邻域，记为N4（p）这些邻近像素的坐标分别是(a+1，b)，(a-1，b)，(a，b+1)，(a，b-1)。

坐标为(a，b)的像素p的对角(左上、右上、左下、右下)共4个近邻像素组成p的对角邻域,记为ND（p）。这些邻近像素的坐标分别是(a+1，b+1)，(a+1，b-1)，(a-1，b+1)，(a-1，b-1)。

像素P的4个4-邻域和4个对角邻域像素共同组成像素p的8-邻域，记为N8（p）。(a)4-邻域(b)对角邻域(c)8-邻域4邻接（4-Neighbor）：如果Q∈N4(P)，则称具有V中数值的两个像素P和Q是4邻接的。

8邻接（8-Neighbor）：如果Q∈N8(P)，则称具有V中数值的两个像素P和Q是8邻接的。像素P到像Q的通路（Path）指的是一个特定的像素序列(x0,y0),(x1,y1),…,(xn,yn)，其中(x0,y0)=(xp,yp)，(xn,yn)=(xq,yq)。并且像素(xi,yi)和(xi-1,yi-1)在满足1≤i≤n时是邻接的。

像素的连通性（continuous）：如果两个像素p和q不直接邻接，但他们均在另一个像素的相同邻域中（4-邻域、8-邻域或者对角邻域），并且这三个像素它们的灰度值均满足某个特定的相似准则，则称p和q之间的关系为连通。连通是连接的推广，两个像素由于都与另一个像素连接而连通。进一步说，两个像素p和q之间有一系列连接的像素，则像素p和q也是连通的，这一系列的像素构成了像素p和q的通路。

连通性任务3常用的数字图像处理操作图像的二值化：图像的二值化主要是将256阶的灰度图通过合适的阈值，转换为黑白二值图。即图像中像素只有0和1两种取值（或0和255）。其目的通常是为了将图像的前景和后景进行分割，以便于进一步处理。

对图像进行二值化处理，首先要选择合理的阈值，然后对每一个像素进行处理，像素灰度值大于阈值的设置为255，小于阈值的设置为0，就完成了整幅图像的二值化处理。图像二值化的数学表达如下公式所示，对于图像中的像素(x，y)，其灰度值为f(x，y)，设置阈值为TH，则：阈值的选择对于图像二值化操作效果至关重要。选择合理的阈值能尽可能正确的分割前景和背景，如图所示。图像的直方图直方图的建立过程图像的直方图直观表达了图像中具有某种灰度级的像素的个数，反映了图像中某种灰度值在图像中出现的频率。直方图是对图像中所有灰度的统计得到的，它是图像最基本的统计特征，是图像处理中重要的图像分析工具。灰度图像直方图

彩色图像直方图直方图均衡化-提高对比度直方图均衡化处理效果图

通过直方图了解图像的灰度分布，通过对图像灰度密度修改，有选择地突出想要的图像特征，提高对比度，扩大前景和背景灰度的差别，常用的方法有直方图拉伸和直方图均衡化。直方图均衡化效果如图所示。图像的点运算：也称为对比度增强、对比度拉伸或灰度变换，点运算操作是对图像的每一个像素点进行逐点运算，它将原始图像每个（a，b）点的灰度值经过各种点运算映射为新的灰度值。

线性点运算：对比度变换、灰度变换。非线性运算：阀值化处理、直方图均值化处理。线性变换分段线性变换线性点运算：线性点运算灰度全部加50后的效果图如图所示

灰度图原图线性点运算效果图非线性点运算：对数变换的作用主要是降低对⽐度，将低灰度的地⽅进⾏扩展，⾼灰度的地⽅进⾏压缩，这样就得到了最终图像输出的结果，如图所示

灰度图原图对数变换效果图3*3模板均值滤波：又称为线性空间滤波，它利用邻域平均法，用相邻几个像素灰度的平均值来代换每个像素的灰度。均值滤波能有效抑制噪声，但容易模糊图像边缘。均值滤波常用两种滤波器模板，即3x3卷积核，如图1.3.21所示。

图像的空间滤波图像平滑：均值滤波原始椒盐噪声污染的图像均值滤波处理之后的图像中值滤波：能在保护图像边缘的同时有效抑制噪声。中值滤波不需要制定卷积核，只需要制定滤波器尺寸，即先选取一个以某个像素为中心点相邻的几个像素，然后将这几个像素的灰度值排序，取中间值作为这个像素灰度的新值。中值滤波操作过程主要是使用图像中某点像素周围的中间值取代了这点像素原来的值。中值滤波处理椒盐噪声有特别明显的效果，如图所示。

原始椒盐噪声污染的图像中值滤波处理之后的图像图像的形态学操作图像形态学是图像处理学科的一个单独分支，主要针对灰度图和二值图像，它的理论基础是集合论，图像中的集合代表二值图像或者灰度图像的形状，如二值图像的前景像素集合。图像形态学的作用是简化图像数据，保持基本形状特性，去除不相干的结构，使后续的识别工作能够抓住目标对象最为本质的形状特征，如边界和连通区域等。图像形态学的基本操作有膨胀、腐蚀、开运算和闭运算。形态学操作：膨胀

二值图像

3x3的结构元素假设输入为二值图像，值为1的像素为待处理前景像素集合给定一个3x3的结构元素，中心位置为锚点，使用结构元素遍历所有待处理像素，遍历时，锚点对齐待处理像素。结构元素覆盖的所有点置1。对二值图像的膨胀处理过程所有像素膨胀运算完成后结果第一个待处理像素膨胀运算第一个待处理像素膨胀运算处理后结果

灰度图原图及其膨胀运算效果图形态学操作：腐蚀

二值图像

3x3的结构元素假设输入为二值图像，值为1的像素为待处理前景像素集合给定一个3x3的结构元素如图1.3.33所示，中心位置为锚点，使用结构元素遍历所有待处理像素，遍历时，锚点对齐待处理像素。结构元素覆盖范围如果出现0，则被处理的像素置0。所有像素腐蚀运算完成后结果第一个待处理像素腐蚀运算第一个待处理像素腐蚀运算处理后结果对二值图像的腐蚀处理过程灰度图腐蚀运算效果形态学操作：开运算开运算的操作为：先对图像进行腐蚀操作，再对腐蚀结果进行膨胀操作。

灰度图原图

开运算结果图形态学操作：闭运算开运算的操作为：先对图像进行膨胀操作，再对腐蚀结果进行腐蚀操作。

灰度图原图

闭运算结果图

18:10140敬请指正！项目1VisionPro的安装与QuickBuild操作方法任务1VisionPro的安装任务2QuickBuild操作入门任务1VisionPro的安装

（a）setup.exe（b）软件欢迎界面（1）VisionPro安装初始化：安装软件前确定已关闭杀毒软件，在VisionPro的安装包路径DISK1中找到setup.exe应用程序，并双击进入欢迎界面进行安装（2）点击“下一步”，弹出软件安装初始化界面（3）点击“下一步”，弹出许可证协议界面，并选择“我接受该许可证协议中的条款（A）”（4）点击“下一步”，弹出用户信息输入界面，对用户姓名和单位进行输入（5）点击“下一步”，弹出自定义安装界面，同时可以通过点击更改对默认的安装路径“C:\ProgramFiles\Congex\”进行修改（6）继续点击“下一步”，弹出准备开始安装界面（7）点击“安装”，安装完成后弹出安装完成界面，点击“完成”后将进入“VisionPro控件安装向导”（8）点击“下一步”（9）选择“我接受许可证协议中的条款（A）”，点击“下一步”（10）选择“完整安装”，点击“下一步”进入开始安装界面（11）点击“安装”进入安装界面（12）软件驱动程序安装过程（13）安装完成后的界面任务2QuickBuild操作入门应用程序名称作业名称示例作业、帮助文档等快速入口单次运行QuickBuild应用程序打开QuickBuild应用程序保存QuickBuild应用程序另存为QuickBuild应用程序工具栏新建Job、导入ToolGroup、打开Job、保存Job、另存为Job复位应用程序、连续运行应用程序、打开I/O、配置通讯管理器、配置已发送项显示浮动结果、配置应用程序属性、显示统计信息、显示工具提示、显示作业提示、帮助工具栏图解软件架构3个级别软件界面：作业双击打开作业软件界面：工具工具名称工具设置选项卡工具状态反馈图像&图形显示窗口双击打开工具工具组图像源视觉工具输入终端输出终端1.工具按序列执行：不可以逆向连接终端2.可以通过拖放调整工具顺序3.可以通过拖放连接终端，传递数据终端传递数据Visionpro自带示例图片资源：安装目录\Cognex\VisionPro\Images资源开始菜单123安装的说明文档工具功能说明工具箱采集图像工具、硬件接口查找边缘/边缘对的位置数据统计分析缺陷检查结果数据处理分析工具包3D相关颜色相关生成图形图像交点判断获取字符识别连通区域分析灰度匹配查找图像文件读写工具图形匹配查找高级查找（支持彩色）工具组标定、坐标系转换条码/二维码相关查找、拟合图形几何测量图像预处理像源在VisionPro中用来从相机采集图像的工具是

像源使用初始化按钮初始化采集运行工作在运行工作时，它从相机采集图像并放入到

LastRun.OutputImage显示直播视频使用显示实时图像按钮，打开直播视频显示窗口并显示活动图像显示可选项，使用浮动显示窗口打开不同的窗口来显示所采集的图像注意底部的确切信息。位置灰度值显示在任何显示上，可以右击并且选择放大、缩小、全图等三种图像多数工具使用几种图像进行工作图像文件工具有三种图像从显示区的下拉菜单中选择要浏览的图像链接图像从像源的输出图像（OutputImage）拖放到

图像文件（ImageFile）工具的输入图像（InputImage）现在每次运行工作时，所采集的图像会追加到图像文件中Current.InputImageCurrent.InputImage

是要写入到下一次以录制模式运行的图像文件中的图像LastRun.OutputImage当我们从图像文件中抓取某图像时，它成为LastRun.OutputImage敬请指正！18:10169项目2PMAlign工具任务1PMAlign工具的基本使用方法任务2应用案例1：齿数计数任务3应用案例2：硬币计数求和任务1PMAlign工具的基本使用方法PMAlignTool工具主要根据图像训练的模板对图像进行识别和定位，基于轮廓和边缘特征进行目标搜索。18:10170PMAlignTool工具的概念PMAlignTool工具的基本用法双击打开软件后打开作业编辑器，并点击初始化图像来源按键和工具箱添加图像和工具，图像源：选择VisionPro软件安装路径的示例图片文件“C:\ProgramFiles\Cognex\VisionPro\Images\bracket_std.idb”添加PMAligntool工具双击CogPMAlignTool1工具，跳出工具编辑器页面在工具页面右上角选择训练图像：Current.TrainImage，点击抓取训练图像按钮，在出现的图像中选择图像点击训练右上角选择lastRun.InputImage，左上角点击三角符号，查看训练识别结果修改工具界面运行参数选项卡的角度点击运行，可看到倾斜图片的识别结果缩放功能演示：找圆孔选择一个圆孔进行训练，想显示出其他圆孔，必须选择运行参数的缩放查找概数：最大能显示几个，但是得分很高的几个会一起显示找圆孔运行结果掩模器功能掩模器，去掉一部分特征不被匹配项目要求：对图中齿轮个数进行计数，并将结果显示在界面上任务2应用案例1：齿数计数项目流程模板对象的抓取和训练运行参数的设置PMAlignTool工具设置工具终端添加入口终端的添加过程添加终端将选择器选为InputInteger，并修改字体大小和颜色对文字的位置进行修改CogCreateGraphicLabelTool标签显示工具设置任务2应用案例2：硬币金额求和项目要求：统计图中硬币的总金额，并将结果显示在界面左上角项目流程开始CogCreateGraphicLabelTool结束CogPMAlignTool

一元模板CogPMAlignTool

五角模板CogPMAlignTool

一角模板CogResultsAnalysisTool训练1元模板为1元模板添加掩膜运行查看1元硬币的匹配结果。参考以上的操作进行适当调整，对其它硬币金额对象进行捕捉工具终端添加入口终端的添加过程添加终端添加CogResultAnalysisTool结果分析工具，添加三个输入，并更改名称为num01、num05和num1（分别用于汇总1角、5角和1元的硬币金额）计算硬币总金额添加终端添加标签显示工具，运行查看结果18:10194敬请指正！18:10195项目3Fixture、Caliper工具任务1Fixture、Caliper工具的基本使用方法任务2应用案例1：零件尺寸测量与显示任务3应用案例2：零件瑕疵检测任务1Fixture、Caliper工具的基本使用方法CogFixtureTool是一种最常用的建立定位坐标系的工具，在使用此工具建立定位坐标系之前，需要提前获得一个2D转换关系，2D转换关系的通过其他工具获取。其主要任务：1)往坐标空间树中添加一个定位坐标系，需设定定位坐标系的名称；2)建立一个定位后的输出图像提供其他工具调用，输出图像的像素和输入图像完全相同，但坐标空间可以选择为定位空间或者非定位空间。2026/7/9196一、CogFixtureTool标定和定位工具2026/7/9197假设现在用户要通过测量零件右上角的圆孔直径来判断当前产品是否合格，而该零件每次进入相机视野的位置姿态都是不确定的。仔细观察发现：零件右上角圆孔的位置相对于零件的位置是不会变换的，也就是说如果以零件本身为参照物的话，右上角的通孔出现在一个固定坐标值的位置。一、CogFixtureTool标定和定位工具2026/7/9198可以采集一幅包含该零件的图像作为参考图像，使用CogPMAlignTool工具创建零件的匹配模板，每次采集到待测量图像先进行模板匹配，确定零件在图像中的位置与姿态，然后使用CogFixturetool根据零件相对于模板图像的位姿关系建立一个新的坐标系Fixtured一、CogFixtureTool标定和定位工具CogFixtureTool在运行时执行两项操作：创建一个坐标系并添加到该图像的坐标空间树。创建一幅输出图像，如果是使用的CogPMAlignTool提供的位置姿态，原点为CogPMAlignTool的匹配点。CogFixtureTool需要的输入参数InputImage,输入图像，告诉工具将要对哪副图像进行坐标转换转换参数，告诉工具对图像进行怎样的变换（平移与旋转）转换后的坐标空间名称，默认值为FixturedCogFixtureTool与CogPMAlignTool经常配合使用！！！2026/7/9199CogFixtureTool与CogPMAlignTool配合使用2026/7/9200二、CogCaliperTool卡尺工具CogCaliperTool工具可用来测量物体的宽度，边缘或特征的位置，边对的位置及宽度等。CogCaliperTool工具需要预先知道待测边缘或特征的大概位置和特点。2026/7/9201CogCaliperTool

卡尺工具应用：

1.找边

2.找边缘对2026/7/9202二、CogCaliperTool卡尺工具设置基本参数●边缘模式:可设置为查找单个边缘或边缘对。●边缘极性:为了确保CogCaliperTool工具找到的边符合我们的期望，可以设置边缘极性(从暗到明或从明到暗)、边缘相对于原点的位置、以及边对的宽度等参数。●对比度阈值:小于对比度阈值的边会被忽略，大于对比度阈值的边被保留。●最大结果数n:只从备选边种保留最强n条边，如果备选边不足n，则全部保留。●过滤一半像素:此参数主要用于边缘筛选，其目的是消除噪声和增强峰值。2026/7/9203二、CogCaliperTool卡尺工具2026/7/9204搜索区域框有扫描方向和投影方向，扫描方向与找到的边垂直，投影方向与找到的边平行。任务2应用案例1：零件尺寸测量与显示

测出工件边缘宽度及两个圆的半径，显示在界面上，如下图所示。2026/7/9205所需工具：2026/7/9206操作步骤：2026/7/9207打开一个JOB，依次添加下列工具：CogPMAlignTool,CogFixtureTool,CogCaliperTool,CogCreateGraphicLabelTool1,CogfindCircleTool1,CogCreateGraphicLabelTool2,CogfindCircleTool2,CogCreateGraphicLabelTool13操作步骤：2026/7/9208从系统image文件夹加载数据源bracket_std.idb使用CogPMAlignTool进行识别工件的操作并设置运行参数2026/7/9209设置CogFixtureTool1.设置链接2.参数使用默认设置3.fixture空间设置好后，后面工具均使用该空间进行定位操作步骤：操作步骤：2026/7/9210使用CogCaliperTool工具查找工件边缘对，设置边缘模式为边缘对，设置搜索区域框，调整边缘对宽度使正确查找边缘对。在结果中可看到正确测量宽度结果。在终端中调出宽度值送给Label标签进行显示操作步骤：2026/7/9211label标签设置，调整放置位置，选择空间，后面同样！操作步骤：2026/7/9212使用找圆工具CogfindCircleTool1进行左边圆查找，把找圆卡尺变成圆形，然后覆盖在需要查找的圆上，直径略大于所找的圆。调整卡尺数量，搜索长度，投影长度，所选空间，进行圆的查找。找到后把圆的半径数值送给label。任务3应用案例2：零件瑕疵检测2026/7/9213查找NG工件2026/7/9214使用CogImageConverTool1工具转换图像使用CogPMAlignTool工具识别定位图像使用CogFixtureTool工具定位工具位置使用CogHistogramTool工具直方图工具进行图像灰度值分析使用CogResultsAnalysisTool结果分析工具对直方图分析工具给出的数据进行分析处理使用标签工具把布尔类型的结果显示出来。查找NG工件2026/7/9215设定数据源，使用转换工具给PMAlign工具图像，PMAlign工具进行图像训练定位，并把结果给Fixture工具。查找NG工件2026/7/9216直方图工具设置：区域形状选择圆形，在图片上用圆形框选择左边圆，空间选择Fixture。设置完成后运行查看结果，正确结果灰度值的平均值在39左右。查找NG工件2026/7/9217第二个直方图工具设置如图所示，正确结果灰度值在161左右。查找NG工件2026/7/9218把直方图的平均值结果送给结果分析工具，结果分析工具设置如上图所示，并把布尔类型的结果送给label显示查找NG工件2026/7/92192026/7/9220敬请指正！18:10221项目4几何工具任务1创建工具的使用方法任务2查找和拟合工具的使用方法任务3相交工具的使用方法任务4测量工具的使用方法任务1创建工具的使用方法1.CogCreateCircleTool功能：创建圆2.CogCreateEllipseTool功能：创建椭圆3.CogCreateLineBisectPointsTool功能：创建两点的平分线4.CogCreateLineParallelTool功能：在某一点创建某条线的平行线5.CogCreateLinePerpendicularTool功能：在某一点创建某条线的垂线6.CogCreateLineTool功能：根据指定点和角度创建一条直线7.CogCreateSegmentAvgSegsTool功能：创建两条线段的平均线8.CogCreateSegmentTool功能：创建线段18:10222CogCreateCircleTool功能：创建圆18:10223圆心坐标和半径也可以从其他终端输入CogCreateEllipseTool功能：创建椭圆18:10224圆心坐标、半径，旋转参数也可以从其他终端输入CogCreateLineTool功能：根据指定点和角度创建一条直线18:10225已知点坐标和已知角度也可以从其他终端输入CogCreateLineBisectPointsTool功能：创建两点的平分线18:10226起点坐标、终点坐标也可以从其他终端输入CogCreateLineParallelTool功能：在某一点创建某条线的平行线18:10227已知点坐标和已知直线也可以从其他终端输入CogCreateLinePerpendicularTool功能：在某一点创建某条线的垂线18:10228已知点坐标和已知直线也可以从其他终端输入CogCreateSegmentTool功能：创建线段18:10229CogCreateSegmentAvgSegsTool功能：创建两条线段的平均线18:10230已知线段也可以从其他终端输入任务2查找和拟合工具的使用方法1.CogFindCircleTool功能：找圆工具2.CogFindCornerTool功能:找角工具3.CogFindEllipseTool功能：找椭圆工具4.CogFindLineTool功能：找线工具5.CogFitCircleTool功能：拟合圆6.

CogFitEllipseTool功能：拟合椭圆7.CogFitLineTool功能：拟合直线8.CogMultiLineFinderTool功能：多线查找18:10231CogFindCircleTool功能：找圆工具18:10232CogFindCornerTool功能:找角工具18:10233CogFindCornerTool功能:找角工具

18:10234CogFindEllipseTool功能：找椭圆工具18:10235CogFindLineTool功能：找线工具18:10236CogFitCircleTool功能：拟合圆18:10237可从终端输入三个点坐标CogFitEllipseTool功能：拟合椭圆18:10238CogFitLineTool功能：拟合直线18:10239CogMultiLinefinderTool--多线查找工具18:10240任务3相交工具的使用方法1.CogIntersectCircleCircleTool功能：检测两圆是否相交2.CogIntersectLineCircleTool功能：检测线与圆是否相交3.CogIntersectLineEllipseTool功能：检测线与椭圆是否相交4.CogIntersectLineLineTool功能：检测线与线是否相交5.CogIntersectSegmentCircleTool功能：检测线段与圆是否相交6.CogIntersectSegmentEllipseTool功能：检测线段与椭圆是否相交7.CogIntersectSegmentLineTool功能：检测线段与线是否相交8.

CogIntersectSegmentSegmentTool功能：检测线段与线段是否相交18:10241CogIntersectCircleCircleTool功能：

检测两圆是否相交18:10242CogIntersectCircleCircleTool功能：

检测两圆是否相交18:10243CogIntersectLineCircleTool功能：

检测线与圆是否相交18:10244CogIntersectLineEllipseTool功能：

检测线与椭圆是否相交18:10245CogIntersectLineLineTool功能：

检测线与线是否相交18:10246CogIntersectSegmentCircleTool功能：

检测线段与圆是否相交18:10247CogIntersectSegmentEllipseTool功能：

检测线段与椭圆是否相交18:10248CogIntersectSegmentLineTool功能：

检测线段与线是否相交18:10249

CogIntersectSegmentSegmentTool功能：检测线段与线段是否相交18:10250任务4测量工具的使用方法1.CogAngleLineLineTool功能：两条直线的夹角2.CogAnglePointPointTool功能：由两点组成的线段相对于x正轴的角度3.CogDistanceCircleCircleTool功能：两圆的最短距离4.CogDistanceLineCircleTool功能：线到圆的最短距离5.CogDistanceLineEllipseTool功能：线到椭圆的最短距离6.CogDistancePointCircleTool功能：点到圆的最短距离7.CogDistancePointEllipseTool功能：点到椭圆的最短距离8.CogDistancePointLineTool功能：点到线的最短距离9.CogDistancePointPointTool功能：点到点的最短距离10.CogDistancePointSegmentTool功能：点到线段的最短距离11.CogDistanceSegmentCircleTool功能：线段到圆的最短距离12.CogDistanceSegmentEllipseTool功能：线段到椭圆的最短距离13.CogDistanceSegmentLineTool功能：线段到线的最短距离14.CogDistanceSegmentSegmentTool功能：线段到线段的最短距离18:10251CogAngleLineLineTool功能：

两条直线的夹角18:10252CogAnglePointPointTool功能：

由两点组成的线段相对于x正轴的角度18:10253CogDistanceCircleCircleTool功能：

两圆的最短距离18:10254CogDistanceLineCircleTool功能：

线到圆的最短距离18:10255CogDistanceLineEllipseTool功能：

线到椭圆的最短距离18:10256CogDistancePointCircleTool功能：

点到圆的最短距离18:10257CogDistancePointEllipseTool功能：

点到椭圆的最短距离18:10258CogDistancePointLineTool功能：

点到线的