Masinnägemine (0)

MHX0065  
Mehhatroonikasüsteemide komponendid
Praktikum Masinnägemine aruanne
Kuupäev: 20.12.12
Meeskonnaliikmed:
1. Ove Hillep
2. Joosep Andrespuk
3. Ragnar Jaanov
Aruande täitis ja esitas: Ove Hillep
Labori eeltöö 
Masinnägemine ehk tehisnägemine ehk raalnägemine on kõrgtehnoloogia, mille eesmärgiks on masinale 
vahendada analoogselt elusolendi silmaga väliskeskkonna objekte, analüüsida neid objektide olemust ja 
kujundada masina otstarbekat tegevust nende objektide suhtes.
Masinnägemise saab jaotada kaheks osaks: madalam tasand (low-level  vision ) ja kõrgem tasand (high-level 
vision). Madala taseme nägemisprotseduurid tegelevad värvide ja visuaalse müra töötlemisega, pildi tera-
vustamise ja piirjoonte leidmisega, valguse, varju ja värvitoonide ühtlustamisega. See valdkond on otseselt 
välja kasvanud signaalitöötlusest ja hästi uuritud. Sama tehnika on kasutusel ka näiteks video- ja fototööt-
lusel. Meetodeid eristatakse ka selle järgi, kas töödeldakse ainult üksikuid pilte või pildijadasid (videoid).
Kõrgema taseme meetoditel on aga rohkesti kokkupuutepunkte modelleerimise , visualiseerimise ja ka 
psühholoogiaga. Paljud meetodid modelleerivad kõigepealt kolmemõõtmelise geomeetrilise mudeli abil 
objekti, loovad siis projektsioone ja võrdlevad neid projektsioone nähtava pildiga , enne kui otsustavad, 
mida nad näevad. Nii toimivad näiteks mõned inimnäo või satelliidipiltide tuvastusalgoritmid.
Antud pratkikumis kasutame madalama taseme masinnägemist piirjoonte tuvastamisel ning lihtsamate 
mõõtmiste teostamiseks, kasutades selleks programmi National Instruments Vision Builder AI. 
Praktikumi ülesanded:
1) Tutvumine ülalmainitud programmiga
2) Keha olemasolu kontroll masinnägemise abil
3) Keha mõõtmine masinnägemise abil
1
Keha olemasolu kontroll masinnägemise abil
Selle ülesande tarvis oli antud 3 pilti sprai- pudeli kaelast, millest kolmel oli kork peal, kuid ühel ei olnud. 
Programmi abil tuli kindlaks teha korgi olemasolu hoolimata pudeli asukohast pildil.
Selleks määrame kõigepealt objekti, mille kaudu pannakse paika kordinaatsüsteem. Kõigepealt paneme  
paika huvialase ala (ROI -  Region  of Interest), mis kiirendab protsessi ega lase üleliigsetel objektidel prot-
sessi mõjutada.
Seejärel seame paika kordinaatsüsteemi.
Lõpuks anname programmile kätte otsitava objekti (pudeli korgi), mille olemasolu tuleb järgnevalt kon-
trollida.
1. Pudel on pildi keskel, kork peal. Kõik on korras.
2. Pudel on nihkunud pisut paremale, kuid programm leiab otsitava objekti 
(pudeli kaela punases raamis) sellest hoolimata, korki pole. Programm annab 
veateate.
2
3. Pudel on nihkunud pisut vasakule, kuid programm leiab otsitava objekti 
sellest hoolimata, samuti tuvastatake kork. Kõik on korras.
Keha mõõtmine masinnägemise abil
Selles ülesandes mõõtsime detaili aukude läbimõõte, aukude hulka ning võrdlesime nende kaugusi.
Selleks määrame kõigepealt programmi tuvastama väikeseid aukusid, tõmmates nende ümber ristküli-
kud ning lastes programmil augud üle mõõta. Seejärel määrame igale augule tolerantsi, mille piires võib 
antud ava läbimõõt varieeruda, ning kontrollitavade väikeste avade hulga.
Sama seadingu teeme programmis ka suure ava leidmiseks, määrates selle tolerantsid.
Seame programmi mõõtma ka väikeste aukude kaugusi suurest avast . Kuna programm sooritab mõõtmi-
si massikeskmest ning tegu on ümmarguste avadega, võtab ta mõõtevahemiku kahe ringi keskpunktist. 
Ka siin ei määra me täpset vahemaad , vaid anname vahemiku, mille piires avade kaugus võib kõikuda.
1. Detail on paigas, kõik kaugused klapivad.
3
2. Detail on nihkunud natuke paremale, kuid kõik avad leiti ning kaugused 
klapivad.
3. Detail on nihkunud nurga al a. Sellest hoolimata leiab progamm kõik avad 
üles ning kõik kaugused klapivad.
4. Detail on nihkunud nurga al a. Avad leitakse, kuid ülemine väike ava on 
suurele augule liialt lähedal. Programm annab veateate.
4
5. Detail on taas nihkunud nurga al a. Programm ei suuda tuvastada alumist 
väikest ava. Antakse veateade.
Kokkuvõte
Antud laboris uurisime masinnägemist. Labor sai edukalt läbi viidud - probleeme sel 
korral ei esinenud . Juhend oli väga põhjalik.
Ülesandest õppisime Vision builderi elementaarfunktsioonide kasutamist.
5