做机器视觉哪个软件好？

我当年大二做视觉的时候也是一脸懵逼，所以来答一下吧，希望能有帮助。

虽然被邀请了，但由于没有做过这个项目，所以也算是强答吧？如果有答得不对的地方，也欢迎大家指出。

首先，这个比赛应该是要求利用视觉系统识别羽毛球位置，并估计出羽毛球速度、预测击球点。

好了，提取几个可能会用到的关键技术点：①立体视觉（标定）；②目标检测（图像处理）；③机器人控制（实时性）；④kalman滤波/粒子滤波。

①立体视觉（标定）

要想得到羽毛球的位置，就需要使用立体视觉技术，根据使用的设备不同，标定难易也不同：

1）如果是打算自己用两个相机组成双目视觉系统

那么需要进行两个相机之间的标定+相机系统与世界坐标系（球场）的标定。

2）如果是购买现成的立体视觉传感器（内参已经标定好），如kinect或其他双目相机

那么就只需要标定相机系统与场地坐标系之间的相对位姿。

由于标定只需要进行一次，所以对计算效率等要求并不高。但是，编程难度而言，对于视觉入门者来说，还是比较难的。

所以，这部分要求容易实现（有源代码或者能直接使用的标定库），对实时性无要求。那么，Matlab（

Camera Calibration Toolbox for Matlab

）和OpenCV（

Camera calibration With OpenCV

）都是可以的。语言的话，用Matlab就是采用它自己的语言，用OpenCV的话，建议C++。

②目标检测（图像处理）

这个应该是这个项目的主要内容。就是如何根据采集到的图像得到羽毛球位置。

还是根据传感器分为两种做法：

1）双目相机：

如果是采用双目相机，那方法就是通过分别检测羽毛球在两幅图像中的位置，通过前面标定数据，利用简单的几何关系计算出羽毛球的3D坐标（如下图）。

要从每幅图像中处理得到羽毛球位置，可能会用到的图像处理技术有

阈值分割、二值化、膨胀腐蚀等形态学处理、连通域处理、关键点提取

等。

那么，这些工作Matlab（

Image Processing Toolbox

）和OpenCV（

imgproc

,

feature2d

）也都可以做。

区别是Matlab比较好调试、对于初学者也比较友好。OpenCV处理比较快。

2）kinect等

如果是能直接拿到点云数据（就是一堆xyz坐标点，大概如下图）

那么，就可以采用简单的点云分割、欧氏聚类等算法可以实现（具体效果不清楚）。如果是要处理点云，那么自然是建议采用PCL（

Point Cloud Library (PCL)

）了，编程语言是C++。据说新版本Matlab（

3-D Point Cloud Processing

）里面也有点云处理的功能，但似乎处理速度极慢（存疑？）。

③机器人控制（实时性）

由于比赛过程中，需要实时检测羽毛球位置，对算法的实时性要求较高。因此，Matlab只能放弃了，要连机器人的话还是C++比较实用。

④kalman滤波/粒子滤波

这一步其实很重要，前面三步只是计算当前图片/点云中的羽毛球位置，而打羽毛球时，我们需要得到羽毛球的速度、并估算出羽毛球下一时刻的位置和击球点。

当然，粒子滤波在目标跟踪领域很常用，但是由于羽毛球可以建立动力学模型，所以我比较推荐kalman滤波。

这些算法都很容易实现，网上也一大堆博客教程。MATLAB还是C++都可以。

⑤DL

好吧，如果不想从传统视觉的方法做，想利用深度学习的话，那么前面的当我没说，直接根据你使用的深度学习库选择语言与平台即可。

综上，如下：

最后，不论是OpenCV，PCL还是MATLAB，确定之后，就直接去看他们的教程吧

OpenCV

，

PCL

，

Matlab

。都很容易就能掌握的。

图像处理的基础知识，可以看冈萨雷斯的《数字图像处理》，有中文版：

Rafael Gonzalez, C., and E. Richard Woods. "Digital image processing."Pearson Education (2002).