本发明涉及图像处理领域，尤其涉及一种机器视觉图像生成方法。
背景技术：
1、机器视觉作为人工智能的一个重要分支，已经取得了显著的发展，机器视觉主要依赖于光学装置和非接触传感器来自动接收和处理真实物体的图像。
2、目前，机器视觉系统主要依赖于2d图像分析，若能集成3d视觉技术将使机器能够更准确地理解和分析物体的三维结构，从而在更复杂的场景中发挥作用，而图像处理技术是机器视觉的核心，革新机器视觉系统的关键就在于如何基于图像处理技术使机器成功理解与分析物体的三维结构。
技术实现思路
1、本发明意在提供一种机器视觉图像生成方法，以解决机器视觉成像过程中直线形图像容易产生几何畸变，使用图像处理技术使特征提取更准确，将知识库数据转化为有序树结构，使用选择算法代替传统的遍历算法，并结合模糊分类算法，实现对三维物体的快速识别的问题。
2、为了实现上述目的，本发明提供如下方法：
3、本发明提供的一种机器视觉图像生成方法是：
4、s1：根据机器的任务需求进行扫描三维物体目标，并建立知识库；
5、s2：基于所述知识库建立机器视觉检测模型；
6、s3：将所述三维物体目标进行刻画若干目标标定点，并进行计算，得到映射转换关系；
7、s4：根据所述机器视觉检测模型以及对应的映射转换关系生成目标图像；
8、s5：实时更新所述知识库，利用所述知识库进行维护和修正所述目标图像。
9、优选的，所述根据机器的任务需求进行扫描三维物体目标，并建立知识库的步骤，包括：收集机器在任务场景中需要识别的三维物体目标数据，并将所述三维物体目标数据存储到知识库中；利用图像处理技术对所述三维物体目标数据进行提取关键特征要素；根据提取的所述关键特征要素对所述知识库的数据进行整合。
10、优选的，所述利用图像处理技术对所述三维物体目标数据进行提取关键特征要素的步骤，包括：利用图像处理技术对所述三维物目标数据进行图像增强，提取所述三维物体目标的一般特征要素；选择在知识库中特征要素区别较大的所述一般特征要素作为关键特征要素并进行绑定关键特征要素标签。
11、优选的，所述根据提取的所述关键特征要素对所述知识库的数据进行整合的步骤，包括：将绑定了所述关键特征要素标签的三维物体目标数据采用锐化核心技术进行锐化处理；将锐化处理后的所述三维物体目标数据进行数据整合，根据整合顺序创建数据节点，每个所述三维物体目标数据对应一个数据节点，所有所述数据节点形成一个树形检测模型知识库。
12、优选的，所述基于所述知识库建立机器视觉检测模型的步骤，包括：根据所述树形检测模型知识库中的输入集的关键特征找到需要检索的图像目标；将所述图像目标在所述树形检测模型知识库中进行逐层检索，直至找到所述图像目标对应的所述关键特征要素；将所述图像目标对应的所述关键特征要素进行绑定为所述图像目标的特征标签进行输出。
13、优选的，所述将所述三维物体目标进行刻画若干目标标定点，并进行计算，得到映射转换关系的步骤，包括：将所述三维物体目标按照目标轮廓进行刻画出八个目标标定点；根据所述三维物体目标中心进行建立直角坐标系，得到所述八个目标标定点的图像坐标数据；根据所述图像坐标数据和所述八个目标标定点在机械物理坐标系中的实际坐标数据，进行计算得到映射转换关系。
14、优选的，所述根据所述机器视觉检测模型以及对应的映射转换关系生成目标图像的步骤，包括：根据所述机器视觉检测模型进行采集多帧清晰三维物体目标图像进行模糊处理，并生成多个训练图像组；构建图像去模糊模型，并设置初始的模型参数，所述图像去模糊模型由特征提取组件和图像重构组件耦合而成；将所述训练图像组输入所述图像去模糊模型进行处理，生成目标图像。
15、优选的，所述将所述训练图像组输入所述图像去模糊模型进行处理，生成目标图像的步骤，包括：将最后一帧所述训练图像输入所述特征提取组件，来提取出其对应的图像特征；将所述初始训练图像和所述最后一帧所述训练图像，输入其中一个特征提取组件中的滤波模块，由其结合所述图像特征，输出对应的对齐估计特征，以及，将所述中间帧训练图像和所述最后一帧训练图像，输入特征提取组件中的另一个滤波模块，由其结合所述图像特征，输出对应的对齐估计特征；将所述初始帧三维物体目标图像和所述初始帧训练图像，输入特征提取组件，由其结合所述图像特征，提取出对应的去模糊特征，以及，将所述中间帧参考图像和所述中间帧训练图像，由其结合所述图像特征，提取出对应的去模糊特征；将所述图像特征、所述对齐估计特征和所述去模糊特征输入所述图像重构组件进行处理，并输出目标图像。
16、优选的，所述实时更新所述知识库，利用所述知识库进行维护和修正所述目标图像的步骤，包括：依次遍历所述目标线段所在区域中的各像素行，识别当前遍历的像素行中的图像边缘像素，所述图像边缘像素是指激光曝光点与非激光曝光点的分界处的激光曝光点形成的像素；若当前遍历的像素行存在图像边缘像素，则对图像边缘像素所在的像素行中的目标像素进行平移操作；其中，所述目标像素包含图像边缘像素以及与所述图像边缘像素相邻且颜色相同的像素；所述平移操作是将所述目标线段在x轴的偏移量相反的方向作为修正方向，将所述目标线段的偏移量的距离值为修正距离移动所述目标像素。
17、优选的，若遍历的当前像素不是图像边缘像素，则判断所述当前像素的坐标是否在目标图像中，若是，则删除所述当前像素的坐标及相关偏移量。
18、本发明的有益效果体现在：本发明通过扫描三维物体并建立知识库，基于知识库建立机器视觉检测模型；基于机器视觉检测模型扫描识别任务场景中的三维物体；通过知识库扩展接口定期维护知识库中的数据，使用图像处理技术使特征提取更准确，将知识库数据转化为有序树结构，使用选择算法代替传统的遍历算法，并结合模糊检测算法，实现对三维物体的快速识别；通过计算得到的映射转换关系，计算得到在机械物理坐标系下的实际坐标数据，不仅实现了快捷且高效地进行定位，还能够通过校正来有效地提高定位精度，减少了产品加工的残次率，有效地降低了误差成本。
1.一种机器视觉图像生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种机器视觉图像生成方法，其特征在于，所述根据机器的任务需求进行扫描三维物体目标，并建立知识库的步骤，包括：
3.根据权利要求2所述的一种机器视觉图像生成方法，其特征在于，所述利用图像处理技术对所述三维物体目标数据进行提取关键特征要素的步骤，包括：
4.根据权利要求2所述的一种机器视觉图像生成方法，其特征在于，所述根据提取的所述关键特征要素对所述知识库的数据进行整合的步骤，包括：
5.根据权利要求4所述的一种机器视觉图像生成方法，其特征在于，所述基于所述知识库建立机器视觉检测模型的步骤，包括：
6.根据权利要求4所述的一种机器视觉图像生成方法，其特征在于，所述将所述三维物体目标进行刻画若干目标标定点，并进行计算，得到映射转换关系的步骤，包括：
7.根据权利要求6所述的一种机器视觉图像生成方法，其特征在于，所述根据所述机器视觉检测模型以及对应的映射转换关系生成目标图像的步骤，包括：
8.根据权利要求7所述的一种机器视觉图像生成方法，其特征在于，所述将所述训练图像组输入所述图像去模糊模型进行处理，生成目标图像的步骤，包括：
9.根据权利要求8所述的一种机器视觉图像生成方法，其特征在于，所述实时更新所述知识库，利用所述知识库进行维护和修正所述目标图像的步骤，包括：
10.根据权利要求9所述的一种机器视觉图像生成方法，其特征在于：
