位置：广州松河 > 优化推广 > 机器人视觉存在的问题及智能化因素

机器人视觉存在的问题及智能化因素

来源：网络整理时间：2023/3/21 5:34:18 共 3600 浏览

分享数：3

提高机器人智能化水平的关键因素；
机器视觉是机器人发展的重要方向，是提高机器人智能化水平的关键因素之一，有助于实现机器人工作的自动化。

根据测量设备的不同，机器视觉分为以下三种：

单目视觉技术，即安装单个摄像机进行图像采集，一般只能获取到二维图像。早在上世纪70年代就出现了视觉系统辅助机器人控制机械手进行生产的专利申请（DE2637686A1）。另外，在上世纪80年代，专利申请（US4754402A）公开了机器人能够以视觉感知的方式沿规定的路径移动。此后，单目视觉一直发展应用至今，广泛应用于智能机器人领域。然而，由于该技术受限于较低图像精度以及数据稳定性的问题，因此需要和超声、红外等其它类型传感器共同工作。为了克服这些问题，人们在上世纪80年代研发出双目视觉技术。

双目视觉技术，是一种模拟人类双眼处理环境信息的方式，通过两个摄像机从外界采集一副或者多幅不同视角的图像，从而建立被测物体的三维坐标。上世纪80年代，双目视觉技术已应用于移动机器人导航此外，双目视觉技术作为机器视觉研究的重点和方向，被广泛应用于生产制造以及各领域中。从分类看，双目视觉技术大致分为机械臂视觉控制、移动机器人视觉控制、无人机无人船视觉控制等方向。在机械臂视觉控制的焊接领域，双目机器人能够更好地满足焊接起始位置的导引、焊缝跟踪等功能在移动机器人视觉控制的扫地机器人领域，双目视觉帮助设备自动采集、处理视觉和激光数据，并从多个不同目标中自动检测感兴趣的目标在无人机领域，双目视觉能够提高姿态解算算法的精度以及鲁棒性和稳定性此外，双目视觉技术还广泛应用于农业采摘领域，比如帮助机械臂避障和果实定位然而，不可否认的是，双目视觉技术还存在可视场景限制等问题。基于此，多目视觉技术应运而生。
多目视觉技术，是指采用了多个摄像机以减少盲区，降低错误检测的机率。该技术主要用于物体的运动测量工作。在机械臂手眼协调方面，多目视觉技术能够克服物体捕捉的盲区，使机械臂进行抓取更加有效在工业机器人进行装配领域，多目视觉也能够精确识别和定位被测物体，进而提高装配机器人的智能程度和定位精度。此外，多目视觉技术还可以采用模仿生物的视觉系统构造获得更加清晰的图像和较高的处理能力，并改善对物体的定位，比如仿蜥蜴仿蜘蛛等。

机器视觉在国外起步较早。相比而言，国内对智能机器人的视觉系统进行研究起于国家“八五”计划期间，在2000年才把机器视觉应用于清洁机器人，并提交专利申请，比如判断污染物密集区以及识别漂浮物。进入21世纪，我国在相关领域的研发和专利申请有了显著提升。从2003年至2010年，智能机器人涉及机器视觉领域的年专利申请量都在60件以下，而2011年、2012年的年专利申请量已经上升到100件左右。需要指出的是，从2012年开始，该领域的年专利申请量出现飞速增长，2017年的年专利申请量近700件。

截至2018年5月31日，我国智能机器人领域涉及机器视觉的专利申请共2600余件，其中涉及双目视觉技术的专利申请有300余件，涉及多目视觉技术专利申请不足10件。该领域国内专利申请人主要有：成都万先自动化科技有限责任公司，主要涉及机器视觉与多种其余传感器，比如超声、红外等配合来对环境进行识别；中国科学院自动化研究所在该领域的专利申请量次之，主要涉及机械臂视觉控制以及移动机器人导航方面；紧随其后的是交通大学，主要侧重焊接机器人的视觉控制；沈阳新松机器人自动化股份有限公司主要在工业机器人的装配以及服务机器人的追踪导引领域进行了专利布局。

值得一提的是，国内申请人在机器视觉方面的专利申请，集中在机器视觉各个领域的应用，而涉及机器视觉本身算法的专利申请不多。由于机器视觉本身涉及到图像处理以及被测物体坐标的构建，因此，该领域核心技术除了摄像机的标定外，主要依赖于视觉定位算法来实现，而算法的优劣直接影响智能机器人的灵活性与可靠性。如此看来，国内在视觉定位算法方面相对于跨国公司而言还存在一定差距。从长远发展角度看，随着集成电路、处理器技术的进一步发展，我国在双目视觉技术领域还有非常大的潜力可挖，相关企业应加强该领域的研发和专利布局。

机器人视觉存在的问题和需要研究的方向；

机器人视觉目前存在的主要问题

1、如何准确、高速（实时）地识别出目标。

2、如何有效地构造和组织出可靠的识别算法，并且顺利地实现。这期待着高速的阵列处理单元，以及算法（如神经网络法、小波变换等算法）的新突破，这样就可以用极少的计算量高度地并行实现功能。

3、实时性是一个难以解决的重要问题。图像采集速度较低以及图像处理需要较长时间给系统带来明显的时滞，此外视觉信息的引入也明显增大了系统的计算量，例如计算图像雅可比矩阵、估计深度信息等等。图像处理速度是影响视觉系统实时性的主要瓶颈之一。

4、稳定性是所有控制系统首先考虑的问题，对于视觉控制系统，无论是基于位置、基于图像或者混合的视觉伺服方法都面临着如下问题：当初始点远离目标点时，如何保证系统的稳定性，即增大稳定区域和保证全局收敛；为了避免伺服失败，如何保证特征点始终处在视场内。

机器人视觉应当进一步研究的问题；

1、图像特征的选择问题。

视觉伺服的性能密切依赖于所用的图像特征，特征的选择不仅要考虑识别的指标，还要考虑控制指标。从控制的观点看，用冗余特征可抑制噪声的影响，提高视觉伺服的性能，但又会给图像处理增加难度。因此如何选择性能最优的特征，如何处理特征以及如何评价特征，都是需要进一步研究的问题。针对任务有时可能需要从一套特征切换到另一套，可以考虑把全局特征与局部特征结合起来。

2、结合计算机视觉及图像处理的研究成果，建立机器人视觉系统的专用软件库。

3、加强系统的动态性能研究。目前的研究多集中于根据图像信息确定期望的机器人运动这一环节上，而对整个视觉伺服系统的动态性能缺乏研究。

4、利用智能技术的成果。

5、利用主动视觉的成果。

主动视觉是当今计算机视觉和机器人视觉研究领域中的一个热门课题。它强调的是视觉系统与其所处环境之间的交互作用能力。与传统的通用视觉不同，主动视觉强调两点，一是认为视觉系统应具有主动感知的能力，二是认为视觉系统应基于一定的任务（TaskDirected）或目的，主动视觉认为在视觉信息获取过程中，应更主动地调整摄像机的参数，如方向、焦距、孔径等并能使摄像机迅速对准感兴趣的物体。

TAG标签耗时：0.0011100769042969 秒

版权说明：
本网站凡注明“广州松河原创”的皆为本站原创文章，如需转载请注明出处！
本网转载皆注明出处，遵循行业规范，如发现作品内容版权或其它问题的，请与我们联系处理！
欢迎扫描右侧微信二维码与我们联系。

·上一条：Java开发网站常用工具 | ·下一条：企业大型网站建设的系统架构及注意事项