机器人视觉应用.pptx

会计学第七章机器人的视觉及其应用第一节概述获取机器人周围世界的信息，人们为了从外界环境获取信息，一般是通过视觉、触觉、听觉等感觉器官来进行的，也就是说如果想要赋予机器人较为高级的智能，那么离开视觉系统是无法做到的。
/对于智能机器人来说，视觉系统是必不可少的。从20世纪60年代开始，人们便着手研究机器人的视觉系统。一开始只能识别平面上的类似积木的物体。到了20世纪70年代，已经可以认识某些加工部件，也能认识室内的桌子、电话等物品了。当时的研究工作虽然进展很快，但无法应用于实际。这是因为视觉系统的信息量极大，处理这些信息的硬件系统十分庞大，花费的时间也很长。/随着大规模集成技术的发展，计算机内存的体积不断缩小，价格急剧下降，速度不断提高，视觉系统也走向了实用化。进入20世纪80年代后，由于微机的飞速发展，实用的视觉系统已经进入各个领域，其中用于机器人的视觉系统数量是很多的。第二节机器人的视觉系统的组成及其原理一、机器人视觉系统的硬件系统
机器人视觉系统的硬件组成：
（1）景物和距离传感器：常用的有摄像机、CCD图像传感器、超声波传感器和结构光设备等。
（2）视频信号数字化设备。
（3）视频信号快速处理器：如DSP系统。
（4）计算机及其外设。
（5）机器人及其控制器。机器人视觉的软件系统有以下几个部分组成：
（1）计算机系统软件：选用不同类型的计算机，就有不同的操作系统和它所支撑的各种语言、数据库等。
（2）机器人视觉信息处理算法：图像预处理、分割、描述、识别和解释等算法。
（3）机器人控制软件。二、CCD原理CCD传感器
(a)CCD行扫描传感器；(b)CCD面阵传感器三、视频数字信号处理器
图像信号一般是二维信号，一幅图像通常由512×512个像素组成（当然有时也有256×256，或者1024×1024个像素），每个像素有256级灰度，或者是3×8bit，红黄兰16兆种颜色，一幅图像就有256KB或者768KB（对于彩色）个数据。完成视觉处理的传感、预处理、分割、描述、识别和解释。如果在通用的计算机上处理视觉信号，主要有两个局限性：一是运算速度慢，二是内存容量小，为了解决上述问题，可以采用如下方案：
（1）利用大型高速计算机组成通用的视频信号处理系统。但是缺点是成本太高。
（2）小型高速阵列机。
（3）采用专用的视觉处理器。为了适应微型计算机视频数字信号处理的需要，不少厂家设计了专用的视觉信号处理器，它的结构简单，成本低，性能指标高。多数采用多处理器并行处理，流水线式体系结构以及基于DSP的方案。第三节视觉信息的处理视觉信息的处理如图所示，包括预处理、分割、特征抽取和识别四个模块。一、预处理
预处理的主要目的是清除原始图像中各种噪声等无用的信息，改进图像的质量，增强感兴趣的有用信息的可检测性，从而使后面的分割、特征抽取和识别处理得以简化，并提高其可靠性，机器视觉常用的预处理包括去噪、灰度变换和锐化等。1.去噪
原始图像中不可避免地会包括许多噪声，如传感器噪声、量化噪声等。通常噪声比图像本身包含较强的高频成分，而且噪声具有空间不相关性，因此简单的低通滤波是最常用的一种去噪方法。2．灰度变换
由于光照等原因，原始图像的对比度往往不理想，利用各种灰度变换处理可以增强图像的对比度。3.锐化
与平滑处理相反，为了突出图像中的高频成分，使轮廓增强可以采用锐化处理二、图像的分离
1.图像的边沿检测
边沿检测作为各种物体检测算法的最初预处理步骤，在机器人视觉中具有重要的作用。
（1）基本公式
从原理上看，绝大多数边沿检测方法的主导思想是局部微分算子的计算。用微分算子检测边沿的基本原理（2）梯度算子
图像f(x,y)在位置(x,y)处的梯度，定义为二维矢量：

对于边沿检测，我们最关心的是这个矢量的幅值，幅值通常称为梯度（3）阈值化
图像阈值是工业机器人视觉系统进行物体检测的主要技术之一，尤其是对于高数据吞吐量的应用，阈值化更为有效。2.图像的边沿连接和边界检测
在理想情况下，检测强度不连续性的方法给出的应当只是那些位于物体与背景之间边界处的像素。实际上，噪声的存在，不均匀照明引起的边界中断，以及其他因素造成的意外强度不连续性，都会使得检测出的像素难以完全表征边界。因此，在边沿检测算法之后，通常要进行连接和用其它边界检测的方法进行处理，以便使边沿像素形成一个有意义的物体边界。（1）用局部分析方法进行边沿连接
这是最简单的一种方法。在已进行边沿检测处理的图像的每一点(x,y)附近小邻域（例如3×3或5×5）内，分析像素的特性，将所有相似的点连接在一起，这样便形成了具有某些共同特性的像素边界。
有两种基本特性可用于建立边沿像素的相似性：（1）用于检测边沿像素对梯度算子的响应速度；（2）梯度的方向。【例】研究如图(a)所示的汽车后部的图像。我们