機器人視覺系統設計原理分析

導語：機器人視覺系統設計原理分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要:機器人技術一直是人們關注的科技熱點，因為機器人的多元發展，機器視覺系統逐漸被建立起來。機器視覺系統通過模擬人眼來實現采集圖像、分析圖像、獲取信息、處理圖像等功能，是一門集自動化、計算機等于一體的綜合技術。文章深入研究了機器視覺系統的硬件組成與圖像處理技術，針對機器視覺在各領域的應用進行實例研究說明，并對當下機器視覺系統在國內的發展現狀進行分析，展望機器視覺的美好未來。

關鍵詞:圖像處理；機器視覺系統；灰度處理科技

隨著時代迅速發展，而機器人的發展至今已有近百年歷史，在醫學領域，醫用機器人進行輔助甚至代替人類對病人進行診斷與手術。在工業領域，機器人代替人類對產品進行檢驗和包裝。除此之外機器人在軍事領域也有所應用，如幫助軍人觀察戰場、輔助射擊等作用。其中，機器視覺系統是利用數字攝像頭采集各類信息，通過中心處理器對圖像數據進行分析處理，得到圖片中的有用信息，幫助人們完成繁瑣單調的工作。機器視覺技術在發展的同時也緊跟社會發展潮流，從熱門的PS到現在的人臉識別技術，逐漸走向人工智能化，為人們的生活增添更加便捷的通道，本文將會對機器視覺系統的硬件和軟件分別進行描述。

1硬件結構

1.1設計理念。機器視覺系統賦予機器人視野，可以快速分析、分辨、處理復雜圖像上的信息數據。基于此機器人的應用得到拓寬，減少了人類處理繁瑣工作的時間，讓我們的生活更加便利高效。在制藥方面，藥品的生產過程需要嚴格的管理控制和質量控制，而機器視覺系統可以實現這一系列繁瑣的操作，維護患者的生命安全。在激光加工方面，激光加工技術與機器視覺技術相結合，使加工變得更加精準，降低了加工成本，而機器視覺系統由光源、鏡頭、相機、圖像采集卡、圖像處理系統五大部分構成。1.2光源。光源是機器視覺系統的重要結構之一。在不同的情況下對光源的種類都有著不同的要求。一般為熱輻射電源、氣體放電光源源、固體放電光源、激光器四類。光源當中最常使用的是LED，而LED又因為形狀不同又分為許多鐘類，比如當我們進行顯微鏡照明時我們使用環形光源，突出物體的三維信息。對透明物體劃痕檢測時使用背光源，突出物體外形輪廓特點。不限于上文中所提到的LED，在不同場景下選擇合適的光源才能采集到有效的圖片信息。1.3鏡頭。鏡頭是機器視覺系統圖像采集的重要組件，它就如同人類的眼球一樣，來觀察被測物的距離和范圍。它的類型有標準、遠心、廣角、遠攝和近攝等。人們根據物距、拍攝范圍、光圈、焦距等條件進行選擇。1.4相機。相機是圖像采集的核心組件，通過感光元件將光信號轉換為電信號，實現光線與數字信號的轉換，采集到原始圖像。根據分類方法的不同，相機也被分為多種。按照芯片來分類，最常見的是CCD攝影機和CMOS攝影機兩種類型，它們都是進行光電轉換的數字攝像頭，但是由于芯片類型的不同，處理能力也有些不同，CMOS的技術相對與CCD更節能，效率更高，但成本上更加的昂貴。1.5圖像采集卡。圖像采集卡是圖像處理部分不可或缺的一部分，視頻信息的處理方面圖像采集技術必不可少它將圖像數字化，將它以數據文件的形式保存在電腦中的硬盤里。圖像的采集一般是依靠眾多感光元件，如清晰度為1080×720時，感光元件上橫排有1080個感光元件小矩形，縱邊上有720個小矩形，等待收集光線強度。由于感光原件接受的光照強度的敏感性不同，使它們的電阻跟著發生改變，所以它們產生的效果也會有所差異，從而來得到初始圖像。而組成圖片的像素越大，圖像越清晰，形成人們所說的高清圖片[1]。1.6圖像處理系統。在機器視覺系統當中，圖像處理系統的作用是通過圖像采集卡得到的圖像數據進行一系列的分析處理，從而得到想要的信息。圖像的處理過程如圖1，首先是通過圖像采集卡等采集圖片信息，將光信號轉換為電信號。將數字圖片傳輸至處理器進行灰度處理，即將我們所感興趣的部分變成白色，不感興趣的部分變成黑色，從而區分我們所需要與不需要的部分。但在得到二值化圖像后在目標物體周圍會有一些噪點，影響后續判斷物體邊緣的數值。為了消除這些噪點，我們利用圖像腐蝕和膨脹處理/濾波處理，腐蝕細化目標物體，再經過卷積運算放大目標物，去除噪點，實現邊界檢測、圖像增強的效果。經過與數據庫對比得到視野里目標物的準確信息，基于此進行后續執行的判斷與運行[1-2]。

2機器視覺的應用

2.1軍事領域。在軍事領域中，機器視覺系統在航空、航天、追蹤等方面起著非常重要的作用。空軍主要利用無人機完成空中任務，如目標鎖定、精準殲滅的工作。在高空、移動的情況下，通過配合紅外傳感器，實時回傳圖片信息，與數據庫的目標物體進行匹配，相似度極高且檢測到強烈的紅外信號，則判斷該地區有非法核武器等敵方信息，對目標物體進行精準打擊。減少人員損失，提高作戰精準水平。在執行無人機高空偵查任務時，高分辨率的圖片采集與分析處理有利于我們隨時監控周邊環境，防止敵軍入侵的同時觀測敵方的日常運行。2.2工業領域。在工業領域，重復機械的產品質量檢查耗費大量人力成本，且處理速度慢，受天氣、身體狀態、工作時長等干擾因素的影響。而機器人視覺系統不受各干擾因素的影響，且擁有優秀的處理系統，在短短幾秒迅速分辨出大批量產品的質量缺陷，快速且準確。計算得出，工業上機器人視覺分揀系統一天可完成500工人的工作量，大幅度提升生產的效率，解放勞動力。工業視覺機器人可以不斷學習，各個機器人之間通過網絡就可以迅速刷新知識，不斷學習與鞏固，減少出錯環節，提高精準度，相當于擁有無數可復制的資深檢察員。不僅在檢查的工作崗位上，工廠智能機器人在流水線上也可利用機器視覺定位快速定位進行抓取，迅速分析物料并進行加工等操作[3]。2.3民用領域。在民用領域，機器視覺識別技術的運用范圍是非常廣泛的，在人臉驗證、安保、交通等方面都有著深入接觸。我們在保安室的電腦上就可以看到，計算機通過拍攝的圖片得到進出車輛的車牌號，并自行對比該車輛是否為小區入檔的車牌號，計算出車輛進出該區域相隔多久時間等。在一定程度上簡化了車輛進出流程，為車輛進出提供安全、快速的通道。當進入機場檢票時，自動檢票機將人臉與身份證照片進行對比核實，迅速準確地進行判斷，節約人力成本，加快機場安檢速度。此外，在追捕嫌疑犯時使用攝像頭實時檢測，將各類攝像頭拍下的照片與數據庫里的犯人照片進行對比與相似度分析，從而在茫茫人海中識別罪犯，進行逮捕[4]。

3結論

本文主要對機器人視覺的硬件組成與圖像處理流程進行說明，并介紹機器人視覺在民用、軍用、工業領域的具體應用，通過對機器人視覺構造的理解與當前應用現狀的分析，找出機器人視覺發展的難點，積極推動機器人視覺的應用，建設智能化工廠、智能化軍隊、智慧城市。我國的機器視覺技術起步較晚，國外相比還有較大的差距，最明顯的差距在于當前機器視覺領域的人才稀缺。我國的機器人視覺系統應用范圍還不廣泛，穩定性不高。而在圖片數據庫領域也是引入的國外圖片處理數據庫，還未建立起自己的一套應用體系。隨著國家政府的重視，相關的標準、規范逐漸完善，機器人視覺系統的研發創新也將愈加熱烈。這也將不斷推動我國的機器視覺技術的發展，使我國的機器人視覺系統的設計應用更加廣泛，充分解放勞動力，建設更智能化的工廠、社會、城市。

參考文獻

[1]梅啟成.基于深度學習的商品圖像識別方法研究[D].廣州：廣東工業大學，2018.

[2]蔣偉.基于圖像處理技術的工業分揀機器人研究與應用[D].烏魯木齊：新疆大學，2018.

[3]曾志偉.基于機器視覺的工業機器人定位抓取技術的研究[D].廣州：廣東工業大學，2018.

[4]史家昆.基于監控場景下的人臉識別的系統設計與實現[D].北京：北京郵電大學，2018.

作者:韓雨佶 單位:邛崍市第一中學校