机器视觉基本构成机视觉基本构成.docVIP

机器视觉基本构成 觉是一个古老的研究课题，到了70年代末，80年代初， MIT的马尔(D. Marr)教授创立了视觉计算理论，使视觉的研究 前进了一大步。马尔首先解决了研究视学理论的策略问題,他认为 视觉是一个复杂的信息处理问题，要完整地理解视觉，必须从三个 不同的层次上对它进行解释:第一个层次是信息处理问题的计算 理论，在这个层次上所研究的是对什么信息进行计算和为什么要进行这些计算;第二个层次是算法，它所研究的是如何进行所要求 的计算,也就是要设计特定的算法；第三个层次是执行它研究完某一特定算法的具体机构。从计算理论这个层次来看，马尔教授提出视觉信息处理必须用三级内部表像加以描述，这三级表像是: 要素图（图像的表像），2. 5维图（可见表面的表像)和三维模型表 像(用于识别的三维物体彤状表像对于机器人视觉技术，我们的主要任务是为机器人建造视觉 系统。如同人类视觉系统的作用一样，机器人视觉系统将赋予机器人一种高级感觉机构，使得机器人能以智能和灵活的方式对其周 围的环境作出反应。由于对机舞人系统应用领域不断提出更高的 要求机器人视觉将越来越复杂。机器人视觉可以看作从三维环境的图像中抽取、描述和解释信息的过程，它可以划分为六个主要部分：①感觉;②预处理I③分割;④推述⑤识别;⑥解释，再根据实现上述各种过程所涉及的方法和技术的复杂性将它们归类,可分为三个处理层次：低层视觉处 理、中层视觉处理和高层视觉处理。虽然各层次间没有明确的界 限，但是这种划分对于将机器人视觉系统的固有处理过程加以分 类提供了一种有用的结构。这就是本书要讲述的主要内容。 感觉是机器人获取图像的过程，本书的第二章和第三章讲述 了景物和距离传感器：电视摄像机，CCD橡感器和超声波传感器视頻信号数字化技术；图像生成的两种方式以及图像模型.它系 统、简要地介绍了图像从光学变成电信号的原理和方法，视频图像的数字化技术以及表示方法。 普通图像預处理的方法很多，在机器人视觉系统中使用的若干預处理方法，要考虑计算机运算速度和低成本的要求。在第四章 中主要采用了两种预处理方法:一种是基于空域技术的方法;另一 种是基于频域技术的方法。它主要解决图傕的增强，平滑、尖锐化、滤肢以及伪彩色处理问题。 分割是将图像划分成若干个有一定含义的物体的过程.它是 机器人视觉技术中重要的一步，是视觉技术领域中既古老而又年 轻的课题，几年前这方面的文章很多，现在这方面的文畎也还很 多?第五章我们简要而综合地介绍了分割技术所采用的几种方法： 灰度阈值法，边缘检澍，匹配和拟合，区域跟综和增长，迭代松弛法 以及运动分割等描述是为了进行识别而从物体中抽取持征的过程，在理想情况下，描述符应该与物体的大小，位置、方向无关，应该含有足够多 的可用于鉴别的信息，以便在众多的物体中唯一地识别某物体。播述符的质量会影响识别算法的复杂性,而且也会影响识别的性能。第六章介绍了表示方法，再根据表示方法的不同计算物体的几何 特性和拓扑特征，同时还介绍了边界描述符和域描述符。 识别是一种标记过程。换句话说，识别算法的功能在于识别景 物中每个已分割的物体，并賦于该物体以某种标记，第七章介绍的 识别方法可分两大类:决:策理论方法和结构方法^决策理论方法以 定量揹述为基础，即统计模式识别方法而结构方法依輳于符号描述及它们的关系，即句法模式识别方法。当然介绍上述方法时，要 结合机器人视觉的具体问题如统计纹理，链码边界的方向序列等, 而且重点介绍实甩性较强的二维物体的识别， 解释可以看作是机器人视觉系统对其环境具有的更高级的认知行为，对于装配机器人如果给它装上装配工艺知识，它就能从 传送带上通过视觉系统自动地识别出装配所需要的零件,量测出 空间坐标，然后命令机械手抓取，计算机再根据装配工艺知识自动 地做出规划，命令机械手进行装配。对于可行走机器人也是这样， 如果给它装上地图知识，机器人视觉系统识别出当前所在地的标 记，与地图知识进行匹配，机器人就能自动作出规划决定古下一 步的行走方向第八章简要地介绍知识表示和使用以及基于知识的匹配等问题。 为了增加本书的实用性，在讲述了机器人视觉六个主要部分 之外，还讲述机器人视觉系统（第二章）和基于CAD模型的多传 感器视觉系统(第九章引进第二章的目的是:介绍如何解决机器 人视觉技术中的瓶颈问题——计算速度问题，该章还介绍了设计 机器人视觉系统要解决的工程技术问题:景物和距离传感器，视頻 信号数字化技术，视频信号佚速处理技术以及几沖商业通用视觉 系统简介。 机器人视觉技术的应用 机器人视觉技术主要应用在下述两个方面： 一、给装配机器人（机械手）配备视觉装置，要求视觉系统必须做到： （1）识别传送带上所要装配的机械零件；