一文讀懂計(jì)算機(jī)視覺和機(jī)器人視覺

　　計(jì)算機(jī)視覺與機(jī)器人視覺有很多的相似之處，兩者的基本理論框架、底層理論、算法等是相似的，但計(jì)算機(jī)視覺與機(jī)器人視覺研究的最終目的不同：前者主要研究視覺檢驗(yàn)，精度要求高，速度不是主要考慮的問題；而機(jī)器人視覺主要研究在視覺引導(dǎo)下機(jī)器人對(duì)環(huán)境的作用，有實(shí)時(shí)性的要求。

　　1.計(jì)算機(jī)視覺的概念

　　計(jì)算機(jī)視覺就是用各種成像系統(tǒng)代替視覺器官作為輸入敏感手段，由計(jì)算機(jī)來代替大腦完成處理和解釋。計(jì)算機(jī)視覺的最終研究目標(biāo)就是使計(jì)算機(jī)能像人那樣通過視覺觀察和理解世界，具有自主適應(yīng)環(huán)境的能力。但在實(shí)現(xiàn)最終目標(biāo)以前，人們努力的中期目標(biāo)是建立一種視覺系統(tǒng)，這個(gè)系統(tǒng)能依據(jù)視覺敏感和反饋的某種程度的智能完成一定的任務(wù)。（這里要指出的一點(diǎn)是在計(jì)算機(jī)視覺系統(tǒng)中計(jì)算機(jī)起代替人腦的作用，但并不意味著計(jì)算機(jī)必須按人類視覺的方法完成視覺信息的處理。計(jì)算機(jī)視覺可以而且應(yīng)該根據(jù)計(jì)算機(jī)系統(tǒng)的特點(diǎn)來進(jìn)行視覺信息的處理、指導(dǎo)。）

　　2.計(jì)算機(jī)視覺的發(fā)展

　　視覺研究是在Roberts之前都是基于二維的，而且多數(shù)是采用模式識(shí)別的方法完成分類工作的。Roberts首先用程序成功地對(duì)三維積木世界進(jìn)行解釋，在之后類似的研究中，Huffman。Clowes以及Waltz等人對(duì)積木世界進(jìn)行了研究并分別解決了由線段解釋景物和處理陰影等問題。積木世界的研究反映了視覺早期研究中的一些特點(diǎn)，即從簡(jiǎn)化的世界出發(fā)進(jìn)行研究。這些工作對(duì)視覺研究的發(fā)展起了促進(jìn)作用，但對(duì)于稍微復(fù)雜的景物便難以奏效。

　　20世紀(jì)70 年代中期，以Marr，Barrow和Tenebaum等人為代表的一些研究者提出了一整套視覺計(jì)算的理論來描述視覺過程，其核心是從圖像恢復(fù)物體的三維形狀。在視覺研究的理論上，以Marr的理論影響最為深遠(yuǎn)。其理論強(qiáng)調(diào)表示的重要性，提出要從不同層次去研究信息處理的問題。對(duì)于計(jì)算理論和算法實(shí)現(xiàn)，他又特別強(qiáng)調(diào)計(jì)算理論的重要性。這一框架雖然在細(xì)節(jié)上甚至在主導(dǎo)思想上還存在不完備的方面，許多方面還有很多爭(zhēng)議，但至今仍是目前計(jì)算機(jī)視覺研究的基本框架。

　　進(jìn)入80年代中后期，隨著移動(dòng)式機(jī)器人等的研究，視覺研究與之密切結(jié)合，大量引入了空間幾何的方法以及物理知識(shí)，其主要目標(biāo)是實(shí)現(xiàn)對(duì)道路和障礙的識(shí)別處理。這一時(shí)期引入主動(dòng)視覺的研究方法，使用了距離傳感器，并采用了多傳感器融合等技術(shù)。

　　3.計(jì)算機(jī)視覺研究存在的問題

　　世界各國(guó)的研究者們按照Marr提出的基本理論框架，對(duì)計(jì)算機(jī)視覺系統(tǒng)的各個(gè)研究層次進(jìn)行了大量的研究，并提出了相應(yīng)的解決方法，但總的來講，這些方法都存在著一些問題，或缺乏通用性，或抗干擾能力差，或存在多解性，其原因如下：一是計(jì)算機(jī)視覺是一個(gè)逆問題，即輸入圖像為二維圖像的灰度，它是三維物體幾何特征、光照、物體材料表面性質(zhì)、物體的顏色、攝像機(jī)參數(shù)等許多因素的函數(shù)。由灰度反推以上各種參數(shù)是逆問題，而這些問題大都是非線形的，問題的解不具有唯一性，而且對(duì)噪聲或離散化引起的誤差都極其敏感；另一個(gè)原因是Marr的視覺系統(tǒng)框架是一個(gè)自上而下的、模塊的、單向的、數(shù)據(jù)驅(qū)動(dòng)型的結(jié)構(gòu)。神經(jīng)生理學(xué)的深入研究表明，這種結(jié)構(gòu)與人的視覺系統(tǒng)還有很大差距，生物視覺系統(tǒng)的認(rèn)知過程是一種與外界交互作用的有目的、主動(dòng)性過程，而不僅僅是一種被動(dòng)式的反應(yīng)。

　　4.機(jī)器人視覺的概念

　　機(jī)器人視覺系統(tǒng)是指用計(jì)算機(jī)來實(shí)現(xiàn)人的視覺功能，也就是用計(jì)算機(jī)來實(shí)現(xiàn)對(duì)客觀的三維世界的識(shí)別。2.機(jī)器人視覺主要研究用計(jì)算機(jī)來模擬人的視覺功能從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)、測(cè)量和控制。

　　人類視覺系統(tǒng)的感受部分是視網(wǎng)膜，它是一個(gè)三維采樣系統(tǒng)。三維物體的可見部分投影到視網(wǎng)膜上，人們按照投影到視網(wǎng)膜上的二維成像來對(duì)該物體進(jìn)行三維理解。如果把三維客觀世界到二維投影像看作是一種正變換的話，則機(jī)器視覺系統(tǒng)所要做的是從這種二維投影圖像（灰度陣列）到三維客觀世界的逆變換，也就是根據(jù)這種二維投影圖像去重建三維的客觀世界。

　　5.機(jī)器人視覺的發(fā)展

　　機(jī)器人視覺系統(tǒng)按其發(fā)展可分為三代。第一代機(jī)器人視覺的功能一般是按規(guī)定流程對(duì)圖像進(jìn)行處理并輸出結(jié)果。這種系統(tǒng)一般由普通數(shù)字電路搭成，主要用于平板材料的缺陷檢測(cè)。第二代機(jī)器人視覺系統(tǒng)一般由一臺(tái)計(jì)算機(jī)，一個(gè)圖像輸入設(shè)備和結(jié)果輸出硬件構(gòu)成。視覺信息在機(jī)內(nèi)以串行方式流動(dòng)，有一定學(xué)習(xí)能力以適應(yīng)各種新情況。第三代機(jī)器人視覺系統(tǒng)是目前國(guó)際上正在開發(fā)使用的系統(tǒng)。采用高速圖像處理芯片，并行算法，具有高度的智能和普通的適應(yīng)性，能模擬人的高度視覺功能。

　　6.計(jì)算機(jī)視覺和機(jī)器人視覺的比較

　　計(jì)算機(jī)視覺與機(jī)器人視覺有很多的相似之處，兩者的基本理論框架、底層理論、算法等是相似的，但計(jì)算機(jī)視覺與機(jī)器人視覺研究的最終目的不同：前者主要研究視覺檢驗(yàn)，精度要求高，速度不是主要考慮的問題；而機(jī)器人視覺主要研究在視覺引導(dǎo)下機(jī)器人對(duì)環(huán)境的作用，有實(shí)時(shí)性的要求。因此機(jī)器人視覺研究存在更多的困難。

　　7.機(jī)器人視覺系統(tǒng)的方法（本文略）

　　8.機(jī)器人視覺國(guó)內(nèi)外的應(yīng)用

　　國(guó)外機(jī)器視覺系統(tǒng)應(yīng)用于很多方面，如用于海洋石油開采，海底勘查的水下機(jī)器人；用于醫(yī)療外科手術(shù)及研究的醫(yī)用機(jī)器人；幫助人類了解宇宙的空間機(jī)器人；完成特殊任務(wù)的核工業(yè)機(jī)器人等。雖然我國(guó)在機(jī)器視覺方面的發(fā)展與世界先進(jìn)水平相比還有一定差距，但機(jī)器視覺系統(tǒng)的研制工作也取得了一定的成果。我國(guó)視覺機(jī)器人應(yīng)用主要有以下目的：用以代替人類從事危險(xiǎn)、有害和惡劣環(huán)境、超凈環(huán)境下的工作；把人從骯臟、繁重的勞動(dòng)中解放出來；提高勞動(dòng)生產(chǎn)率，改善產(chǎn)品質(zhì)量，快速響應(yīng)市場(chǎng)要求，加強(qiáng)在國(guó)際市場(chǎng)的競(jìng)爭(zhēng)能力。

　　9.機(jī)器人視覺目前存在的主要問題

　　目前的機(jī)器人視覺存在以下一些問題：

　　1.如何準(zhǔn)確、高速（實(shí)時(shí)）地識(shí)別出目標(biāo)。

　　2.如何有效地構(gòu)造和組織出可靠的識(shí)別算法，并且順利地實(shí)現(xiàn)。這期待著高速的陣列處理單元，以及算法（如神經(jīng)網(wǎng)絡(luò)法、小波變換等算法）的新突破，這樣就可以用極少的計(jì)算量高度地并行實(shí)現(xiàn)功能。

　　3.實(shí)時(shí)性是一個(gè)難以解決的重要問題。圖像采集速度較低以及圖像處理需要較長(zhǎng)時(shí)間給系統(tǒng)帶來明顯的時(shí)滯，此外視覺信息的引入也明顯增大了系統(tǒng)的計(jì)算量，例如計(jì)算圖像雅可比矩陣、估計(jì)深度信息等等。圖像處理速度是影響視覺系統(tǒng)實(shí)時(shí)性的主要瓶頸之一。

　　4.穩(wěn)定性是所有控制系統(tǒng)首先考慮的問題，對(duì)于視覺控制系統(tǒng)，無論是基于位置、基于圖像或者混合的視覺伺服方法都面臨著如下問題：當(dāng)初始點(diǎn)遠(yuǎn)離目標(biāo)點(diǎn)時(shí)，如何保證系統(tǒng)的穩(wěn)定性，即增大穩(wěn)定區(qū)域和保證全局收斂；為了避免伺服失敗，如何保證特征點(diǎn)始終處在視場(chǎng)內(nèi)。

　　10.機(jī)器人視覺應(yīng)當(dāng)進(jìn)一步研究的問題

　　根據(jù)目前情況，機(jī)器人視覺應(yīng)在以下幾個(gè)方面進(jìn)一步加強(qiáng)研究：

　　1.圖像特征的選擇問題。視覺伺服的性能密切依賴于所用的圖像特征，特征的選擇不僅要考慮識(shí)別的指標(biāo)，還要考慮控制指標(biāo)。從控制的觀點(diǎn)看，用冗余特征可抑制噪聲的影響，提高視覺伺服的性能，但又會(huì)給圖像處理增加難度。因此如何選擇性能最優(yōu)的特征，如何處理特征以及如何評(píng)價(jià)特征，都是需要進(jìn)一步研究的問題。針對(duì)任務(wù)有時(shí)可能需要從一套特征切換到另一套，可以考慮把全局特征與局部特征結(jié)合起來。

　　2.結(jié)合計(jì)算機(jī)視覺及圖像處理的研究成果，建立機(jī)器人視覺系統(tǒng)的專用軟件庫。

　　3.加強(qiáng)系統(tǒng)的動(dòng)態(tài)性能研究。目前的研究多集中于根據(jù)圖像信息確定期望的機(jī)器人運(yùn)動(dòng)這一環(huán)節(jié)上，而對(duì)整個(gè)視覺伺服系統(tǒng)的動(dòng)態(tài)性能缺乏研究。

　　4.利用智能技術(shù)的成果。

　　5.利用主動(dòng)視覺的成果。主動(dòng)視覺是當(dāng)今計(jì)算機(jī)視覺和機(jī)器人視覺研究領(lǐng)域中的一個(gè)熱門課題。它強(qiáng)調(diào)的是視覺系統(tǒng)與其所處環(huán)境之間的交互作用能力。與傳統(tǒng)的通用視覺不同，主動(dòng)視覺強(qiáng)調(diào)兩點(diǎn)，一是認(rèn)為視覺系統(tǒng)應(yīng)具有主動(dòng)感知的能力，二是認(rèn)為視覺系統(tǒng)應(yīng)基于一定的任務(wù)（TaskDirected）或目的（PurposiveDirected）。主動(dòng)視覺認(rèn)為在視覺信息獲取過程中，應(yīng)更主動(dòng)地調(diào)整攝像機(jī)的參數(shù)，如方向、焦距、孔徑等并能使攝像機(jī)迅速對(duì)準(zhǔn)感興趣的物體。更一般地，它強(qiáng)調(diào)注視機(jī)制（AttenTIon），強(qiáng)調(diào)對(duì)分布于不同空間范圍和時(shí)間段上的信號(hào)采用不同的分辨率有選擇性地感知，這種主動(dòng)感知既可在硬件層上通過攝像機(jī)物理參數(shù)的調(diào)整實(shí)現(xiàn)，也可以在基于被動(dòng)攝像機(jī)的前提下，在算法和表示層上通過對(duì)已獲得的數(shù)據(jù)有選擇性地處理實(shí)現(xiàn)。同時(shí)，主動(dòng)視覺認(rèn)為不基于任何目的的視覺過程是毫無意義的，必須將視覺系統(tǒng)與具有的目的（如導(dǎo)航、識(shí)別、操作等）相聯(lián)系，從而形成感知／作用環(huán)（PercepTIon／AcTIonCycle）。

　　6.多傳感器融合問題。視覺傳感器具有一定的使用范圍，如能有效地結(jié)合其它傳感器，利用它們之間性能互補(bǔ)的優(yōu)勢(shì)，便可以消除不確定性，取得更加可靠、準(zhǔn)確的結(jié)果。