機器視覺——為人工智能產(chǎn)業(yè)化加速配上“眼睛”

美國制造工程師協(xié)會(SME)視覺分會和美國機器人工業(yè)協(xié)會(RIA)自動化視覺分會對機器視覺的定義為：是通過光學裝置和非接觸式的傳感器，自動的接受和處理一個真實物體的圖像，以獲得所需信息或用于控制機器人/機械運動的裝置。

機器視覺最a早被提出來是在20世紀60年代，直到20世紀80到90年代，機器視覺才迎來了蓬勃發(fā)展，而在21世紀之后，機器視覺技術(shù)才步入成熟期。

有公開數(shù)據(jù)顯示，在2018年，全球用于工業(yè)自動化領(lǐng)域的機器視覺技術(shù)市場規(guī)模達44.4億美元，預(yù)計2023年將達122.9億美元，其年復合增長率高達21%。

相較于全球機器視覺行業(yè)而言，中國的機器視覺相關(guān)產(chǎn)業(yè)起步較晚，但發(fā)展速度很快。自2011年到2019年，我國機器視覺市場從10億元躍升到百億級，每年都維持著兩位數(shù)的增速。目前，中國已成為僅次于美國和日本的世界第三大機器視覺市場。

而2020年新冠疫情的爆發(fā)，雖然對整個行業(yè)有一定的沖擊影響，但卻成為了機器視覺最大的“練兵場””——無人機噴灑消毒、機器人無接觸式配送等，加速了大眾對機器人的認知，長期來看，這無疑會加速機器視覺行業(yè)的發(fā)展進程，各行各業(yè)將會對機器視覺的功能特性運用更加多元化，助推行業(yè)的全面升級。

從目前的行業(yè)發(fā)展來看，機器視覺在功能上的應(yīng)用主要表現(xiàn)在四個方面：

一、導航和定位

對于人眼而言，導航和定位，實則就是通過雙眼來目標物體的判定相對位置和絕a對位置。于機器而言，則需為其造一雙“眼睛”——3D視覺來實現(xiàn)的。

談到3D視覺，首先說說3D視覺的測量原理。目前市場上主流的有四種3D視覺測量技術(shù)：雙目視覺、TOF、結(jié)構(gòu)光和激光三角測量。

1、雙目技術(shù)，是目前較為廣泛的3D視覺系統(tǒng)，它的原理就像我們?nèi)说膬芍谎劬?，用兩個視點觀察同一景物，以獲取在不同視角下的感知圖像，然后通過三角測量原理計算圖像的視差，來獲取景物的三維信息。

雙目視覺對于硬件要求低，因而能一定程度上控制成本。但它對于環(huán)境光照非常敏感，光照角度變化、光照強度變化等環(huán)境因素的影響，拍攝的圖片亮度差別會比較大，這無疑加大了對算法的要求。另外相機基線(兩個攝像頭間距)限制了測量范圍，測量范圍和基線關(guān)系很大：基線越大，測量范圍越遠;基線越小，測量范圍越近。

雙目視覺優(yōu)劣勢決定了它更適合于制造現(xiàn)場的在線、產(chǎn)品檢測和質(zhì)量控制。當然也有一些產(chǎn)品也會用此技術(shù)原理，如基于slam算法導航定位的終端產(chǎn)品、體感攝像頭等。

2、TOF(全稱：TimeOfFlight)飛行時間法成像技術(shù)，它的原理是通過給目標物連續(xù)發(fā)送光脈沖，然后用傳感器接收從物體返回的光，通過探測光脈沖的飛行時間來得到目標物距離。

TOF的核心部件是光源和感光接收模塊，它不需要類似雙目視覺算法來計算，通過特定的公式即可直接輸出物體的深度信息，因而具有響應(yīng)快、軟件簡單、識別距離遠的特點，而且由于不需要進行灰度圖像的獲取與分析，因此不受外界光源物體表面性質(zhì)影響，不過TOF技術(shù)的缺點是，分辨率低、不能精密成像。

這就決定了TOF技術(shù)更適合遠距離的3D信息采集，我們最a常見的就是自動駕駛領(lǐng)域的激光雷達，但由于自動駕駛行業(yè)的發(fā)展特點，從而導致在該領(lǐng)域的激光雷達公司并不多，市場份額都已被頭部企業(yè)占領(lǐng)，后入者的市場門檻就因此變得很高。近幾年來，隨著ToC市場掃地機器人市場份額的不斷壯大，很多企業(yè)都在考慮運用TOF技術(shù)進入該領(lǐng)域，在這里分得一杯羹。但擺在以TOF技術(shù)企業(yè)眼前最a主要的問題是如何降低成本，我們拭目以待。

3、由于雙目和TOF都有各自的缺點，所以就有了第三種方式——結(jié)構(gòu)光技術(shù)，它通過一個光源投射出一束結(jié)構(gòu)光，打到想要測量的物體上，因為不同的物體有不同的形狀，這就會因一些條紋或斑點發(fā)生不同的變形，有這樣的變形之后，就需要通過算法可以計算出距離、形狀、尺寸等信息，從而獲得物體的三維圖像。

結(jié)構(gòu)光技術(shù)，既不需要用很精準的時間延時來測量，又解決了雙目中匹配算法的復雜度和魯棒性問題，所以具有計算簡單、測量精度較高的優(yōu)勢，而且對于弱光環(huán)境、無明顯紋理和形狀變化的表面，同樣都可進行精密測量，所以越來越多的行業(yè)應(yīng)用采用結(jié)構(gòu)光技術(shù)。最a為常見的就是手機的面部識別。

4、激光三角測距技術(shù)，也是一種幾何測量方法，本質(zhì)上講，是在利用物體之間的三角幾何關(guān)系進行測距。一個典型應(yīng)用就是利用激光作為光源的測量方案，它也是基于光學幾何原理，根據(jù)光源、物體和檢測器三者之間的幾何成像關(guān)系，來確定空間物體各點的三維坐標。

這種方法通常用激光作為光源，用CCD/CMOS相機作為檢測器，具有結(jié)構(gòu)光3D視覺的優(yōu)點精準、快速、成本低的優(yōu)點。根據(jù)幾何原理計算，被測物體越近，在CCD/CMOS上的位置差別就越大，分辨率和精度就越高，所以這種測量法在中近距離下的精度很高，特別適合中近距離測距，所以成為了室內(nèi)機器人測距定位的首a選方案。

二、外觀檢查

外觀檢查是通過圖像處理技術(shù)來完成的，圖像處理其實是計算機對圖像信息進行處理。

對圖像進行處理的主要目的有三個方面：提高圖像的視感質(zhì)量、提取圖像中所包含的某些特征或特殊信息、圖像數(shù)據(jù)的變換、編碼和壓縮，以便于圖像的存儲和傳輸。而這些正是生產(chǎn)線上檢查產(chǎn)品是否存在質(zhì)量問題最a好的應(yīng)用，這個環(huán)節(jié)也是取代勞動力最a重要的部分。

除此，它還在其它的一些領(lǐng)域有應(yīng)用，如生成原圖的預(yù)覽圖、在小車或無人飛行器上裝載攝像頭，利用圖像處理技術(shù)處理攝像頭拍攝的畫面。

三、識別

識別，從字面上就可以看出，這是一個認識加辨別的過程，需要機器有類人的判斷。因此識別主要是通過圖像處理和深度學習的融合來實現(xiàn)這個功能。

圖像處理把外部物體信息轉(zhuǎn)換成機器語言，然后過視覺感知來完成信息的輸入，這一過程實質(zhì)就是機器學習的過程，兩者疊加融合，從而使得識別功能變得智能。最a為常見的應(yīng)用就是人臉識別和無人駕駛。

四、高精度檢測

高精度檢測其實和第一個導航定位功能原理相同，不同的是，它可能會把多個測量技術(shù)融合在一起，形成高精度的檢測系統(tǒng)。

因為運用到高精度檢測的行業(yè)一般都是在精密加工型產(chǎn)業(yè)與高端工業(yè)制造領(lǐng)域等高要求的行業(yè)，檢測精度要求達到um級，這些都是人眼無法檢測到，必須用機器完成的。而這也成為了工業(yè)4.0時代，工業(yè)自動化的關(guān)鍵應(yīng)用。

人工智能和中國制造2025戰(zhàn)略的深入下行，勢必帶來機器視覺需求的不斷提升。

機器視覺屬于技術(shù)密集型行業(yè)，核心技術(shù)的積累和持續(xù)的技術(shù)創(chuàng)新是企業(yè)取得競爭優(yōu)勢的關(guān)鍵因素之一，我們期待行業(yè)有更多的優(yōu)秀者出現(xiàn)，一起為整個行業(yè)的發(fā)展添磚加瓦。