浅谈机器人视觉技术

《智能机器人》结课论文1浅谈机器人视觉技术摘要机器人视觉是使机器人具有视觉感知功能的系统，是机器人系统组成的重要部分之一。机器人视觉可以通过视觉传感器获取环境的二维图像，并通过视觉处理器进行分析和解释，进而转换为符号，让机器人能够辨识物体，并确定其位置。机器人视觉广义上称为机器视觉，其基本原理与计算机视觉类似。计算机视觉研究视觉感知的通用理论，研究视觉过程的分层信息表示和视觉处理各功能模块的计算方法。而机器视觉侧重于研究以应用为背景的专用视觉系统，只提供对执行某一特定任务相关的景物描述。机器人视觉硬件主要包括图像获取和视觉处理两部分，而图像获取由照明系统、视觉传感器、模拟－数字转换器和帧存储器等组成。本文介绍了机器人的发展以及视觉计算理论和视觉的关键技术。关键词：机器人、视觉、计算、关键技术一、机器人发展概述科学技术的发展,诞生了机器人。社会的进步也提出要求,希望创造出一种能够代替人进行各种工作的机器,甚至从事人类不能及的事情。自从1959年诞生第一台机器人以来,机器人技术取得了很大的进步和发展,至今已成为一门集机械、电子、计算机、控制、传感器、信号处理等多学科门类为一体的综合性尖端科学。当今机器人技术的发展趋势主要有两个突出的特点:一个是在横向上,机器人的应用领域在不断扩大,机器人的种类日趋增多;另一个是在纵向上,机器人的性能不断提高,并逐步向智能化方向发展。前者是指应用领域的横向拓宽,后者是在性能及水平上的纵向提高。机器人应用领域的拓宽和性能水平的提高,二者相辅相成、相互促进。智能机器人是具有感知、思维和行动功能的机器,是机构学、自动控制、计算机、人工智能、微电子学、光学、通讯技术、传感技术、仿生学等多种学科和技术的综合成果阎。智能机器人可获取、处理和识别多种信息,自主地完成较为复杂的操作任务,比一般的工业机器人具有更大的灵活性、机动性和更广泛的应用领域。要使机器人拥有智能,对环境变化做出反应,首先,必须使机器人具有感知《智能机器人》结课论文2环境的能力,用传感器采集环境信息是机器人智能化的第一步;其次,如何采用适当的方法,将多个传感器获取的环境信息加以综合处理,控制机器人进行智能作业,更是机器人智能化的重要体现。所以,传感器及其信息处理系统,相辅相成,构成了机器人的智能,为机器人智能作业提供决策依据。二、机器人视觉机器人视觉系统正如人的眼睛一样,是机器人感知局部环境的重要“器官”,同时依此感知的环境信息实现对机器人的导航。机器人视觉信息主要指二维彩色CCD摄像机信息,在有些系统中还包括三维激光雷达采集的信息。视觉信息能否正确、实时地处理直接关系到机器人运动速度、路径跟踪以及对障碍物的避碰,对系统的实时性和鲁棒性具有决定性的作用。视觉信息的处理技术是移动机器人研究中最关键的技术之一。目前视觉信息处理的内容主要包括:视觉信息的压缩和滤波、道路检测和障碍物检测、特定交通道路标志的识别、三维信息感知与处理。其中道路检测和障碍物检测是视觉信息处理中最重要的过程,也是最困难的过程。视觉信息的获取是局部路径规划和导航的基础,道路检测的成功与否决定了机器人能否正确识别当前的道路环境,能否正确作出局部路径规划并执行路径跟踪。为了简化视觉信息处理,降低开发难度。通常把移动机器人的工作环境分为结构化道路环境和非结构化道路环境。结构化道路的检测相对来说较易实现,其检测技术一般都以边缘检测为基础,辅以Huogh变换、模式匹配等,并利用最小二乘法处理对应于道路边界的线条,得出道路的几何描述。由于非结构化道路的环境复杂、特征描述困难,使得非结构化道路的检测及信息处理复杂化。目前对非结构化道路的检测主要采用三种方法:边缘抽取法、闭值法和分类法。障碍物检测原理与道路检测原理差不多,但其重点是对障碍物位置和大小的描述。机器人视觉的研究目标是使机器人系统中的计算机具有通过二维图像认知三维环境信息的能力。这种能力将不仅使机器能感知三维环境中物体的几何信息,包括它的形状、位置、姿态、运动等,而且能对它们进行描述、存储、识别与理解。三、视觉的计算理论计算机视觉在各个领域都是一门重要基础的课程，不仅仅在机器人足球这块领域，其他智能领域都需要依赖此课程所提供的技术支持。它是人类历史上的一《智能机器人》结课论文3个基础挑战，最先吸引了来自各个专业方向的学者对它进行深入学习与探索。视觉是依据影像信息数据发现附近影像中有什么信息以及这些信息在什么方位与位置的过程，也就是从影像信息数据得到对观看主体有用的数据符号绘画的过程。于是就将视觉定义成有明确信息数据输入和信息数据的处理过程。在对于计算机视觉系统中，视觉输入是灰度数据信息矩阵，该灰度数据信息矩阵代表着自然世界的三维空间景物影像的符号化。也有多个灰度数据信息矩阵的输入数据，这些不同符号化的数据信息矩阵代表着从不同方向、不同距离以及不同光照条件下所影像的数据信息。视觉输出是对数据信息影响所代表自然世界三维空间景物的数据化信息描述。符号化的自然事件的三维空间信息数据数据描述表示着观看的期望。通常这些符号化的信息数据表示着自然世界物体之间的联系。从输入自然世界的三维空间景物影像到该影响的符号化信息数据描述之间是有着巨大的差别的，中间还差一段经过一系列的信息化转化与理解计算的过程。对于该过程的本质的揭秘过程就是认识视觉的重点过程，但很遗憾目前人类对该过程的本质认识还是不够透彻。在一定知识基础上，尝试着大致揭秘该过程。视觉辨识物体可以说是将自然世界三维影像的符号化信息数据和已经认知的景物中的实体物体的表示或者是有一种特殊对应关系的模型。我们将自然世界三维影像的符号化信息数据称为图像，其中元素是图像的像素。元素的数据值的大小就代表图像中此处的灰度值。现实世界中，我们通过物体的高矮，轻重，几何结构，颜色等特性来表示一个物体，将上述特性合成一起描述就能表示一个物体了。上面提到，将图像与自然世界物体建立一种特殊对应关系，应该是图像中的一个数据点与现实世界物体性质建立对应关系慢慢一个聚集起来的复杂过程。图像怎么与自然世界建立一种特殊性质的关系是一个恒常性问题。图像灰度值表示自然世界景物中各方面复杂因素一起作用的表现。这些影响着图像灰度值的复杂因素有：现实物体的几何形状、表面的反射性、当时的光线环境以及观看者离该物体的方向与距离。当上述那些复杂的因素的任何一种发生变更都会改变图像，因为这些因素决定了图像的灰度。自然世界中物体的本身特性是与上述因素无关的，无论观察者离物体多么远，观察看到的物体大小会变化，但是物体本身的大小是不会变化的，从不同方位观看物体得到不同的图像，物体其形状是不会改变的。客观事实存在的物体特性是不变的，变的是随上述因素变化而变化的《智能机器人》结课论文4图像，这些图像在我们视网膜上成像，随后输入到大脑，所以人感觉到物体在变化。外部自然现实世界在人类眼睛的视网膜上形成图像，其实是人类对自然世界的感知。通过该感知获得的图像是通过点数据聚集构成的。还有一点值得分析人在大脑中感觉到的物体特性是不会变的。这里推测人类脑细胞会将众多点状数据信息汇聚成完整体也会还原物体的特性，分离出那些影响图像成像的复杂因素，得到纯粹干净仅属于物体最本质的数据信息。这些纯粹干净仅属于物体最本质的数据信息将不受光线环境、观看者与物体之间的距离与方向以及物体表面反射性等因素的影响，称为恒常性。总之，视觉大脑神经不会全部依据自然现实世界在视网膜上形成的图像，会依据点数据聚集过程与通过分离那些影响图像成像的复杂因素辨识物体。点数据信息聚集构成整体过程与分离那些影响图像成像的因素的过程都是将自然世界物体变为大脑神经所辨识的物体的过程的重要点。在没有完成分离影响图像成像因素这个过程之前能不能进行点数据聚集过程。来自英国著名教授D.Marr赞同在得纯粹干净仅属于物体最本质的数据信息以前，不应该做点数据聚集过程。他将定义纯粹干净仅属于物体最本质的数据信本征图像，他认同通过重构本征图像来识别图像。也有一些学者认同在未完成分离影响图像成像因素这个过程之前，也是可以进行部分点数据聚集过程，并且这些过程还是分离影响图像成像因素的基础用以及构建部分自然世界与符号化信息成对应关系的模型。依据已经建立部分成对应关系的模型还可以对图像一些内容采取推理。这些学者认同的视觉处理信息途径，是带有模型图像推理。上述介绍两种截然不同的视觉观点，这两种观点也是相互矛盾的，视觉技术是在这个矛盾的推动下快速发展。四、机器人视觉的关键技术机器人视觉主要研究用计算机来模拟人的视觉功能从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。首先采用CCD摄像机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统,根据像素分布、亮度和颜色等信息,进行各种运算来抽取目标的特《智能机器人》结课论文5征,根据预设的容许度和其他条件输出判断结果。（一）照明照明是影响机器视觉系统输入的重要因素,因为它直接影响输入数据的质量和至少30%的应用效果。由于没有通用的机器视觉照明设备,所以针对每个特定的应用实例,一要选择相应的照明装置,以达到最佳效果。（二）图像聚焦形成被测物的图像通过一个透镜聚焦在敏感元件上,如同照相机拍照一样。所不同的是照相机使用胶卷,而机器视觉系统使用传感器来捕捉图像,传感器将可视图像转化为电信号,便于计算机处理。选取机器人视觉系统中的摄像机应根据实际应用的要求,其中摄像机的透镜参数是一项重要指标。透镜参数分为四个部分:放大倍率、焦距、景深和透镜安装。（三）图像确定和形成摄像机输出信号机器人视觉系统实际上是一个光电转换装置,即将传感器所接收到的透镜成像,转化为计算机能处理的电信号、摄像机可以是电子管的,也可是固体状态传感单元。电子管摄像机发展较早,20世纪30年代就已应用于商业电视,它采用包含光感元件的真空管进行图像传感,将所接收到的图像转换成模拟电压信号输出。具有RS一170输出制式的摄像机可直接与商用电视显示器相连。固体状态摄像机是在20世纪60年代后期,美国贝尔电话实验室发明了电荷祸合装置(CCD)而发展起来的。它由分布于各个像元的光敏二极管线性阵列或矩形阵列构成,通过按一定顺序输出每个二极管的电压脉冲,实现将图像光信号转换成电信号的目的。输出的电压脉冲序列可以直接以RS一170制式电信号输入至标准电视显示器,或者输入计算机的内存,进行数值化处理。CCD是现在最常用的机器人视觉传感器。（四）图像处理技术机器人视觉系统中,视觉信息的处理技术主要依赖于图像处理方法,它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理《智能机器人》结课论文6解等内容。经过这些处理后,输出图像的质量得到相当程度的改善,既改善了图像的视觉效果,又便于计算机对图像进行分析、处理和识别。1.图像的增强图像的增强用于调整图像的对比度,突出图像中的重要细节,改善视觉质量。通常采用灰度直方图修改技术进行图像增强。2.图像的平滑图像的平滑处理技术即图像的去噪声处理,主要是为了去除实际成像过程中,因成像设备和环境所造成的图像失真,提取有用信息。众所周知,实际获得的图像在形成、传输、接收和处理的过程中,不可避免地存在着外部干扰和内部干扰,如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等,均会使图像变质。因此,去除噪声,恢复原始图像是图像处理中的一个重要内容。3.图像的数据编码和传输数字图像的数据量是相当庞大的,一幅512*512个像素的数字图像的数据量为256K字节,若假设每秒传输25帧图像,则传输的信道速率为52.4M比特每秒。高信道速率意味着高投资,也意味着普及难度的增加。因此,传输过程中,对图像数据进行压缩显得非常重要。数据的压缩主要通过图像数据的编码和变换压缩完成。4.边缘锐化图像边缘锐化处理主要是加强图像中的轮廓边缘和细节,形成完整的物体边界,达到将物体从图像