解鎖機(jī)器人視覺與人工智能的潛力，從“盲人機(jī)器”改造成有視覺能力的機(jī)器人（上）

→點(diǎn)擊右側(cè)欄頭像，進(jìn)入我的電子發(fā)燒友主頁咨詢

正如人類依賴眼睛和大腦來解讀世界，機(jī)器人也需要自己的視覺系統(tǒng)來有效運(yùn)作。沒有視覺，機(jī)器人就如同蒙上雙眼的人類，僅能執(zhí)行預(yù)編程的命令，容易碰撞障礙物，并犯下代價(jià)高昂的錯(cuò)誤。這正是機(jī)器人視覺發(fā)揮作用的地方，它賦予機(jī)器“看”并解釋周圍環(huán)境的能力。通過使用相機(jī)作為“眼睛”和高級AI作為“大腦”，機(jī)器人視覺為機(jī)器人提供了感知環(huán)境、智能移動(dòng)、實(shí)時(shí)反應(yīng)和執(zhí)行復(fù)雜任務(wù)所需的能力。在本文中，我們將深入探討構(gòu)成機(jī)器人視覺的組件，探討它與計(jì)算機(jī)視覺的區(qū)別，并揭示AI如何將這項(xiàng)技術(shù)轉(zhuǎn)變?yōu)檎嬲锩缘拇嬖凇?/span>

什么是機(jī)器人視覺？

盡管機(jī)器人和視覺技術(shù)已存在多年，但將兩者結(jié)合卻創(chuàng)造了一個(gè)動(dòng)態(tài)的組合，極大地增強(qiáng)了機(jī)器人的能力。根據(jù)美國制造工程師學(xué)會(huì)機(jī)器視覺分會(huì)的定義，機(jī)器人視覺是指通過光學(xué)設(shè)備和非接觸式傳感器自動(dòng)接收和處理真實(shí)物體圖像的設(shè)備。這個(gè)定義不僅限于相機(jī)——例如，激光雷達(dá)（LiDAR）傳感器也屬于這一范疇。本質(zhì)上，機(jī)器視覺使機(jī)器人能夠復(fù)制人類的視覺能力，使它們能夠承擔(dān)制造業(yè)及其他領(lǐng)域中的復(fù)雜、乏味和關(guān)鍵任務(wù)。

機(jī)器人視覺的核心在于通過視覺數(shù)據(jù)感知和解釋周圍環(huán)境，這些數(shù)據(jù)通常通過相機(jī)或圖像傳感器收集。這個(gè)領(lǐng)域融合了計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)和機(jī)器人學(xué)的元素，以實(shí)現(xiàn)動(dòng)態(tài)環(huán)境中的對象識別、導(dǎo)航和操控等基本功能。機(jī)器人視覺通常涉及圖像采集（使用二維、三維或深度相機(jī)捕捉信息）、通過高級算法（包括深度學(xué)習(xí)）進(jìn)行處理和分析，以識別物體或動(dòng)作。此外，機(jī)器人還經(jīng)常將視覺系統(tǒng)與其他傳感器（如LiDAR）結(jié)合使用，以創(chuàng)建詳細(xì)的地圖并利用同時(shí)定位與地圖構(gòu)建（SLAM）技術(shù)確定自身位置。機(jī)器人視覺的應(yīng)用橫跨各個(gè)行業(yè)，從自動(dòng)駕駛汽車和無人機(jī)到工業(yè)機(jī)器人和服務(wù)機(jī)器人，推動(dòng)了質(zhì)量控制、自主導(dǎo)航和物體處理等領(lǐng)域的創(chuàng)新。

機(jī)器人視覺的組成部分

機(jī)器人視覺需要硬件進(jìn)行數(shù)據(jù)采集和軟件進(jìn)行處理。

硬件

硬件組件包括以下幾個(gè)部分：

鏡頭：捕捉圖像并控制呈現(xiàn)給傳感器的光量。

圖像傳感器：擁有數(shù)百萬個(gè)光敏像素，用于將捕捉到的光轉(zhuǎn)換為電信號，然后傳輸?shù)?a href="http://wenjunhu.com/v/tag/137/" target="_blank">芯片進(jìn)行處理（傳感器中的像素越多，圖像越清晰）。

圖像采集卡：包含將傳感器產(chǎn)生的電信號轉(zhuǎn)換為數(shù)字圖像所需的硬件，包括芯片。

I/O單元：這些硬件組件（傳感器和采集卡）必須通過串行通信等方式相互傳輸信號數(shù)據(jù)。

控制設(shè)備：就像人類眼睛移動(dòng)以觀察不同位置一樣，這些視覺系統(tǒng)也需要控制設(shè)備來調(diào)整相機(jī)以獲得更好的視野（如果是人形機(jī)器人，頭部也應(yīng)可控以改變視野）。

照明：相機(jī)在光照不足的情況下表現(xiàn)不佳，因此這一組件對于在低光條件下提高可見性至關(guān)重要。

圖像傳感器和鏡頭構(gòu)成了視覺系統(tǒng)中的相機(jī)，其質(zhì)量取決于像素?cái)?shù)量。硬件的整體質(zhì)量、通信和協(xié)調(diào)也是使系統(tǒng)無縫運(yùn)行的關(guān)鍵。先進(jìn)的機(jī)器人視覺系統(tǒng)采用傳感器融合以獲得對周圍環(huán)境的更好理解，因此有些系統(tǒng)可能配備了激光雷達(dá)、雷達(dá)和超聲波傳感器以改善視覺效果。另一種可以增強(qiáng)視覺的硬件組件是3D視覺傳感器（立體視覺），因?yàn)樗芴峁┣胺轿矬w的高精度距離測量。

軟件

圖像采集卡中的軟件負(fù)責(zé)將傳感器產(chǎn)生的電信號解碼為數(shù)字圖像，并確定前方情況。除了圖像和信號處理外，其他計(jì)算機(jī)算法由AI驅(qū)動(dòng)。

如前所述，機(jī)器視覺試圖模仿人類，因此從捕獲的圖像中獲取有意義信息的最佳方式是通過智能，盡管在這里是人工智能。這些AI算法包括：

語義分割：這種深度學(xué)習(xí)算法將RGB圖像分割，并將每個(gè)像素與圖像中的一個(gè)類別或標(biāo)簽相關(guān)聯(lián)，以實(shí)現(xiàn)精細(xì)感知。

語義識別：智能地識別圖像像素中的對象類別和人物，以理解前方環(huán)境。

語義SLAM：SLAM是同時(shí)定位與地圖構(gòu)建的縮寫，是一種利用語義信息構(gòu)建環(huán)境地圖以實(shí)現(xiàn)自我定位的深度學(xué)習(xí)算法。