首页    新知云集    【深度解读】工业机器人的“眼睛”机器视觉
机器人视觉

【深度解读】工业机器人的“眼睛”机器视觉

一台机器为什么能看到你?因为它有了自己的视觉。机器视觉技术是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要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,技术最大的特点是速度快、信息量大、功能多。机器视觉主要用计算机来模拟人的视觉功能,但并不仅仅是人眼的简单延伸,更重要的是具有人脑的一部分功能一一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。

  拍摄实物三维点圆数据。

  (资料图片)

  拍摄对象实物。

  (资料图片)

  “多目慧眼”实物图。

  (资料图片)

  成像效果图。通过一次拍摄成像,可快速获取构筑物轮廓和结构特征的三维空间数据。(资料图片)

  图为“多目慧眼”专用三维相机机组。 本报记者 周明阳摄

  视觉是人类观察和认知世界的重要手段。据统计,人类从外部世界获得的信息约有80%由视觉获取。这既说明视觉信息量巨大,又体现出人类视觉功能的重要性。随着信息技术的发展,为计算机、机器人或其他智能机器赋予人类视觉功能,成为科学家们的奋斗目标

  目前,机器视觉技术已经实现了产品化、实用化,镜头、高速相机、光源、图像软件、图像采集卡、视觉处理器等相关产品功能日益完善。机器视觉技术在信息化时代正扮演着越来越重要的角色。

  什么是“机器视觉”

  与计算机视觉相比,机器视觉偏重于计算机视觉技术工程化,能够自动获取和分析特定的图像,对准确度和处理速度要求都比较高。一般而言,计算机视觉多用来识别“人”,而机器视觉则多用来识别“物”

  机器视觉是人工智能正在快速发展的一个分支,是研究用计算机来模拟生物视觉的科学技术。机器视觉系统的首要目标是用图像创建或恢复现实世界模型,然后认识现实世界。其具体操作方法是通过机器视觉产品将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,再根据像素分布和亮度、颜色等信息将其转变成数字化信号,图像系统对这些信号进行各种运算来抽取目标的特征,进而控制现场设备的动作。

  说起视觉,人们并不陌生。近年来,作为重要的生物识别技术之一的人脸识别技术飞速进步,“刷脸”可以实现考勤、支付、身份验证等操作,已经成为安全系数较高的身份识别技术。不过,人脸识别技术属于计算机视觉而非机器视觉,这两种技术既有区别又有联系。

  张广军编著的《机器视觉》一书中这样区分两种技术:计算机视觉是采用图像处理、模式识别、人工智能技术相结合的手段,对目标物体进行识别,确定目标物体的位置和姿态;机器视觉则偏重于计算机视觉技术工程化,能够自动获取和分析特定的图像,功能主要为物体定位、特征检测、缺陷判断、目标识别、计数和运动跟踪等。

  具体而言,计算机视觉应用的场景相对复杂,要识别的物体类型也多,形状不规则、规律性不强,有时甚至很难用客观量作为识别的依据,比如识别年龄、性别,深度学习比较适合计算机视觉,对于光线、距离、角度等条件要求较低;而机器视觉场景相对简单固定,在同一应用中识别的类型少,规则且有规律,但对准确度和处理速度要求都比较高,一般机器视觉的分辨率远高于计算机视觉,而且往往要求实时,处理速度非常关键。一般而言,计算机视觉多用来识别“人”,而机器视觉则多用来识别“物”。

  机器视觉应用广泛

  只要是需要对物体进行识别、特征判断和检测,机器视觉就可以大展拳脚。如今,在农业、工业、医学等领域,机器视觉技术因其非接触、速度快、精度高、现场抗干扰能力强等突出优点,得到了广泛应用

  近几十年来,视觉系统因其非接触、速度快、精度高、现场抗干扰能力强等突出优点,使机器视觉技术在农业、工业、医学等领域得到了广泛应用。只要是需要对物体进行识别、特征判断和检测,机器视觉就可以大展拳脚,将任务完成得又快又好。

  比如在农业生产中,有一部分工作是对农作物或农产品的外观进行判断,如水果品质检测、果实成熟度判别、作物生长状况以及杂草的识别等。这些过去主要依靠人的视觉进行辨别和判断的工作可以由机器视觉技术部分或全部替代,从而实现农业自动化和智能化。例如,来自南京林业大学的黄秀玲团队就设计了一条可以对苹果品质进行动态、实时检测的智能化分级生产线。生产线上,均匀分布的3个摄像头一次性采集苹果表面信息,通过计算机智能控制系统对采集信息进行综合分析,从而对苹果进行分级。不过,也有专家表示,由于农田环境的复杂多变性以及非结构化特性,目前机器视觉在农业生产中的应用尚不成熟,仍需进一步完善。

  在工业环境中,机器视觉应用日臻成熟,在提高工业生产灵活性和自动化程度方面发挥重大作用。此外,在危险工作环境或人工视觉难以满足要求的场合,用机器视觉来替代人工视觉也提高了作业的安全性。在流水线上通过图像识别技术检查产品外观缺损、标签印刷错误、电路板焊接质量缺陷的图像识别系统就是机器视觉系统应用于工业领域的成功范例。印刷包装、汽车工业、半导体材料、食品生产等,都是机器视觉在工业领域的应用方向。

  在勘探采集、有色冶炼等过程中,机器视觉技术也大有可为。选矿是矿产资源加工中的一个重要环节,选矿水平高低直接影响矿物资源回收。近年来,基于机器视觉的矿物表面特征监测技术已引起工业发达国家科研机构的高度关注。资料显示,欧盟联合多家大学和企业,于2000年启动了“基于机器视觉的气泡结构和颜色表征”项目;南非、智利等国家也将机器视觉应用到石墨、铂金属的浮选监控中。在国内,对煤和镍的浮选监控研究也取得了重大进展。

  机器视觉技术还可以应用于智能交通、安全防范、医疗设备等方面。在医学领域,机器视觉可以辅助医生进行医学影像的分析,比如X射线透视图、核磁共振图像、CT图像等。在科学研究领域,可以利用机器视觉进行材料分析、生物分析、化学分析和生命科学分析,如血液细胞自动分类计数、染色体分析、癌症细胞识别等。

  国产产品日益崛起

  近年来,我国机器视觉领域快速发展,通过在某个细分市场推出定制化的系统产品,为细分领域客户解决需求,成为我国机器视觉企业发展的重要方向。在硬件产品上,国内企业也多有突破

  一个典型的机器视觉系统包括光源、镜头、高速相机、图像采集卡和视觉处理器5大部分。国外对机器视觉部件产品和软件的研发已经有数十年的历史。瞄准了机器视觉的广泛应用前景,许多国外厂商纷纷进入这一领域,比如索尼、柯达等CCD图像传感器厂商,工业相机厂商如德国巴斯勒、AVT等,智能相机和视觉传感器厂商如美国康耐视、日本松下等。

  长期以来,机器视觉原配件和软件算法被这些国外巨头企业垄断,我国主要依靠进口国外整套系统,价格昂贵。近年来,我国机器视觉领域迎来快速发展,发展最快的是系统集成与服务,通过在某个细分市场推出定制化的系统产品,为细分领域客户解决需求,成为我国机器视觉企业发展的重要方向。

  在硬件产品上,国内企业也多有突破。在不久前结束的第十二届中国(深圳)机器视觉展览会上,我国自主研发的相机、软件包、镜头、光源等机器视觉的核心部件齐齐亮相,不少产品甚至吸引了外国厂商的目光,大恒、方诚等一批机器视觉领域方案供应商的产品日臻成熟,产品体系日益完善,在某些方面可以与国外厂商媲美。

  展览会上,北京清影机器视觉技术有限公司研发的“通用式三维即时成像技术”在机器视觉领域实现了重大突破,引发业界关注。通用式三维即时视觉传感技术是在任意可见光条件下均可即时成像的光学检测技术,能够快速生成相机视场范围内物体的边缘特征点和三维数字线条图像。这项技术采用专门研发的平行光轴四相机矩阵阵列布置的专用三维相机机组,4个相机排列在一个正方形盒子里,被称为“多目慧眼”,精度和速度大大提高。

  与机器视觉领域的其他技术相比,通用式三维即时成像技术最大的两个特点是“通用式”和“即时”。北京清影机器视觉技术有限公司董事长周之琪介绍,整个测量和识别过程在普通可见光照条件下即可作业,无需任何结构光和辅助手段,也不需要提前对被视物体做任何事先标定和专门处理;图像匹配算法也具有通用性,与被视景物的类型无关,数据的后期处理高度简化,完全是“傻瓜式”操作;“即时”则体现在随时随地的三维测量结果输出,秒级成像,速度非常快。

  目前,该公司已经搭建了整个技术框架体系,并成功开发出专用三维相机机组和对应的全套通用算法,已获得1项发明专利和5项实用新型专利的授权。该技术可广泛应用于军事和工业领域,如对复杂战场环境的快速侦测感知,应用于生产线的工件外形尺寸与表面缺陷检测,应用在各种工业流水线上可为无人系统提供全方位的视觉能力支持;在民用领域也可应用于无人汽车、AR、VR以及3D打印等,作为主要的前端视觉成像设备,提升系统的智能化和精确化程度。

  经过20年的发展,机器视觉已成为一门新兴的综合技术,在社会诸多领域得到广泛应用。可以预见的是,随着新技术、新理论在机器视觉系统中的应用,机器视觉将在国民经济的各个领域发挥更大作用。