10.3 部件安装之摄像头

10.3 部件安装之摄像头 10.3.1 机器人视觉概述 动物用眼睛一瞥，其视觉感官就能提供大量有关其所处世界的信息。赋予机器人“看”的功能正是“机器人视觉 (computer vision)”这个学科所研究的问MATCH_ word word文档格式规范word作业纸小票打印word模板word简历模板免费word简历 _1714047296240_0之一。这一领域十分广阔，不仅包括通用技术，而且也包括为数众多的专用技术—如字符识别、相片解释、脸谱识别、指纹识别和机器人控制等等。 尽管对我们人类来说， “看”轻而易举，但这对机器来说却是一件非常困难的事。这其中的困难主要来源于难以控制的照明、影象和复杂而难以描述的物体，如那些室外场景中的物体、非刚性物体或啮合其他物体的物体。其中有些困难在人造环境中，如建筑物的室内景观，可得以减轻，而且在这种环境中研究计算机视觉往往更成功。这里限于篇幅，仅介绍机器人视觉的一些主要概念。 计算机视觉首先是在一组感光性原件上，如电视摄像机的光电管，生成一个场景的图象（对立体视觉需生成两个或两个以上的图象。本章的后面部分会介绍立体视觉）。这个图象是摄像机通过镜头对在视野中的场景进行一个透视投影，然后光电元件将其转换成一个二维的、随时间变化的亮度矩阵图象 I ( x , y, t )，其中x和y为光电元件在数组中的位置， t为时间（对有色视觉，需形成三个这样的矩阵来分别代表三原色。但我们在这里只考虑单色的情况，同时排除了可变时间—即假设一个静态场景）。一个由视觉引导的响应 agent必须通过处理这个矩阵来产生这个场景的图标模型或者一组特征，从而使它能直接计算一个动作。 图10..3.1所示，透视投影是多对一的变换。多个不同的场景可能生成相同的图象。更麻烦的是，图象易受到周围光线不足或其他因素的干扰，这样，我们就不能直接转换图象来重建场景。因此，agent通过运用可能处于有关场景中的物体的特定知识、有关场景中的各种表面的特性以及由这些表面反射回摄像机的周围照明度等一般知识来从图象中获取有用的信息。 图10.3.1图象生成过程的多对一特性 希望获取信息的种类取决于agent的目的和任务。若要让一个agent平安地通过一个混乱的环境，这个agent必须了解其中物体的位置、边界、通路以及它所经路径表面的特性。agent若想要操纵物体，就必须知道这些物体的位置、大小、形状、成分和构造等。对其他目的而言，agent也许应了解颜色并能识别它们的类别。agent也许还应具备根据每隔一段时间所有以上信息的变化来预测将来可能的变化。从一个或多个图象中获取此类信息将极其困难，所以，如前所述，我只能给出这类技术的一个概况。 10.3.2 机器人视觉的两个阶段 尽管ALVINN的表演给人的印象很深，但许多机器人的任务需要对更高分辨率的图象进行更为复杂的处理。因为许多任务要求机器人了解场景中的物体，下面将集中讨论有关找出物体的技术。首先，什么是一个物体？在人造环境中，如建筑物的室内景观中，门口、家具、其他agent、人、墙及地板等等都是物体。在外部自然环境中，动物、植物、人造结构、汽车及道路等等都是物体。人造环境对机器人视觉来说通常比较容易，因为其中的物体有比较规则的边缘和表面。 有两种计算机视觉技术对勾勒出与场景中的物体相关的各部分图象的轮廓十分有用。一种技术是在图象中寻找“边缘”。一个图象边缘是图象的一部分，图象亮度或其他图象的特性在此处陡然变化。另一种技术试图把图象分为几个区域，一个区域也是图象的一部分，图象亮度或其他图象的特性在此处缓慢变化。图象中的边缘和区域之间的边界，经常但不总是与场景中产生图象的那些重要的、与物体相关的不连续点相对应。图10..3.2是一些不连续点的例子。根据照明强度、表面特性和摄像机的角度，这些不连续点可由图象边缘和图象区域边界来表示。这样，获取这些图象特征成为机器人视觉要完成的一项重要的任务。 图10.3.2 场景的不连续点 视觉处理过程可分成两个主要阶段，如图6-4所示。图象处理阶段主要把原始图象转换成更适合于景物分段的图象。图象处理包括降低噪声、增强边缘和寻找图象区域等不同的滤波操作。景物 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 主要试图从已处理的图象中产生一个对原始场景的图标描述或基于特征的描述并提供agent所处场景中与特定任务有关的信息。把机器人视觉分为两个阶段只是对这个过程的简化。实际的机器人视觉涉及更多的阶段，而且这些阶段一般都相互影响。 图10.3.3 机器人视觉的两个阶段 以后会详细讨论这两个阶段。但现在，为了了解一下概况，先来讨论一下图6-5所描绘的处于网格空间的机器人。机器人的视野中有三个标有A、B和C的玩具积木、一个门口和一个房间的一角。首先，图象处理排除伪造的噪声并增强物体的边缘以及其他不连续点。接着，已知世界中的物体的形状均由直线边界构成，景物分析会产生一个对此世界的图标表示—与用于计算机图形学中的模型相似。通常，这个图标模型用来更新存储在内存中的更全面的环境模型，然后计算出适合于这个假设环境状态的动作。 图10.3.4机器人和元具积木都在一个房间里 根据其任务，图标模型并不一定要象计算机图形学模型那样描绘所有细节。若当前的任务仅与玩具积木有关，那么房间角落和门的位置就无关紧要了。我们不妨再假设只有积木的布局比较重要，那么，图标模型应为一个表结构((C B AFLOOR))，它表示C在B上，B在A上,而A在地板上。若C被移到地板上，那么图标模型应为((CFLOOR)(B A FLOOR))（也可以是((B A FLOOR)(C FLOOR)），但这里我们假设积木的相对水平位置无关紧要，这样，表结构的第一级元素的顺序就无表达意义）。因为每一个元件的最后一个元素均为FLOOR，所以我们可以去掉这一项来缩短表结构。 对于根本不用图标模型的机器人来说，景物分析会用另一种方法把处理过的图象直接转换成适合于机器人任务的特征。如，若机器人必须判定积木C上是否有其他积木，那么，一个对环境的描述应包括一个特征值，如CLEAR_C，积木C上无其他物体时这个特征值为1，否则为0（这里，为了使这些特征便于记忆，没有使用通常所用的xi。必须记住，这些名字仅仅能帮助我们记忆，却无法帮助机器人记忆）。本例中，景物分析仅从已处理过的图象中计算特征的值。从以上例子中我们可以看出，景物分析完全根据所设计的机器人和它要完成的任务而定。 10.3.3机器人视觉系统 1. 机器人视觉系统的组成 如同入类视觉系统的作用一样，机器人视觉系统赋予机器人一种高级感觉机构，使得机器人能以“智能”和灵活的方式对其周围环境作出反应。机器人的视觉信息系统类似人的视觉信息系统，它包括图像传感器、数据传递系统以及计算机和处理系统。机器人视觉（Robot Vision）可以定义为这样一个过程，利用视觉传感器〔如摄像机）获取二维景物的二维图像，通过视觉处理器对一幅或多幅图像进行处理、分析和解释，得到有关景物的符号描述，并为特定任务提供有用的信息，用于指导机器人的动作。机器人视觉可以划分为六个主要部分：感觉与处理、分割、描述、识别、解释。根据上述过程所涉及的方法和技术的复杂性将它们归类，可分为3个处理层次：低层视觉处理、中层视觉处现和高层视觉处理。 机器人视觉系统的重要特点是数据量大并要求处理速度快。 实用的机器人视觉系统的总体结构如图10.3.5所示。系统由硬件和软件两部分组成。 硬件的组成部分包括： 图10.3.5机器人视觉系统的组成 (1) 景物和距离传感器。常用的有摄像机，CCD（Charge Coupled Device）像感器，超声波传感器。 (2) 照明和光学系统。对观察对象选择合适的照明方法．以便得到高质量的图像，照明光源可是用钨丝灯、碘卤灯、荧光灯、水银灯、氖灯（闪光灯），激光灯等。 (3) 视频信号数字化设备：它的任各是把摄像机或CCD像感器输出的全电视信号转化成计算方便的数字信号。 (4) 视频信号快速处理器。视频信号实时、快速、并行算法的硬件实砚。 (5) 计算机及其外设。根据系统的需要可以选用不同的计算机及其外设，以满足机器人视觉信息处理及机器人控制的需要。 (6) 机器人或机械手及其控制器。 软件的组成部分包括： (1) 计算机系统软件，选用不同类型的计算机，就有不同的操作系统和它所支撑的各种语言、数据库等。 (2) 机器人视觉处理算法。图像预处理。分割、描述、识别及解释等算法。 (3) 机器人控制软件。 2. 机器人视觉技术的应用 机器人的视觉技术主要应用在下述两个方面： (1) 装配机器人（机械手）视觉装置。要求视觉系统必须做到：识别传送带上所要装配的机械零件；确定该零件的空间位置。据此信息控制机械手的动作，做到准确装配。 对机械零件的检查，如表面粗糙度的质量检查，检查是否有毛刺、破裂、空洞和生锈等缺陷；检查工件的完好性；测量工件的极限尺寸；检查工件的磨损等。机械手可将不合格的工件拿走。此外，机械手还可根据视觉的反馈信息进行自动焊接、喷漆和自动上下料等。 (2) 行走机器人视觉装置。要求视觉系统能够识别室内或室外的景物，进行道路跟踪和自主导航。用以完成危险材料的搬运和野外作业等任务。 10.3.4机器人视觉输入装置 1. 视觉输入装置的构成 视觉信息的输入方法及输入信息的性质，对于决定随后的处理方式及识别结果有重要的作用。视觉识别系统通常来自摄像器件的图像信号变换为什算机易于处理的数字图像作为输入．然后进行前处理，识别对象物，井且抽取机器人动作所需的空间信息。图10.3.6为视觉输入装置的一般结构。 图10.3.6视觉输入装置的组成 表10.3.1给出了视觉输入中有关摄橡、照明，对象物的各种方式。其中零维扫描表示固定方式．零维摄像器件是如光电二极管的单个器件。零维光束为激光束。根据视觉识别的目的，适当地综合摄像、照明和对象物的各种条件，以采用相应的视觉输入方式。 表10.3.1 视觉信息输入方式 摄像 器件 零维摄像器件 一维摄像器件 二维摄像器件 光电二极管等 扫描 零维扫描 一维扫描 二维扫描   方向 平视 侧视 俯视   输入信息 单色 彩色   器件数量 单目 双目 多目 立体视觉 三目以上 照明 扫描 零维扫描 一维扫描 二维扫描 固定 平行光 零维光束 一维光束 二维光束 聚光束 狭缝光 直射 斜射 逆光 影像 非平行光 点光源 线光源 面光源   顺光 斜射 逆光   照明数量 单一光束 多条光速 多条狭缝光束 对象物 扫描 零维扫描 一维扫描 二维扫描 固定         摄像方式可按器件种类、器件的扫描方式、摄像方向及输入信息等进行分类。以电视摄像机为代表的二维摄像器件通常用于二维信息的输入。一维摄像器件易子达到很高的分辨率，用一维组合方式可以输入高分辨率的二维图像。 2 视觉输入方式 三维信息的输入是采用与人眼同样的方法，用两个二维摄像挂件，根据三角测量原理获取距离信息（如图10.3.7（a））。也可以用零维聚光束进行二维扫描（图10.3.7（b））或用一维光束进行一维扫描（图10.3.7（c））以取代一个二维摄像器件。图中C表示摄像器件的位置，L表示照明的位置。 图10.3.7三维信息的输入方法 (a)两个二维摄像器件; (b)零维聚光束二维扫描; (c)一维光束一维扫描 图10.3.8（a）是将立体物体平面化，用二维进行处理的例子。因为这种方式对于姿态稳定，位于较平平板上的物体较为有效，处理也较容易，许多实用化的识别系统采用这种方式。有的方法是利用平面图像的同时，还利用与之垂直的侧面图像来得到空间的位置信息。另外也可以从斜上方对对象物进行摄像得到侧俯视图像。如图10.3.8（b）所示，如果已知摄像机与放置对象物的平面之间的矩离和摄像机的光轴方向，就可以检测摄像机与物体之间的距离。这种方法可以用于移动机器人的障碍物检测等方面。 根据照明光的性质，照明方式可分为平行光方式和非平行光方式。平行光可分为零维的聚光束，一维狭缝光束和二维光束。照明光线的方向包括直射（光轴与光线投射方向一致，输入正反射图像），逆光（输入对象物体的黑色半面图像）以及斜向照明等。 图10.3.8摄像方向 (a)垂直摄像;(b)侧俯摄像 10.3.5把摄像头安装到机器手上 如图10.3.9所示，把摄像头安装到机器手上。摄像头将获取到的视觉信息即截图或录像传输到计算机中或先通过识别装置再输入到计算机中。这就组装成了一个有视觉的智能机器人系统。它在各种场合都大有用武之地。比如在工业上，它可用于工业生产中检测工件形状及位置，使机器人手臂及末端执行器自动跟踪，以消除工件定位及机器人执行机构的运动误差，精确地进行装配或其它作业。 图10.3.9具有视觉的机器人系统 图10.3.10是一个具体的应用例子，是自动导航及野地行驶的机器人。它将摄像头装于机器人的机身头部，像机器人的眼睛一样“观察”着外部世界。 图10.3.10自动导航及野地行驶的机器人 图10.3.11所示为摄像头控制面板，其中左侧为摄像头所拍摄的画面显示，右侧为控制画面及完成其他功能的按钮。 图10.3.11 摄像头控制面板