工業(yè)應(yīng)用中的機器人需要視覺反饋，它用于導航、識別部件、與人類協(xié)作以及將視覺信息與其他傳感器融合，以增強它們的位置信息，這就是使用機器視覺在工業(yè)中的應(yīng)用。

　　機器人工業(yè)應(yīng)用

　　典型的機器人工業(yè)應(yīng)用有：檢測、質(zhì)量控制、裝配、定位、零部件運輸?shù)取?/span>

　　視應(yīng)用情況而定視覺系統(tǒng)可以是與場景相關(guān)的，也可以是與對象相關(guān)的，在某場景相關(guān)視覺系統(tǒng)和為映射、定位和避障應(yīng)用而開發(fā)的應(yīng)用程序一樣，相機被安裝在移動機器人上。在未知里面與物體相關(guān)的視覺系統(tǒng)，典型的處理物體的應(yīng)用程序中，攝像機安裝在機器人手臂的末端，靠近活動工具。

　　機器人視覺系統(tǒng)要求

　　機器人視覺系統(tǒng)要求高精度，除了利用高分辨率相機，他們也使用(只要有可能)光學校準。初始標定步驟包括圖像畸變和變形校正。它通常用一些標準的目標來執(zhí)行，并根據(jù)需要重復。例如，溫度的變化可能會影響視覺系統(tǒng)，傳感器融合也是提高精度的有效途徑。

　　執(zhí)行導航任務(wù)的機器人建立了周圍環(huán)境的三維模型。當使用RGB相機進行三維建模時，沒有紋理的對象可能會帶來挑戰(zhàn)。對于對區(qū)域反射敏感的有源激光器也發(fā)現(xiàn)了類似的挑戰(zhàn)。標定過程執(zhí)行傳感器的2D圖像和三維空間(在現(xiàn)實世界空間)之間的映射。

　　工業(yè)機器視覺系統(tǒng)

　　3D空間可以從位于不同位置和方向的一組3 RGB攝像機重建，這樣每個點(在3D空間中)都位于所有3幅生成的圖像上。

　　物理標志輔助過程：它們存在于圖像中或投射在場景中。特征提取算法用于檢測可修特征。一個經(jīng)典的基于梯度的算法或一個經(jīng)過特征集訓練的現(xiàn)代深度學習分類器都是有效的解決方案。在相對平滑的場景(沒有紋理或特征)中，投影的紅外模式產(chǎn)生相同的信息。在某些情況下，這種模式是脈沖以克服其他光源。

　　飛行時間照相機

　　它是活動相機(相對于RGB相機)，它們發(fā)射短光脈沖，然后測量反射脈沖的延遲。這樣，深度信息被用來創(chuàng)建三維圖像。所生成的三維場景對機器視覺系統(tǒng)提出了挑戰(zhàn)：噪聲、低分辨率、不精確性和對外界光的敏感性。算法使用高速率的場景重捕獲來處理這些問題。

　　結(jié)構(gòu)光是一個額外的被動系統(tǒng)。它在環(huán)境中傳輸一系列不同的模式。這樣，就可以檢測到環(huán)境中的運動。

　　光編碼，結(jié)構(gòu)光的演化，取代了模式序列。由于燈總是開著，所以它對光的定時精度不太敏感。

　　一組激光發(fā)射器(或掃描激光束)產(chǎn)生一個點的圖案。它們在接收器上的發(fā)射位置顯示了表面的曲率。機器視覺受到表面反射不好的情況的挑戰(zhàn)：3D模型顯示這些位置的孔。該算法利用時間序列激光信息填補缺失數(shù)據(jù)(孔)。

　　盈泰德視覺與機器視覺在工業(yè)中的應(yīng)用

　　盈泰德視覺具有三維場景重構(gòu)的經(jīng)驗，以及使用機器視覺算法來“理解”環(huán)境。我們今天主要用深度學習(CNN)分類器完成這項任務(wù)。如上所述，目標檢測也可以通過CNN分類器來處理。聯(lián)系我們我們會告訴你怎么做。