有關(guān)機(jī)器視覺的四個(gè)真相，你知道幾個(gè)

在人們從自然界獲取的各種信息中，視覺獲取量最高，約占總信息量的80%。隨著信息技術(shù)的發(fā)展，人類的視覺功能逐步被賦予計(jì)算機(jī)、機(jī)器人或其他智能機(jī)器。目前正處在行業(yè)風(fēng)口的機(jī)器視覺就是這樣一種技術(shù)，它通過圖像處理實(shí)現(xiàn)自動檢測和分析應(yīng)用，包括自動檢測、過程控制和機(jī)器人導(dǎo)航等。目前，機(jī)器視覺（MV）技術(shù)已經(jīng)實(shí)現(xiàn)產(chǎn)品化。視覺傳感器、鏡頭、高速相機(jī)、光源、視覺軟件、圖像采集卡、視覺處理器等都變得越來越完善。在工業(yè)自動化環(huán)境中，機(jī)器視覺越來越受到行業(yè)的關(guān)注，并被大量用于諸如自動駕駛汽車、食品生產(chǎn)、包裝和物流、機(jī)器人和無人機(jī)等。

當(dāng)提到機(jī)器視覺時(shí)，技術(shù)人員可能會很多理解，本文嘗試著從四個(gè)方面逐一解釋有關(guān)機(jī)器視覺應(yīng)了解的真相。

真相一：機(jī)器視覺≠計(jì)算機(jī)視覺

機(jī)器視覺是一種通過光學(xué)設(shè)備和非接觸傳感器自動接收和處理真實(shí)物體圖像的設(shè)備，以獲取所需信息或控制機(jī)器人的運(yùn)動。自20世紀(jì)50年代開始運(yùn)行，從1980年到1990年，這項(xiàng)技術(shù)真正開始起飛并逐漸普及。經(jīng)過數(shù)十年的發(fā)展，機(jī)器視覺已經(jīng)為它是什么以及它是如何工作的積累了各種定義。

自動化成像協(xié)會（AIA）給出了一個(gè)更具廣義意味的定義，即：機(jī)器視覺包括所有工業(yè)和非工業(yè)應(yīng)用，其中硬件和軟件的組合為設(shè)備執(zhí)行基于圖像捕獲和處理的功能提供操作指導(dǎo)。而SearchEnterpriseAI則給出了機(jī)器視覺的狹義定義，將其稱之為“計(jì)算機(jī)的視覺能力”，該系統(tǒng)使用一個(gè)或多個(gè)攝像機(jī)、模數(shù)轉(zhuǎn)換（ADC）和數(shù)字信號處理 (DSP)，將產(chǎn)生的數(shù)據(jù)傳輸?shù)接?jì)算機(jī)或機(jī)器人控制器。

在實(shí)際應(yīng)用中，機(jī)器視覺通常需要與其他先進(jìn)的技術(shù)協(xié)同工作，包括自然語言處理、機(jī)器人過程自動化 (RPA)、人工智能（AI）和機(jī)器學(xué)習(xí)（ML）等，以實(shí)現(xiàn)自動化所需的“視覺”功能。你可以把機(jī)器視覺看作是自動化的眼睛，AI和ML是大腦，RPA提供了完成工作所需的“鍵盤手”。近年來，自動化的采用速度不斷加快，這對企業(yè)保持行業(yè)競爭力至關(guān)重要。如果把自動化想象成“數(shù)字化員工”在工作，假如不增加機(jī)器視覺，那么所有這些“數(shù)字化員工”都會處于失明狀態(tài)。

計(jì)算機(jī)視覺也是近年來的行業(yè)大熱門，那么它與機(jī)器視覺又有什么關(guān)聯(lián)呢？宏觀來講，機(jī)器視覺是一種以新的方式與現(xiàn)有技術(shù)集成并應(yīng)用于解決現(xiàn)實(shí)世界問題的技術(shù)能力，是一門系統(tǒng)工程學(xué)科。而計(jì)算機(jī)視覺是計(jì)算機(jī)科學(xué)的一種形式，不是通過固定在機(jī)器人上的視覺設(shè)備如攝像頭等有形硬件來實(shí)現(xiàn)的。

更具體來說，機(jī)器視覺是一個(gè)系統(tǒng)的主體，而計(jì)算機(jī)視覺是系統(tǒng)的智能，是處理信息的大腦。沒有計(jì)算機(jī)視覺，機(jī)器視覺將無法工作。機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)是通過機(jī)器視覺系統(tǒng)以更快的速度處理項(xiàng)目的三種技術(shù)。這三種技術(shù)可用于擴(kuò)大機(jī)器視覺對要定位的內(nèi)容的理解，使其成為機(jī)器視覺的寶貴資產(chǎn)。隨著計(jì)算機(jī)視覺技術(shù)的進(jìn)步，機(jī)器視覺潛在應(yīng)用的可能性也相應(yīng)增加。

值得注意的是，機(jī)器視覺與圖像處理同樣是兩個(gè)不同的概念，圖像處理是一個(gè)輸出圖像的過程，而機(jī)器視覺系統(tǒng)可以檢測和分類廣泛行業(yè)中的各種物體和項(xiàng)目，包括汽車、電子和半導(dǎo)體、食品和飲料、道路和車輛交通或智能運(yùn)輸系統(tǒng) (ITS)、醫(yī)療成像、包裝、標(biāo)簽和印刷、制藥、電視廣播等，基于機(jī)器視覺的技術(shù)正在成為自動化創(chuàng)建的核心。

真相二：硬件和軟件的發(fā)展促成了機(jī)器視覺的進(jìn)步

機(jī)器視覺是工業(yè)自動化的眼睛。其主要工作流程是：系統(tǒng)通過機(jī)器視覺產(chǎn)品（如攝像頭、CMOS或CCD）將拍攝的目標(biāo)轉(zhuǎn)換為圖像信號，然后將圖像信號傳輸?shù)綄Ｓ脠D像處理系統(tǒng)。根據(jù)像素分布、亮度和顏色等信息，再將圖像信號轉(zhuǎn)換為數(shù)字化信號，最終使機(jī)器（機(jī)器人或其他工業(yè)工具）能夠完成制造和質(zhì)量驗(yàn)證等工業(yè)任務(wù)。

機(jī)器視覺是工業(yè)4.0的關(guān)鍵要素，它正以多種方式幫助工業(yè)自動化系統(tǒng)，例如通過改善庫存、檢測故障產(chǎn)品和提高制造質(zhì)量來提高效率。若要準(zhǔn)確地模擬人類的感知，機(jī)器視覺需要一系列設(shè)備和軟件的幫助。而這些軟硬件技術(shù)的不斷發(fā)展進(jìn)一步推動了機(jī)器視覺技術(shù)的演進(jìn)。

#01 智能攝像頭

攝像頭（camera）是機(jī)器視覺系統(tǒng)中檢查物體或物品的主要設(shè)備。有時(shí)，一個(gè)特定的檢查點(diǎn)可能需要安裝多個(gè)攝像頭，以確保可以正確檢查每一個(gè)細(xì)節(jié)。當(dāng)機(jī)器視覺系統(tǒng)需要從圖像中捕獲和提取特定應(yīng)用程序的信息時(shí)，這時(shí)就需要智能攝像頭的支持。智能攝像頭通常包含所有必要的通信接口，并可連接到Wi-Fi或服務(wù)器，以便傳輸捕獲的圖像數(shù)據(jù)。作為一種強(qiáng)大工具，深度學(xué)習(xí)能使系統(tǒng)設(shè)計(jì)師快速實(shí)現(xiàn)復(fù)雜且主觀決策的自動化，同時(shí)有效提高產(chǎn)品質(zhì)量和產(chǎn)能。由Teledyne Flir公司提供的FLIR Firefly DL攝像頭，內(nèi)建的深度學(xué)習(xí)推斷使得該產(chǎn)品不再需要任務(wù)分類的主機(jī)系統(tǒng)，大大降低了系統(tǒng)的成本和復(fù)雜性。Firefly DL攝像頭尺寸小巧、重量輕且功耗低，非常適合嵌入移動、桌面和手持系統(tǒng)。

Omron Industrial Automation公司的S133 UVC彩色CMOS攝像頭同樣是一款智能攝像頭產(chǎn)品，它內(nèi)置CMOS傳感器，采用超緊湊結(jié)構(gòu)，即插即用，是尋找具有機(jī)器視覺功能攝像頭的理想選擇。由于使用方便，S133 UVC彩色CMOS攝像頭深受工業(yè)/機(jī)器視覺應(yīng)用、汽車、生命科學(xué)等領(lǐng)域的歡迎。

#02 3D攝像頭

3D攝像頭可以在圖像中顯示被檢測物的深度，以顯示圖像的不同角度。通過在機(jī)器視覺系統(tǒng)中使用3D攝像頭，將帶來不同的視角和深度感知。飛行時(shí)間（ToF）攝像頭是使用飛行時(shí)間原理測量距離的3D攝像頭。ToF成像技術(shù)允許它在不掃描物體的情況下進(jìn)行3D成像，該技術(shù)通?？筛采w幾米到約40米的距離，每秒最多100張圖像，距離分辨率約為5到10毫米，橫向分辨率約為200x200。

歷史上，因?qū)oF的準(zhǔn)確性存在一些質(zhì)疑，人們通常將其視為精度較低的3D傳感技術(shù)。當(dāng)然，近些年很多頭部企業(yè)已經(jīng)開發(fā)出高達(dá)130萬像素的高分辨率產(chǎn)品，用于機(jī)器視覺系統(tǒng)的高精度ToF攝像頭能顯著提高生產(chǎn)的靈活性和自動化程度。索尼公司的IMX556 DepthSense ToF傳感器采用CAPD和背面照明（BSI）技術(shù)，與市場上現(xiàn)有的ToF解決方案相比，能夠提供精確到毫米的精度，在6米工作距離下，以30fps的速度提供640x480的分辨率。

Texas Instruments的OPT8241飛行時(shí)間 (ToF) 傳感器，將ToF傳感與模數(shù)轉(zhuǎn)換器和可編程定時(shí)發(fā)生器（TG）相結(jié)合，該器件能以高達(dá)150幀/秒的幀速率提供320 x 240分辨率的圖像。內(nèi)置的TG可控制復(fù)位、調(diào)制和讀出數(shù)字化序列。同時(shí)，TG具備可編程性，可靈活優(yōu)化各項(xiàng)深度感知性能指標(biāo)，例如功率、運(yùn)動穩(wěn)健性、信噪比和環(huán)境消除等。

圖4：TI公司OPT8241 ToF傳感器系統(tǒng)框圖（圖源：TI）

#03 視覺傳感器

視覺傳感器是機(jī)器視覺系統(tǒng)的核心，是最大化環(huán)境特性的來源，其核心設(shè)備是CCD、CMOS等圖像傳感器。這些分辨率較高的視覺傳感器通常能夠生成包含更多像素的圖像，非常有助于提高圖像質(zhì)量，更容易識別視覺細(xì)節(jié)。

長期以來，CCD傳感器是捕獲高質(zhì)量、低噪聲圖像的主流技術(shù)。但是CCD傳感器的制造成本很高，因此價(jià)格普遍較高，功耗也要比CMOS傳感器高很多。如今，CMOS傳感器技術(shù)已經(jīng)發(fā)展到可以快速接近CCD技術(shù)的質(zhì)量和功能，并且價(jià)格更低，體積更小，功耗更低。CMOS相機(jī)的幀速率通常要高于CCD相機(jī)，對于那些依賴實(shí)時(shí)圖像處理進(jìn)行自動化或圖像數(shù)據(jù)分析的機(jī)器視覺系統(tǒng)而言，此功能至關(guān)重要。另外，CMOS傳感器比CCD傳感器對紅外波長更敏感，CMOS芯片和相機(jī)制造商利用這一優(yōu)勢可捕獲紅外線，為圖像識別提供了額外的成像能力。兩相權(quán)衡，CMOS傳感器可能更加適合機(jī)器視覺應(yīng)用。

安森美（onsemi）AR0130是一款1/3英寸CMOS數(shù)字圖像傳感器，有源像素陣列為1280H x 960V，使用滾動快門讀數(shù)捕獲圖像。該產(chǎn)品包括復(fù)雜的相機(jī)功能，如自動曝光控制，窗口，以及視頻和單幀模式。AR0130能夠拍攝非常清晰的數(shù)字圖像，并且能夠捕獲連續(xù)視頻和單幀，尤其適合高性能機(jī)器視覺應(yīng)用。

#04 光源

作為一種輔助成像設(shè)備，光源對成像質(zhì)量往往起到至關(guān)重要的作用。以LED照明產(chǎn)品為例，它們具有更高的靈活性，具有可調(diào)角度和附加波長，更一致的光譜響應(yīng)。市場上有多種波長和形狀的光源可供選擇，產(chǎn)品的選擇并不難。

#05 圖像采集卡

圖像采集卡通常以電腦插卡的形式存在，它的主要工作是將圖像輸出傳送到計(jì)算機(jī)主機(jī)。圖像采集卡需要將來自相機(jī)的模擬或數(shù)字信號轉(zhuǎn)換為特定格式的圖像數(shù)據(jù)流，還可以控制相機(jī)的一些參數(shù)，例如觸發(fā)信號、曝光/積分時(shí)間、快門速度等。圖像采集卡通常針對不同類型的相機(jī)具有不同的硬件結(jié)構(gòu)，同時(shí)也具有不同的總線形式，如PCI、PCI64、Compact PCI、PC104、ISA等。

#06 視覺處理軟件

機(jī)器視覺軟件用于完成輸入圖像數(shù)據(jù)的處理，然后通過一定的計(jì)算就可以得到需要的結(jié)果。通用機(jī)器視覺軟件以C/C++圖像庫、ActiveX控件和基于圖形的編程環(huán)境等形式出現(xiàn)，可以專用，例如僅用于LCD檢測、BGA檢測、模板對齊等，或通用，包括定位、測量、條形碼/字符識別、斑點(diǎn)檢測等。

真相三：機(jī)器視覺市場發(fā)展迅速，汽車行業(yè)功不可沒

機(jī)器視覺在自動化方面的價(jià)值在于它能夠快速高效地捕獲和處理大量文檔、圖像和視頻，其數(shù)量和速度遠(yuǎn)遠(yuǎn)超過人類的能力。

廣闊的應(yīng)用前景和巨大的市場潛力決定了機(jī)器視覺必將是一個(gè)不斷增長的市場，Markets and Markets的數(shù)據(jù)表明，機(jī)器視覺的市場規(guī)模預(yù)計(jì)將從2020年的107億美元增長到2025年的147億美元，復(fù)合年增長率為6.5%。

根據(jù)grand view research的數(shù)據(jù)，2021年，全球機(jī)器視覺市場規(guī)模為132.3億，預(yù)計(jì)2022年至2030年將以7.7%的復(fù)合年增長率（CAGR）增長。汽車、食品和飲料、制藥和化工以及包裝領(lǐng)域?qū)σ曈X引導(dǎo)機(jī)器人系統(tǒng)的需求是推動市場增長的主要?jiǎng)恿?。其中，汽車行業(yè)依然是全球最大的機(jī)器視覺系統(tǒng)采用者，在2021年，來自汽車行業(yè)的收入份額超過了15.0%，預(yù)計(jì)未來幾年仍將繼續(xù)穩(wěn)步增長。

真相四：機(jī)器視覺在機(jī)器人應(yīng)用中將大顯身手

在市場范圍和應(yīng)用方面，機(jī)器視覺有很多機(jī)會可以擴(kuò)展。這些機(jī)會需要一些想象力，這意味著機(jī)器視覺不僅僅是取代技術(shù)人員的眼睛，而是充分利用機(jī)器人完成技術(shù)人員無法完成的任務(wù)。機(jī)器視覺使得機(jī)器人擁有實(shí)時(shí)、高細(xì)節(jié)地“看到”的能力，它允許機(jī)器人根據(jù)對象或環(huán)境的綜合視圖做出決策。如今，機(jī)器人在世界上的使用越來越多。當(dāng)機(jī)器人配備機(jī)器視覺時(shí)，會給它們帶來更高的精確度、方向感和理解力，能夠更準(zhǔn)確地抓取物品，以更高的精度放置物品，并更快地執(zhí)行更復(fù)雜的任務(wù)。

機(jī)器視覺在機(jī)器人應(yīng)用中正變得越來越重要，根據(jù)自動化促進(jìn)協(xié)會（A3）最近的一份報(bào)告，與2020年相比，機(jī)器人和機(jī)器視覺市場在2021年第二季度取得了實(shí)質(zhì)性增長。工業(yè)機(jī)器人已經(jīng)被廣泛使用，隨著協(xié)作機(jī)器人的出現(xiàn)和3D機(jī)器視覺的快速發(fā)展，它們將被更多地結(jié)合使用。

機(jī)器視覺體現(xiàn)的是一種技術(shù)能力，自動化、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等其他能力也是如此。這是一種可以集成到其他技術(shù)和流程中的能力，用以造福行業(yè)并提高業(yè)務(wù)效率?，F(xiàn)在的機(jī)器人已經(jīng)越來越多地內(nèi)置機(jī)器視覺，機(jī)器視覺使機(jī)器人能夠執(zhí)行更復(fù)雜的任務(wù)。如果沒有機(jī)器視覺告訴機(jī)器人物品的確切位置，這些任務(wù)是不可能完成的。機(jī)器視覺是釋放自動化全部潛力的關(guān)鍵，為智能自動化添加了更多智能。

審核編輯：郭婷