机器人视觉 、计算机视觉、图像处理、机器视觉和图形识别，这几者之间到底有神马区别呢？要弄清楚他们哪一个是哪一个，有时候也真的是容易混淆的。接下来看看这些术语的具体含义是什么，以及他们与机器人技术有什么关联。读了这篇文章后，你就再也不会被这些概念弄糊涂了！在这篇文章当中，我们分解了机器人视觉的“族谱”，以显示在更广泛的信号处理领域所在的位置。

什么是机器人视觉

Robot Vision

机器人视觉是指使机器人具有视觉感知功能的系统，是机器人系统组成的重要部分之一。在基本术语中，机器人视觉涉及使用相机硬件和计算机算法的结合，让机器人处理来自现实世界的视觉数据。例如，您的系统可以使一个二维摄像头，检测到机器将拿起来的一个对象物，更复杂的例子可能是使用一个3D立体相机来引导机器人将车轮安装到一个移动中的车辆上。

如果没有机器视觉，你的机器人基本上是个瞎子，对一些机器人任务来说，这也许不是一个问题，但对于某些应用来说，机器人视觉是有帮助的，甚至是必不可少的。






机器人视觉的族谱

机器人视觉与机器视觉密切相关，机器视觉我们稍后再介绍。他们两个又都与计算机视觉密切相关，从族谱图中可以看出计算机视觉可以看作是他们的父母。然而，为了详细的了解他们在整个系统中的位置，我们要更进一步介绍他们的祖父母-信号处理。

信号处理

Signal Processing

信号处理包括处理电子信号、或是清理(例如：除噪)、提取信息、为输出到显示端的前置预处理、或者为他们的进一步处理做准备的预处理。任何东西都可以是一个信号，或多或少，有各种类型的信号可以被处理，例如：模拟信号，数字信号，频率信号等等，图像基本上只是二维(或更多维)的信号，对于机器人视觉，我们感兴趣的是针对图像的处理。

图像处理与计算机视觉

Image Processing vs Computer Vision

计算机视觉和图像处理就像堂兄妹，但他们有着很不同的目标。图像处理技术主要是用来提高图像的质量，将其转换成另外一种格式(如直方图)或改变它以进一步处理。另一方面，计算机视觉更侧重于从图像中提取信息，以感知它们。因此，您可能会使用图像处理将彩色图像转换为灰度图像，然后用计算机视觉检测图像中的对象。如果我们再进一步往上看这个族谱，我们看到，这两个领域都受物理领域很大的影响特别是光学。

图形识别与机器学习

Pattern Recognition and Machine Learning

到目前为止，情况还这么简单。当我们将图形识别或更广泛的机器学习加入到族谱中的时候，情况就开始变得有些复杂，这个分支专注于识别数据中的图形，对于需要机器人视觉相对更先进的功能来说这是相当重要的。例如，为了能够从它的图像中识别一个对象，该软件必须能够监测到它所看到的对象是不是之前看到过的对象。因此，机器学习是计算机视觉除信号处理之外的另外一个母体。

然而，并不是所有的计算机视觉技术都需要机器学习，你也可以仅使用信号而不是图像进行机器学习，然后将其作为一个Input输入到机器学习算法。例如。计算机视觉检测到传送带上的零件大小和颜色，然后机器学习根据它从正常的良品看起来应该是什么样子学到的知识，来判定这些零件是不是不良品。






机器视觉

Machine Vision

现在我们谈到机器视觉，一切都将改变。这是因为机器视觉完全不同于之前谈到的术语。它更侧重于特定的应用，而不仅仅是关注技术的部分，机器视觉是指工业用途的视觉来进行自动检测、过程控制和机器人导引。族谱的其余部分是科学领域，而机器视觉是一个工程领域。

某种程度上来说，你可以认为机器视觉是计算机视觉的孩子，因为它使用计算机视觉和图像处理的技术和算法。但是，虽然它可以用来指导机器人的，他又不完全是机器人视觉。

机器人视觉






机器人视觉

最后，终于到达机器人视觉。如果你一直跟随阅读这篇文章直到现在，你会意识到机器人视觉采用了所有以前的技术。在许多情况下，机器人视觉和机器视觉相互交替使用。然而，还是有些微妙的差异，一些机器视觉应用，如零件监测，与机器人无关，工件仅仅是放置在一个用来探测不良的视觉传感器前面即可。






机器视觉而非机器人视觉

此外机器人视觉不仅是一个工程领域，它也是一门有自己特定的研究领域的科学，区别于纯计算机视觉研究，机器人视觉必须将机器人技术纳入到其技术和算法。视觉伺服就是一个智能被称为机器人视觉技术而不是计算机视觉的完美典范。它涉及到机器人的运动控制，通过使用视觉传感器检测到机器人位置的反馈。

输入与输出

下面汇总上面介绍的每个领域术语的基本的输入和输出来结尾这篇文章。





 
 
来源：网络
  查看全部

  近期，我参加了ABB公司在武汉国际博览中心举办的年度最大活动-第八届自动化世界展，近距离了解了ABB公司的工业机器人解决方案、智能家居以及智能建筑能源管理平台等产品和技术;对ABB所提出的主题“物联网+”有了比较深刻直观的认识。“物联网+”即“物、服务与人的互联”，这也代表了未来制造业的发展方向，通过互联网技术把设备、服务与人以及制造流程紧密的联系起来，提升客户的体验，提高生产效率，为客户提供多样化的定制服务与产品。
  






整个展会ABB的产品、技术、解决方案与服务的布局展示场景都是围绕着这一主题展开。在展会中，ABB公司基于机器视觉技术的工业机器人给人留下了极为深刻的印象，让人产生了在未来工业生产新时代中人与机器协同工作场景的遐想。机器视觉技术如今已成功的应用到了工业机器人当中，并已成为一项核心关键技术，这是否意味着该技术已经迎来黄金发展时期？

ABB YuMi：拥有机器视觉的灵活机器人

在展会中，我重点关注了ABB在机器人自动化方面的一些展区，ABB公司通过20个机器人工作站全面展示了ABB工业机器人在物料搬运、码垛、组装、激光雕刻、打磨、焊接、贴标、分拣等众多环节的应用，无所不能的工业机器人技术令大家耳目一新。

其中，最吸引观众眼球的就属ABB YuMi机器人，它是ABB工业机器人产品线中具有高度灵活性的自动化产品，是全球首款能实现人机安全协作的机器人。在现场，ABB设置了自动复原魔方，折纸飞机和用笔写字3个有趣的应用场景来展示YuMi机器人的灵活性。
  现场还展示了Yumi机器人在工业方面应用，在以视觉引导装配为主题的机器人工作站上，YuMi机器人由影像系统引导，自由抓取零件盒中摆放杂乱的零件，然后再通过基于机器视觉进行零件定位最终完成电子元件连接器的装配工作，从而解决了小型零件自动化装配的生产需求，尤其是消费电子行业对柔性生产和灵活制造的需求。通过机器视觉技术，YuMi机器人拥有了“视觉”，可以双手完成组装工作，并能够与人进行协同工作，真正意义上实现人机协同作业。
机器视觉到底是什么？

在YuMi机器人上，机器视觉技术起到了十分关键的作用，代替人眼完成了定位和判断的工作。不过机器视觉除了应用在工业机器人上以提高其灵活性和协同能力以外，还能够应用在其他生产制造过程中，提高生产的灵活性和自动化程度。例如，在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，可以用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度，避免人为漏失。

归纳起来，机器视觉在工业上的应用主要集中在定位、检测、识别、测量这几大方面。

定位：主要体现在工业机器人方面的应用，工业机器人在完成装配、分类或搬运作业时，需要视觉反馈给机器人空间坐标以提供零件的精确固定的位置和方向，保证机器人准确的抓取零件。

检测：主要应用在检测自动化生产线上的产品有无质量问题，该环节也是取代人工最多的环节。同时还有印刷品质量的检测，产品组装过程中有/无漏装、残次品检测等应用环节。目前，机器视觉检测在电子行业的应用较为广泛，尤其是SMT、波峰焊、插件等环节，这些都是直接影响产品电气部分质量好坏的关键环节，处理不当很容易引起后期产品的电气质量问题，直接导致产品无法使用，对客户影响非常重大，所以也是管控的核心。

识别：主要有颜色方面的识别，读码、无人驾驶汽车、纹理的识别等方面的应用。

测量：主要是制造产品中长度、角度的测量。另外，有些产品的精密度较高，达到0.01~0.02m甚至到u级，人眼无法检测必须使用机器视觉完成。

机器视觉的构成

一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。
机器视觉的工作原理

   机器视觉系统的工作原理是利用图像摄取装置将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，进而根据判别的结果来控制现场的设备动作，实现自动识别功能。
  一个典型的机器视觉检测应用场景，我们也可以了解到一个机器视觉系统的工作流程，从产品到达检测位置，光电或传感器感应到产品时，触发机器视觉系统进行工作，通过光源（或多个组合光）对产品进行照明并获取产品的图像信息并完成图像的数字化处理过程，视觉软件快速识别数字化图像并判断产品是否合格，判断完成后再进行离散输出，剔除掉不良品，并在操作界面显示出不良品画面和统计信息，完成产品的检验过程，整个过程完全不需要人员干涉，使产线减少了工作人员的同时还能够高效的管控产品质量。
  智能制造呼唤机器视觉广泛应用

如今中国制造业正在面临前所未有的压力，就在前不久，苹果CEO蒂姆库克到访印度，并对外宣称考虑“将iPhone生产迁往印度”。无独有偶，富士康郭台铭也表示，将在2020年，在印度国内兴建10家至12家生产工厂，并创造至少100万个就业机会。中国劳动力成本与租金飙涨，使中国制造业承受着不小的压力，尤其是那些自主研发能力不强但却能解决大量就业问题的代工企业。

据悉，我国劳动者的平均时薪已从10年前的4.35美元飙涨至12.47美元，十年间猛增近3倍，在此压力下，中国制造向低成本、高效率的智能制造转型成为发展大势。与此同时，我国制造业大而不强，质量粗糙的问题也需要得到改善。

正因如此，2015年我国发布了实施制造强国战略第一个十年的行动纲领《中国制造2025》，其中“智能制造”被定位为中国制造的主攻方向，并被视为中国从制造大国向制造强国的转变的“主力军”，也成为中国制造业企业转型的核心目标。

从智能制造的角度来看，机器视觉具有非常重要的作用，尤其是在智能产线和智能设备中，机器视觉可以使产品在自动化生产过程中质量更加稳定、更加高效。由于有了视觉，智能设备生产的柔性化程度、效率也将会得到极大的提升。

首先，在打造智能产线的过程中，必须要使质量控制能够保持高速度、高精度、高分辨力、稳定性好、适应能力强以及可以长时间持续不间断运作，人工检验很显然已经无法满足这方面的生产需求，而如果有机器视觉助力，就恰恰解决了这一问题。机器视觉系统不仅可以满足自动化生产的各种需求，而且本身最大的特点在于非接触性测量和检验，对于机器本身以及产品都起到了一定的保障作用。

并且我认为，机器视觉最大的价值不仅仅在查漏等基本的检验环节，更重要的是能够实时动态的检测产品的质量数据如尺寸、角度、精度等关键参数，并通过联网将数据收集并加以分析和处理，从而实时感知、分析、决断出产品的质量问题。

另外，机器视觉还可以高速的识别产品上的特征、条形码等各种记录产品身份信息的内容，使生产过程变得可控，产品生产过程具有可追溯性，这都是打造智能产线所必不可少的要求。

最后，机器视觉就是在智能设备中的应用，如前面提到ABB YuMi机器人就是很典型的代表，具备了机器视觉的工业机器人可以灵活自如的处理一些复杂的加工装配过程，并且能够做到人机协同工作，这也是未来制造的趋势。

总结
当前全球正在兴起以德国提出的工业4.0为首的新一轮工业革命，制造业正向数字化、网络化、智能化上进行探索和转变，商业模式也从过去以企业为中心转向以用户为中心。本文只是列举出了一部分机器视觉技术在制造业中的典型应用，相信机器视觉技术还有很多有待我们发掘的应用场景和需要深入研究的地方，随着机器视觉技术的不断进步和更加广泛的应用，必将能够使制造业朝着更智能、更快速和具有视觉感知的方向发展，创造出理想中的人机协同的工作环境，并通过柔性化生产满足客户的个性化定制需求，机器视觉技术已然成为企业智能制造转型重要应用之一。
文章来源：网络
更多分享文章链接：http://bbs.imefuture.com/article/
  查看全部

   工业4.0，在中国这个世界级工厂的大地上正如火如荼的进行着。与此同时，国家和地方政府也不遗余力，大力扶持地方企业进行“机器换人”的无人化改造。我们都相信，这是一种不可阻挡的科技趋势，也是一场不可逆的有关更大更完全解放生产力的革命潮流。






    说到工业机器人，其实分类很多。但就我个人而言，接触最多的还是串联六轴机械臂，即俗称的六轴机器人。因为它自由度多，灵活性好，且通用性比较高，所以广受工业制造的青睐。现在的工业应用领域中，越来越多的6轴机器臂出现在不同的工作岗位上，用以代替人类从事各种各样繁重，危险，高负荷的工作。这些工作曾经因为会给工作人员带来难以预估的身体和精神伤害，而广受诟病，并且随着中国老龄化的浪潮的到来，也使企业主难以招到满意的员工。而现在，灵活稳定的机械臂的出现，刚好解决了这个问题。
在某些行业领域，6轴机械臂有广泛的应用，如家电行业，铸造行业；在某些行业领域，6轴机械臂有更广泛的应用，如汽车行业，电子行业。在这些拥有高附加值和标准化生产线的行业中，价格不菲的机器人的优势才能更好的发挥出来。
   1959年美国英格伯格和德沃尔(Devol)制造出世界上第一台工业机器人,机器人的历史真正开始。现如今，半个世纪过去了，工业机器人可谓走过了一段漫长的发展之路。从当初的实验室，到现在工业应用的各个行业，我们可以看到，机器人的应用已经越来越成熟。但是这种成熟，似乎也非常集中在某些行业，如电子生产，汽车制造等。
    为什么这么说呢？我们来看看智能手机的发展过程，从04年出现，到现在的非常普及乃至普通，其中有一个非常重要的事件，就是生产工艺的标准化。比如充电器接口，所有安卓智能手机的充电器接口都一样。这种设备的标准化，有一个很明显的好处，就是给用户带来了很多方便。出差，忘记带手机充电线了，不怕，我们可以很容易在周边借到一根充电线。标准化的优势，更多的体现在产品的普及过程，和无限的可能性发展。它能让更多的人参与进来，使用，设计，优化。这对一种产品的成熟至关重要。
工业机器人的发展如何呢？发展了半个多世纪，我们看到，它的成熟度和发展了几年的手机相比，实际上差距还是很大。工业机器人有自己的小圈子，本体厂家之间都是明显的竞争关系，他们的保护壁垒也更加厚实。他们对自己的机器人都十分自信，觉得它们能完成更多，更精细的工作。所以与他人合作的意愿就没有那么强烈，甚至是不愿意和他人交流。
   但是，我们看到工业机器人的行业应用还是有限的。机器人在使用的时候，也没有本体厂家们想象的那么好用。实际上，它还需要更多的设计来完善功能，增加使用的便利性和灵活性。
   进过60年的发展，到目前为止机器人的拥有量不到300万台，而中国一年的汽车产量2500万台。机器人作为一种产业或者产品，它几乎可以忽略不计。而原因在于，由于众多技术的限制使机器人只是局限在制造业很窄的一部分里。尽管如此，机器人在全球范围的热度却仍在持续升温。
   实际上，当前就制造业向“智造业”的转型发展已成为共识，广东近几年出现的“机器换人”的大潮更是一个典型代表。在产品生命周期缩短、消费者个性化需求提高的当代，传统的大规模流水线工业已经跟不上节奏——智能手机的更新换代的周期更是已经缩短到11个月，连汽车等高档消费品的更新周期也减少到了4年，灵活、快速及可以随时变化升级的生产线为工业机器人提出了新的要求，也提供了新的机遇。





   个人感觉，工业机器人的发展和应用，如果想更上一层楼，需要在以下方面做出改变：
1.本体厂商对设备精度和性能的提升，对传感设备的深层研发，并构架出闭环控制系统。
工业机器人普遍能达到低于0.1毫米的运动精度(指重复运动到点精度)，抓取重达一吨的物体，伸展也可达三四米。这样的性能虽不一定能轻易完成苹果手机上一些“疯狂”的加工要求，但对绝大部分的工业应用来说，是足以圆满完成任务。
随着机器人的性能逐渐提升，以前一些不可能的任务也变得可行起来(如激光焊接或切割，曾需要专门的高精度设备来指导激光的走向，但随着机器人精度的提升，现在也变得可依赖机器人本身的准确运动来代替了)。
但相比传统高端设备，如高精度数控机床，激光校准设备，或特殊环境(高温或特低温)设备等，工业机器人尚力不能及。
    工业机器人是工业智能化的一个标志，它不仅体现在机械控制系统的智能编程上，还需要外部传感设备支持。为了检测作业对象及环境或机器人与它们的关系，在机器人上安装了触觉传感器、视觉传感器、力觉传感器、接近觉传感器、超声波传感器和听觉传感器，大大改善了机器人工作状况，使其能够更充分地完成复杂的工作。由于外部传感器为集多种学科于一身的产品，有些方面还在探索之中，随着外部传感器的进一步完善，机器人的功能越来越强大，将在许多领域为人类做出更大贡献。
2.本体厂商对数据底层接口的开放，本体厂商之间标准化接口和编程语言。
传统机器人的工作本质就是不断地走一个个的路径点，同时接收或设置外围的I/O信号(老和其他设置如夹具，输送线等合作)。而指导机器人这么做得过程，就是机器人编程。几乎每一家领先公司都有自家的编程语言和环境，从而需要机器人操作者参加学习培训。当机器人适用范围增广后，这个成本开始显现了。
这些厂商是有理由维护自家的编程环境的，一来工业机器人四十年前就开始规模化做了，那时还没有什么面向对象等现在广为熟知普遍认同的主流先进编程理念，二来萌芽阶段自家技术难免会和竞争对手不同，维护一个编程方式也无可厚非，三来因为他们的大客户往往也是传统的工业大客户，如大汽车厂商，这些客户求稳，自然不希望你机器人过几年就赶个热潮变换编程方式，搞得他们还得扔掉几十年的经验，重新花大钱培训学习。
标准化底层数据接口还有另外一个好处，就是直接给上层的应用级开发带来很多方便的地方。现在，大多数离线编程公司因为没办法拿到机器人底层数据接口，无法直接和机器人通信，所以程序调试起来很麻烦。同时，因为没有底层数据接口，离线编程应用等开发出来的功能也十分有限。这给编程人员和整个机器人应用的广泛普及都带来了很大的苦恼。
3.软件服务公司对机器人通用功能的完善，对工艺数据的处理。
机器人离线编程系统的研制和开发涉及的问题很多．包括多个领域的多个学科。目前工业领域的机器人离线编程软件种类也很繁多，软件的性能和功能也参差不齐，各有千秋。举例来说，国外离线编程软件发展较早，工业应用也比较成熟。像Robotmaster，RobotStudio，RobotWork等都是首屈一指的离线软件大佬，他们在国内外的行业应用中，都经过大量的实践检验。国内的工业机器人离线编程软件虽然起步较晚，但是因研发投入较大，重视程度较高，所以进步很大，典型的案例就是北京华航唯实机器人公司的RobotArt离线编程软件。其公司技术背景一是北航机器人研究所与CAD中心数十年的航空航天项目经验，二是数几十人的优秀研发团队，再加上背后财团的大力支持，商业化后短短两年就发展成国内离线编程软件的领导者，一骑绝尘，可谓成绩不俗。。






离线编程技术是未来工业机器人发展的重点之一，但是，就目前的工业应用来说，软件需要改进的地方还有很多。为推动这项技术的进一步发展，也需要多个方面的研究工作，下面就以大家比较熟悉的国产离线编程软件RobotArt为例，来具体谈谈软件需要改进的地方：
a)多媒体技术在机器人离线编程中的研究和应用。友好的人机界面、直观的图形显示及生动的语言信息都是离线编程系统所需要的。在这些地方，RobotArt相比较外国软件，做的已经很好了。当然，这个和它是国产软件，有一群了解中国人软件使用习惯的程序猿有很大关系。良好的人机交互体验能减少软件使用者的上手和学习难度，同时也能增加用户的使用欲望，帮助设计人员更好的工作。
b)多传感器的融合技术的建模与仿真。随着机器人智能化的提高，传感器技术在机器人系统中的应用越来越重要。因而需要在离线编程系统中对多传感器进行建模，实现多传感器的通讯，执行基于多传感器的操作。对于传感器的支持，据我所知，RobotArt这方面的研究还比较少，国外同行做的也不尽如人意。机器人要想更智能化，传感器是一个非常关键的设备，其相关技术还需要大家共同努力，尽早突破。
c)各种规划算法的进一步研究。其包括路径规划、抓取规划和细微运动规划等。规划一方面要考虑到环境的复杂性、运动性和不确定性，另一方面又要充分注意计算的复杂性。我们知道，离线编程仿真软件，一个非常重要的功能就是，产线轨迹，轨迹规划和轨迹生成。为了减少不必要的成本，提高工作效率，我们使用软件更多的是出于设计方面的考虑。RobotArt软件可以支持多机器人的产线规划，支持单机器人的轨迹规划和生成，这大大满足了我们工程师在设计方面的要求。
d)错误检测和修复技术。系统执行过程中发生错误是难免的．应对系统的运行状态进行检测以监视错误的发生，并采用相应的修复技术。此外，最好能达到错误预报，以避免不可恢复动作错误的发生。RobotArt在程序仿真的时候，打开干涉检查功能，会对轨迹中的错误做初步检测。生成后置程序的时候，会对后置的机器人数据做最后的检测过滤，如果发现有不符合程序正常运行的数据，会拒绝生成后置代码。这样做的目的是最大程度减少，来自程序设计本身的失误。这一点需要给RobotArt的设计人员点个赞，做的真的很好。
在解决上述软件通用功能以后，对工艺数据的整理组织也是一项十分重要的工作。专家库的建立，能够把软件编程和机器人操作的门槛降低，让更多的非专业工作人员进入到智能化产线当中。机器人换人的目的不是让人失业，而是解放劳动力，让设计人员把精力和时间投入到更有价值，更有意义的工作中去。随着全球老龄化的到来，随着员工的更新换代，操作经验和技术工艺也面临传承不济和逐渐流失的风险。如果离线编程软件能做好工艺数据的沉淀和应用，也算是功德一件。对于企业的自身发展，也很有帮助。目前，各个离线编程厂家或多或少都有自己的工艺数据包，像RobotStudio等这样有本体机器人做依托的离线厂家，工艺数据自然丰富强大一些，没有本体依托的软件厂家，也在做相关方面的研究。RobotArt在东莞也建立起了自己的科学试验站，和多家国内本体厂商合作，专门从事打磨，焊接，去毛刺等工艺研究，现已积累大量可用于工业生产的工艺数据。
   总结：只有当上述三个问题得以突破，工业机器人才能摆脱目前只是作为一种机械设备在行业领域应用的现状，从而进入广泛的市场。不止是作为人类的替代或人类能力的延伸，而是成为一个真正能够独当一面的机器人。我们相信这一天的到来，将会是人类科技发展史上非常重要，辉煌的一个篇章。
文章来源：智造家特约专家提供
更多分享文章链接：http://bbs.imefuture.com/article/ 查看全部