机器人视觉存在的问题及研究方向

机器人视觉系统经过三代人的发展。第一代机器人的视觉功能通常是处理图像并根据定义的过程产生结果。该系统通常由普通数字电路组成，主要用于检测扁平材料中的缺陷。第二代机器人视觉系统通常由计算机、图像输入设备和结果输出设备组成。视觉信息在机器中串行流动，并具有学习适应各种新情况的能力。第三代机器人视觉系统目前正在世界各地开发和使用。它使用高速图像处理芯片和并行算法，具有高度智能和通用的视觉模型。

（机器视觉）

当前机器人视觉的主要问题

1.如何准确、高速（实时）识别目标。

2.如何有效构建和组织可靠的识别算法并成功实施？我们期待着在高速矩阵处理单元和算法（如神经网络方法和小波变换）方面取得新的突破，以便以最小的计算工作量并行实现功能。

3.实时性能是一个难以解决的大问题。图像采集速度低，图像处理时间长，导致系统严重停滞。此外，视觉信息的引入显著增加了系统的计算复杂性，例如图像的雅各比矩阵的计算和深度信息的估计。图像处理速度是影响视觉系统实时性能的主要瓶颈之一。

4.稳定性是所有控制系统的首要考虑因素。对于视觉控制系统，基于位置、图像或混合的视觉控制方法都面临以下问题：当初始点远离目标点时，如何确保系统的稳定性，即增加稳定性区域以确保整体收敛；为避免伺服故障，如何确保特征点始终在视野内。

机器人视觉问题需要进一步研究。

1.图像特征选择问题。

视觉伺服的性能与所用图像的特性密切相关。特征的选择不仅应考虑识别指标，还应考虑控制指标。从控制的角度来看，冗余特性消除了噪声的影响，提高了视觉伺服电机的性能，但也增加了图像处理的难度。因此，如何选择最佳性能特征、如何处理它们以及如何评估它们是需要进一步研究的问题。有时需要从一组功能切换到另一组功能。您可以考虑将全局功能与本地功能相结合。

2.结合计算机视觉和图像处理的研究成果，创建专用于机器人视觉系统的软件库。

3.加强系统动态性能研究。目前的大多数研究都集中在机器人的运动上，这应该根据图像信息来确定。然而，关于整个视觉伺服的动态性能的研究很少。

4.智能技术使用的结果。

5.使用主动视觉效果。

主动视觉是计算机视觉和机器人视觉研究领域的热点。它强调视觉系统与环境交互的能力。与传统的通用视觉不同，主动视觉强调两点。首先，视觉系统必须具有主动感知的能力。其次，视觉系统应基于某些任务。“主动视觉”或“任务导向”是指摄像机的方向、焦距、光圈等参数，在获取视觉信息时，应更主动地调整，以便摄像机能够快速瞄准感兴趣的对象。

6.多传感器融合问题。视觉传感器具有一定的应用范围。如果能有效结合其他传感器，利用其性能互补的优势，就能消除不确定性，取得更可靠、更准确的效果。