機器人視覺 、計算機視覺、圖像處理、機器視覺和圖形識别,這幾者之間到底有神馬區别呢?要弄清楚他們哪一個是哪一個,有時候也真的是容易混淆的。接下來看看這些術語的具體含義是什麼,以及他們與機器人技術有什麼關聯。讀了這篇文章後,你就再也不會被這些概念弄糊塗了!在這篇文章當中,我們分解了機器人視覺的“族譜”,以顯示在更廣泛的信号處理領域所在的位置。
什麼是機器人視覺
Robot Vision
機器人視覺是指使機器人具有視覺感知功能的系統,是機器人系統組成的重要部分之一。在基本術語中,機器人視覺涉及使用相機硬件和計算機算法的結合,讓機器人處理來自現實世界的視覺數據。例如,您的系統可以使一個二維攝像頭,檢測到機器将拿起來的一個對象物,更複雜的例子可能是使用一個3D立體相機來引導機器人将車輪安裝到一個移動中的車輛上。
如果沒有機器視覺,你的機器人基本上是個瞎子,對一些機器人任務來說,這也許不是一個問題,但對于某些應用來說,機器人視覺是有幫助的,甚至是必不可少的。
機器人視覺的族譜
機器人視覺與機器視覺密切相關,機器視覺我們稍後再介紹。他們兩個又都與計算機視覺密切相關,從族譜圖中可以看出計算機視覺可以看作是他們的父母。然而,為了詳細的了解他們在整個系統中的位置,我們要更進一步介紹他們的祖父母-信号處理。
族 譜
信号處理
Signal Processing
信号處理包括處理電子信号、或是清理(例如:除噪)、提取信息、為輸出到顯示端的前置預處理、或者為他們的進一步處理做準備的預處理。任何東西都可以是一個信号,或多或少,有各種類型的信号可以被處理,例如:模拟信号,數字信号,頻率信号等等,圖像基本上隻是二維(或更多維)的信号,對于機器人視覺,我們感興趣的是針對圖像的處理。
圖像處理與計算機視覺
Image Processing vs Computer Vision
計算機視覺和圖像處理就像堂兄妹,但他們有着很不同的目标。圖像處理技術主要是用來提高圖像的質量,将其轉換成另外一種格式(如直方圖)或改變它以進一步處理。另一方面,計算機視覺更側重于從圖像中提取信息,以感知它們。因此,您可能會使用圖像處理将彩色圖像轉換為灰度圖像,然後用計算機視覺檢測圖像中的對象。如果我們再進一步往上看這個族譜,我們看到,這兩個領域都受物理領域很大的影響特别是光學。
圖形識别與機器學習
Pattern Recognition and Machine Learning
到目前為止,情況還這麼簡單。當我們将圖形識别或更廣泛的機器學習加入到族譜中的時候,情況就開始變得有些複雜,這個分支專注于識别數據中的圖形,對于需要機器人視覺相對更先進的功能來說這是相當重要的。例如,為了能夠從它的圖像中識别一個對象,該軟件必須能夠監測到它所看到的對象是不是之前看到過的對象。因此,機器學習是計算機視覺除信号處理之外的另外一個母體。
然而,并不是所有的計算機視覺技術都需要機器學習,你也可以僅使用信号而不是圖像進行機器學習,然後将其作為一個Input輸入到機器學習算法。例如。計算機視覺檢測到傳送帶上的零件大小和顔色,然後機器學習根據它從正常的良品看起來應該是什麼樣子學到的知識,來判定這些零件是不是不良品。
機器視覺
Machine Vision
現在我們談到機器視覺,一切都将改變。這是因為機器視覺完全不同于之前談到的術語。它更側重于特定的應用,而不僅僅是關注技術的部分,機器視覺是指工業用途的視覺來進行自動檢測、過程控制和機器人導引。族譜的其餘部分是科學領域,而機器視覺是一個工程領域。
某種程度上來說,你可以認為機器視覺是計算機視覺的孩子,因為它使用計算機視覺和圖像處理的技術和算法。但是,雖然它可以用來指導機器人的,他又不完全是機器人視覺。
機器人視覺
機器人視覺
最後,終于到達機器人視覺。如果你一直跟随閱讀這篇文章直到現在,你會意識到機器人視覺采用了所有以前的技術。在許多情況下,機器人視覺和機器視覺相互交替使用。然而,還是有些微妙的差異,一些機器視覺應用,如零件監測,與機器人無關,工件僅僅是放置在一個用來探測不良的視覺傳感器前面即可。
機器視覺而非機器人視覺
此外機器人視覺不僅是一個工程領域,它也是一門有自己特定的研究領域的科學,區别于純計算機視覺研究,機器人視覺必須将機器人技術納入到其技術和算法。視覺伺服就是一個智能被稱為機器人視覺技術而不是計算機視覺的完美典範。它涉及到機器人的運動控制,通過使用視覺傳感器檢測到機器人位置的反饋。
輸入與輸出
下面彙總上面介紹的每個領域術語的基本的輸入和輸出來結尾這篇文章。
相關閱讀
人工智能的基礎--知識分類
人工智能産業鍊深度透析—基礎層
薦:
聲明
免責聲明:部分文章和信息來源于互聯網,不代表本訂閱号贊同其觀點和對其真實性負責。
編輯:Zero
,更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!