電腦視覺技術經過半世紀發展終有斬獲
來源： 新戰略機器人網
機器人視覺解決方案，是我們實現機器人視野的幾大挑戰。即便變得越來越簡單易用，還是有一些棘手的問題。很多因素影響機器人在環境中的視覺，任務設置和工作場所。這裡有 9 個總結出來的機器人視覺挑戰：
照明
如果有過在低光照下拍攝數碼照片的經驗，就會知道照明非常重要。糟糕的照明會毀掉一切。成像感測器不像人眼那樣，適應性強或敏感。如果照明類型錯誤，視覺感測器將無法可靠地檢測到物體。
有各種克服照明挑戰的方法。一種方法是將有源照明結合到視覺感測器本身中。其他解決方案包括使用紅外線照明，環境中的固定照明或使用其他形式的光的技術，例如激光。
變形或鉸接
球是用電腦視覺設置，來檢測的簡單對象。你可能只是檢測它的圓形輪廓，也許使用模板匹配算法。但是，如果球被壓扁，它會改變形狀，同樣的方法將不再起作用。這是變形。它會導致一些機器人視覺技術，相當大的問題。
鉸接類似，是指由可移動關節引起的變形。例如，當您在肘部彎曲手臂時，手臂的形狀會發生變化。各個鏈接（骨骼）保持相同的形狀，但輪廓變形。由於許多視覺算法使用形狀輪廓，因此清晰度，使得物體辨識更加困難。
職位和方向
機器人視覺系統最常見的功能，是檢測已知物體的位置和方向。因此，大多數整合視覺解決方，案通常都克服了這兩者面臨的挑戰。
只要整個物體，可以在攝影機圖像內被查看，檢測物體的位置通常是直截了當的。許多系統對於對象方向的變化，也是強健的。但是，並不是所有的方向都是平等的。雖然檢測沿一個軸旋轉的物體，是足夠簡單的，但是檢測物體何時 3D 旋轉則更為複雜。
背景
圖像的背景，對物體檢測的容易程度有很大的影響。想像一個極端的例子，對象被放置在一張紙上，在該紙上列印同一對象的圖像。在這種情況下，機器人視覺設置，可能不可能確定哪個是真實的物體。
完美的背景是空白的，並提供與檢測到的物體良好的對比。它的確切屬性，將取決於正在使用的視覺檢測算法。如果使用邊緣檢測器，那麼背景不應該包含清晰的線條。背景的顏色和亮度，也應該與物體的顏色和亮度不同。
閉塞
遮擋，意味著物體的一部分被遮住了。在前面的四個挑戰中，整個對象出現在攝影機圖像中。遮擋是不同的，因為部分對象丟失。視覺系統顯然不能檢測到圖像中，不存在的東西。
有各種各樣的東西，可能會導致遮擋，包括：其他物體、機器人的部分或攝影機的不良位置。克服遮擋的方法，通常涉及將對象的可見部分，與其已知模型進行匹配，並假定對象的隱藏部分存在。
比例
在某些情況下，人眼很容易被尺度上的差異所欺騙。機器人視覺系統也可能被他們弄糊塗了。想像一下，你有兩個完全相同的物體，只是一個比另一個大。想像一下，你正在使用固定的 2D 視覺設置，物體的大小決定了它與機器人的距離。
如果你訓練系統辨識較小的物體，則會錯誤地檢測到兩個物體是相同的，並且較大的物體更接近攝影機。
尺度的另一個問題，也許不那麼明顯，就是像素值的問題。如果將機器人攝影機放置得很遠，則圖像中的對象，將由較少的像素表示。當有更多的像素代表對象時，圖像處理算法會更好地工作，但有一些例外。
攝影機放置
不正確的攝影機位置，可能會導致以前出現過的任何問題，所以重要的是要正確使用它。嘗試將攝影機放置在光線充足的區域，以便在沒有變形的情況下，盡可能清楚地看到物體，盡可能靠近物體而不會造成遮擋。攝影機和觀看表面之間，不應有干擾的背景或其他物體。
運動
移動有時，會導致電腦視覺設置出現問題，特別是在圖像中出現模糊時。例如，這可能發生在快速移動的傳送帶上的物體上。
數位成像感測器，在短時間內捕獲圖像，但不會瞬間捕獲整個圖像。如果一個物體在捕捉過程中移動太快，將導致圖像模糊。我們的眼睛可能不會注意到，影像中的模糊，但算法會。當有清晰的靜態圖像時，機器人視覺效果最佳。
與視覺算法的技術方面相比，最後的挑戰，更多地涉及到你的視覺設置方法。機器人視野面臨的最大挑戰之一，就是工作人員對於視覺系統，能提供什麼不切實際的期望。
透過確保期望符合技術的能力，你將從技術中，獲得最大收益。你可以透過確保員工，接受關於視覺系統的教育來實現這一點。
0 comments:
張貼留言