How Computer Vision Works

電腦視覺的工作原理

機器人視覺、電腦視覺、圖像處理、機器視覺和模式辨識之間有什麼區別？知道哪個是哪個可能會讓人感到困惑。我們來看看所有這些術語的含義，以及它們與機器人技術的關係。看完這篇文章，你再也不用迷茫了！

人們在談論機器人視覺技術時有時會混淆。他們會說他們在使用「電腦視覺」或「圖像處理」，而實際上他們的意思是「機器視覺」。這是一個完全可以理解的錯誤。所有不同術語之間的界限有時是模糊的。

在本文中，我們分解了機器人視覺的「家譜」，並展示了它在更廣泛的信號處理領域中的位置。

什麼是機器人視覺？

基本上，Robot Vision 涉及使用攝影機硬體和電腦算法的組合，以允許機器人處理來自世界的視覺數據。例如，你的系統可能有一個 2D 攝影機，用於檢測機器人要拾取的物體。一個更複雜的例子，可能是使用 3D 立體攝影機，引導機器人將輪子安裝到移動的車輛上。

如果沒有 Robot Vision，你的機器人基本上是失明的。這對於許多機器人任務來說不是問題，但對於某些應用來說，機器人視覺是有用的，甚至是必不可少的。

Robot Vision 的家譜

機器人視覺與機器視覺密切相關，我們稍後會介紹。它們都與電腦視覺密切相關。如果我們談論家譜，電腦視覺可以被視為它們的「父母」。然而，要了解它們都適合世界的哪個部分，我們必須更上一層樓來介紹「祖父母」 —— 信號處理。

信號處理

信號處理涉及處理電子信號以清除它們（例如去除噪聲）、提取資訊、準備它們以輸出到顯示器，或準備它們以供進一步處理。任何東西都或多或少都是一個信號。可以處理各種類型的信號，例如類比電信號、數位電子信號、頻率信號等。圖像基本上只是二維（或更多）維信號。對於 Robot Vision，我們對圖像處理感興趣。所以，我們在談論圖像處理，對吧？錯誤的。

圖像處理與電腦視覺

電腦視覺和圖像處理就像表兄弟一樣，但它們的目標卻截然不同。圖像處理技術主要用於提高圖像品質、將其轉換為另一種格式（如直方圖），或以其他方式對其進行更改，以進行進一步處理。另一方面，電腦視覺更多地是從圖像中提取資訊以理解它們。因此，你可以使用圖像處理，將彩色圖像轉換為灰度圖像，然後使用電腦視覺檢測該圖像中的對象。如果我們進一步查看系譜，我們會發現這兩個領域，都受到物理領域，特別是光學領域的嚴重影響。

模式辨識和機器學習

到此為止，就這麼簡單。當我們將模式辨識納入家譜，或更廣泛的機器學習時，它開始變得有點複雜。該系列的這個分支專注於辨識數據中的模式，這對於機器人視覺，所需的許多更高級的功能非常重要。例如，為了能夠從圖像中辨識物體，軟體必須能夠檢測它看到的物體，是否與之前的物體相似。因此，機器學習是電腦視覺與信號處理的另一個母體。

然而，並非所有電腦視覺技術都需要機器學習。你還可以對非圖像信號使用機器學習。在實踐中，這兩個領域通常是這樣組合的：電腦視覺從圖像中檢測特徵和資訊，然後將其用作機器學習算法的輸入。例如，電腦視覺檢測傳送帶上零件的尺寸和顏色，然後機器學習根據其對良好零件，應該是什麼樣子的了解，來確定這些零件是否有問題。

機器視覺

現在我們進入機器視覺，一切都變了。這是因為機器視覺與之前的所有術語，都大不相同。它更多地是關於特定應用而不是技術。機器視覺是指工業上使用視覺進行自動檢測、過程控制和機器人引導。「家族」的其餘部分是科學領域，而機器視覺是工程領域。

在某些方面，你可以將其視為電腦視覺的子項，因為它使用電腦視覺和圖像處理的技術和算法。但是，雖然它是用來引導機器人的，但它與 Robot Vision 並不完全相同。

如果機器視覺加上熱成像，很多應用將會有突破性的新里程！

機器人視覺

最後，我們到達機器人視覺。如果你一直關注這篇文章直到現在，你會發現 Robot Vision 結合了之前所有術語的技術。在許多情況下，機器人視覺和機器視覺可以互換使用。但是，有一些細微的差異。一些機器視覺應用，例如零件檢測，與機器人技術無關 —— 零件只是放置在尋找故障的視覺感測器前面。

此外，機器人視覺不僅僅是一個工程領域。它是一門擁有自己特定研究領域的科學。與純電腦視覺研究不同，機器人視覺必須將機器人技術的各個方面，融入其技術和算法中，例如運動學、參考系校準和機器人對環境產生物理影響的能力。視覺伺服是一種技術的完美例子，它只能被稱為機器人視覺，而不是電腦視覺。它涉及透過使用視覺感測器檢測到的機器人位置反饋來控制機器人的運動。