机器人视觉技术文献综述

机器人视觉技术机器人在建筑行业相关部件产线推进过程中，发现传统的机器人应用方法不能很好的满足实际生产的需求。例如建筑行业的钢结构部件，都是些大型，公差范围比较大的部件，通过专用夹具等技术手段也很难达到国内大部份企业的生产需求。为了解决这问题，机器人视觉技术就在这种需求下在建筑行业相关部件产线有了广泛应用，特别是钢结构部件生产线。 机器人视觉系统能实现机器人“眼睛”的功能，一般由如下几部分组成：相机、镜头、光源、图像采集卡、视觉处理器(软件)。机器人视觉系统把物体的需要特征识别出来，把相应数据传送给机器人系统，机器人再做出相应的调整，例如焊缝位置，可实现焊缝位置的修正，解决公差范围大引起的不可焊接问题。技术应用机器人视觉系统在建筑行业相关部件生产中，可应用板料的加工、板料上下料、工件的组立、焊缝跟踪、焊缝品质的检测、工件表面处理、喷漆工件位置识别、喷漆质量的检测等许多工序。

研究生课程一般以必修课和通识课为主。通识课一般是学生自己看文献，然后课上对这些文献的理解进行汇报和展示，老师做补充和升华。总体而言，研究生的课程氛围比较活跃，可以开阔人的思维，锻炼人的思想。以下是我研究生三年个人觉得受益匪浅的几门课程：陆明刚老师的《微机接口与控制专题》，陆老师是上海大学机电工程与自动化学院的老教授了，擅长传感技术和精密测试方向的课题。陆老师讲课非常生动形象，一般对于学生讲不清楚或描述不到位的地方，陆老师总能以言简意赅的语言使人有种恍然大明白的感觉，是机自学院最受欢迎的老师之一。张旭老师的《视觉检测技术》，张老师的主要研究方向是机器视觉及检测技术，这个方向是我们许多研究生羡慕的学习方向，所以张老师的每一节课教室里面都是坐的满满当当的，特别是当一幅幅图像经过自己理论分析，然后进行程序处理后的结果，都让我们感到很新奇。哈哈哈，视觉的同学，这张图片熟吗？李龙老师的《CIMS专题》，李老师主要研究方向是智能机器人相关技术研究，李老师的课介绍了很多机器人的知识，不仅仅是人形娱乐机器人，同时还有各种类型的工业机器人、医疗机器人等等，还有机器人静力学、动力学、运动学等分析等等，课程内容十分丰富。以上是我个人的理解，敬请参阅。

深度学习是人工智能的热点发展方向之一，将推动我们步入控制设计和工业物联网的新台阶。机器视觉在工业控制领域极其重要，借助这些技术，使用数据驱动部署复杂的机器和设备。为了比竞争对手更好地服务其目标客户，当今的嵌入式设计团队正在寻求机器学习（ML）和深度学习（DL）等新技术，以便在有限的资源下按时向市场开发和部署复杂的机器和设备。借助这些技术，团队可以使用数据驱动的方法构建复杂的单系统或多系统模型。 ML和DL算法不是使用基于物理学的模型来描述系统的行为，而是透过数据推断出系统的模型。 传统ML算法适用于处理数据量相对较小且问题的复杂度较低的情况。 但如果是像自动驾驶汽车这样的大数据问题呢？ 解决这个挑战需要采用DL技术。 本文介绍了这种新兴技术将如何推动我们进入控制设计和工业物联网（IIoT）应用的下一个时代。

首先来阐述一下，我们为什么要利用机器人视觉技术来识别“二维码”。其实大家都不知道二维码的由来，但是大家肯定都知道去超市买东西最后结账的时候，会有机器扫描物品上的条形码然后显示价格。条形码就相当于一维条形码，只有x轴有视觉识别系统能识别的出来的二进制编码；二维码又称二维条码，是它里面黑白相间的小方块其实已经被换算成二进制编码，而且是x、y轴都有相应的换算，然后才可以被机器在线检测到。到这边大家大概知道了机器是如何识别二维码的了吧，但是这才算是机器人视觉的初级技术，在苏州机器视觉检测领域，现在的程度是我们不需要将被识别的物体换算成二进制编码。力泰科技正在做的就是设计视觉识别系统，能够直接接收人类所看到的物体，进而理解并分析，然后系统自己就会将识别到的物体转换成结果输出到用户的需求。看！这就是机器人视觉强大的功能，未来这项技术会运用到各行各业中，尤其是锻造工业，可以替代工人体验艰苦的环境。

机器视觉系统就是利用机器代替人眼来做各种测量和判断。它是计算科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。

机器视觉系统的目得就是通过机器视觉产品（即光源、镜头、相机、采集卡）将被拍摄的目标转换为图像信号，传送给机器视觉软件（即图像处理系统），来代替人眼的测量、检测和判断。其原理是由计算机、图像处理器以及相关设备来模拟人的视觉行为，完成得到人的视觉系统所得到的信息

机器视觉就是机器的视觉，换句话说：就是将视觉感知赋予机器，使机器具有和生物视觉系统类似的场景感知能力。视觉是我们最强大的感知方式，我们可以在不实际接触的情况下，通过视觉感知的方式获取周围环境的很多信息。在计算机出现后，人们开始尝试将视觉感知能力赋予机器。由于生物视觉系统非常复杂，我们目前还不能使得某一机器系统完全具备这一强大的视觉感知能力。我们现阶段还是致力于：构建一个在可控环境中处理特定任务的机器视觉系统。由于工业中的视觉环境可控，并且处理任务特定，所以现如今大部分的机器视觉被应用在工业当中。