機(jī)器視覺的起源可追溯到20世紀(jì)60年代美國學(xué)者L.R.羅伯茲對(duì)多面體積木世界的圖像處理研究,70年代麻省理工學(xué)院(MIT)人工智能實(shí)驗(yàn)室“機(jī)器視覺”課程的開設(shè)。到80年代,全球性機(jī)器視覺研究熱潮開始興起,出現(xiàn)了一些基于機(jī)器視覺的應(yīng)用系統(tǒng)。90年代以后,隨著計(jì)算機(jī)和半導(dǎo)體技術(shù)的飛速發(fā)展,機(jī)器視覺的理論和應(yīng)用得到進(jìn)一步發(fā)展。
進(jìn)入21世紀(jì)后,機(jī)器視覺技術(shù)的發(fā)展速度更快,已經(jīng)大規(guī)模地應(yīng)用于多個(gè)領(lǐng)域,如智能制造、智能交通、醫(yī)療衛(wèi)生、安防監(jiān)控等領(lǐng)域。目前,隨著人工智能浪潮的興起,機(jī)器視覺技術(shù)正處于不斷突破、走向成熟的新階段。
在中國,機(jī)器視覺的研究和應(yīng)用開始于20世紀(jì)90年代。從跟蹤國外品牌產(chǎn)品起步,經(jīng)過二十多年的努力,國內(nèi)的機(jī)器視覺從無到有,從弱到強(qiáng),不僅理論研究進(jìn)展迅速,而且已經(jīng)出現(xiàn)一些頗具競(jìng)爭(zhēng)力的公司和產(chǎn)品。估計(jì)隨著國內(nèi)對(duì)機(jī)器視覺研究、開發(fā)和推廣的不斷深入,趕上和超越世界水平已不是遙不可及的事情了。
常見機(jī)器視覺系統(tǒng)主要可分為兩類,一類是基于計(jì)算機(jī)的,如工控機(jī)或PC,另一類是更加緊湊的嵌入式設(shè)備。典型的基于工控機(jī)的機(jī)器視覺系統(tǒng)主要包括:光學(xué)系統(tǒng),攝像機(jī)和工控機(jī)(包含圖像采集、圖像處理和分析、控制/通信)等單元,如圖所示。機(jī)器視覺系統(tǒng)對(duì)核心的圖像處理要求算法準(zhǔn)確、快捷和穩(wěn)定,同時(shí)還要求系統(tǒng)的實(shí)現(xiàn)成本低,升級(jí)換代方便。
機(jī)器視覺的圖像處理系統(tǒng)對(duì)現(xiàn)場(chǎng)的數(shù)字圖像信號(hào)按照具體的應(yīng)用要求進(jìn)行運(yùn)算和分析,根據(jù)獲得的處理結(jié)果來控制現(xiàn)場(chǎng)設(shè)備的動(dòng)作,其常見功能如下:
(1)圖像采集
圖像采集就是從工作現(xiàn)場(chǎng)獲取場(chǎng)景圖像的過程,是機(jī)器視覺的第一步,采集工具大多為CCD或CMOS照相機(jī)或攝像機(jī)。照相機(jī)采集的是單幅的圖像,攝像機(jī)可以采集連續(xù)的現(xiàn)場(chǎng)圖像。就一幅圖像而言,它實(shí)際上是三維場(chǎng)景在二維圖像平面上的投影,圖像中某一點(diǎn)的彩色(亮度和色度)是場(chǎng)景中對(duì)應(yīng)點(diǎn)彩色的反映。這就是我們可以用采集圖像來替代真實(shí)場(chǎng)景的根本依據(jù)所在。
如果相機(jī)是模擬信號(hào)輸出,需要將模擬圖像信號(hào)數(shù)字化后送給計(jì)算機(jī)(包括嵌入式系統(tǒng))處理?,F(xiàn)在大部分相機(jī)都可直接輸出數(shù)字圖像信號(hào),可以免除模數(shù)轉(zhuǎn)換這一步驟。不僅如此,現(xiàn)在相機(jī)的數(shù)字輸出接口也是標(biāo)準(zhǔn)化的,如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等,可以直接送入計(jì)算機(jī)進(jìn)行處理,以免除在圖像輸出和計(jì)算機(jī)之間加接一塊圖像采集卡的麻煩。后續(xù)的圖像處理工作往往是由計(jì)算機(jī)或嵌入式系統(tǒng)以軟件的方式進(jìn)行。
(2)圖像預(yù)處理
對(duì)于采集到的數(shù)字化的現(xiàn)場(chǎng)圖像,由于受到設(shè)備和環(huán)境因素的影響,往往會(huì)受到不同程度的干擾,如噪聲、幾何形變、彩色失調(diào)等,都會(huì)妨礙接下來的處理環(huán)節(jié)。為此,必須對(duì)采集圖像進(jìn)行預(yù)處理。常見的預(yù)處理包括噪聲消除、幾何校正、直方圖均衡等處理。
通常使用時(shí)域或頻域?yàn)V波的方法來去除圖像中的噪聲;采用幾何變換的辦法來校正圖像的幾何失真;采用直方圖均衡、同態(tài)濾波等方法來減輕圖像的彩色偏離。總之,通過這一系列的圖像預(yù)處理技術(shù),對(duì)采集圖像進(jìn)行“加工”,為體機(jī)器視覺應(yīng)用提供“更好”、“更有用”的圖像。
(3)圖像分割
圖像分割就是按照應(yīng)用要求,把圖像分成各具特征的區(qū)域,從中提取出感興趣目標(biāo)。在圖像中常見的特征有灰度、彩色、紋理、邊緣、角點(diǎn)等。例如,對(duì)汽車裝配流水線圖像進(jìn)行分割,分成背景區(qū)域和工件區(qū)域,提供給后續(xù)處理單元對(duì)工件安裝部分的處理。
圖像分割多年來一直是圖像處理中的難題,至今已有種類繁多的分割算法,但是效果往往并不理想。近來,人們利用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法進(jìn)行圖像分割,其性能勝過傳統(tǒng)算法。
(4)目標(biāo)識(shí)別和分類
在制造或安防等行業(yè),機(jī)器視覺都離不開對(duì)輸入圖像的目標(biāo)進(jìn)行識(shí)別和分類處理,以便在此基礎(chǔ)上完成后續(xù)的判斷和操作。識(shí)別和分類技術(shù)有很多相同的地方,常常在目標(biāo)識(shí)別完成后,目標(biāo)的類別也就明確了。近來的圖像識(shí)別技術(shù)正在跨越傳統(tǒng)方法,形成以神經(jīng)網(wǎng)絡(luò)為主流的智能化圖像識(shí)別方法,如卷積神經(jīng)網(wǎng)絡(luò)(CNN)、回歸神經(jīng)網(wǎng)絡(luò)(RNN)等一類性能優(yōu)越的方法。
(5)目標(biāo)定位和測(cè)量
在智能制造中,最常見的工作就是對(duì)目標(biāo)工件進(jìn)行安裝,但是在安裝前往往需要先對(duì)目標(biāo)進(jìn)行定位,安裝后還需對(duì)目標(biāo)進(jìn)行測(cè)量。安裝和測(cè)量都需要保持較高的精度和速度,如毫米級(jí)精度(甚至更?。?,毫秒級(jí)速度。這種高精度、高速度的定位和測(cè)量,倚靠通常的機(jī)械或人工的方法是難以辦到的。在機(jī)器視覺中,采用圖像處理的辦法,對(duì)安裝現(xiàn)場(chǎng)圖像進(jìn)行處理,按照目標(biāo)和圖像之間的復(fù)雜映射關(guān)系進(jìn)行處理,從而快速精準(zhǔn)地完成定位和測(cè)量任務(wù)。
(6)目標(biāo)檢測(cè)和跟蹤
圖像處理中的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤,就是實(shí)時(shí)檢測(cè)攝像機(jī)捕獲的場(chǎng)景圖像中是否有運(yùn)動(dòng)目標(biāo),并預(yù)測(cè)它下一步的運(yùn)動(dòng)方向和趨勢(shì),即跟蹤。并及時(shí)將這些運(yùn)動(dòng)數(shù)據(jù)提交給后續(xù)的分析和控制處理,形成相應(yīng)的控制動(dòng)作。圖像采集一般使用單個(gè)攝像機(jī),如果需要也可以使用兩個(gè)攝像機(jī),模仿人的雙目視覺而獲得場(chǎng)景的立體信息,這樣更加有利于目標(biāo)檢測(cè)和跟蹤處理。
在機(jī)器視覺的智能圖像處理技術(shù)的發(fā)展中,還存在不少技術(shù)瓶頸,如:
(1)穩(wěn)定性:某種處理方法往往在研究和開發(fā)中表現(xiàn)良好,但在復(fù)雜多變的應(yīng)用環(huán)境中,卻不時(shí)地出現(xiàn)問題。例如人臉識(shí)別系統(tǒng),在目標(biāo)配合時(shí)識(shí)別率可高達(dá)95%以上,但在實(shí)際監(jiān)控環(huán)境下,識(shí)別率就會(huì)大大下降。
(2)實(shí)時(shí)性:如果圖像的采集速度、處理速度較慢,再加上新近引入的深度學(xué)習(xí)類算法,加大了系統(tǒng)實(shí)時(shí)處理的難度,跟不上機(jī)器運(yùn)行和控制的節(jié)奏。
(3)準(zhǔn)確性:機(jī)器視覺系統(tǒng)要求圖像識(shí)別和測(cè)量的準(zhǔn)確性接近100%,任何微小的誤差都有可能帶來不可預(yù)測(cè)的后果。例如目標(biāo)定位的誤差會(huì)使裝配出來的設(shè)備不符合要求。
(4)系統(tǒng)能力:目前的嵌入式圖像處理系統(tǒng),存在芯片的計(jì)算能力不足,存儲(chǔ)空間有限等問題,常常不能滿足運(yùn)算量較大的圖像處理運(yùn)算,如神經(jīng)網(wǎng)絡(luò)的迭代運(yùn)算,大規(guī)模矩陣運(yùn)算等。
今后機(jī)器視覺中智能圖像處理的發(fā)展主要體現(xiàn)在以下幾個(gè)方面:
(1)算法:傳統(tǒng)算法繼續(xù)不斷有所突破,新一波人工智能浪潮帶來不少新的性能優(yōu)良的圖像處理算法,如深度學(xué)習(xí)(DL),卷積神經(jīng)網(wǎng)絡(luò)(CNN),生成對(duì)抗網(wǎng)絡(luò)(GAN),等等。
(2)實(shí)時(shí)性:出現(xiàn)更多結(jié)構(gòu)新穎、資源充足、運(yùn)算快速的硬件平臺(tái)支撐,例如基于多CPU、多GPU的并行處理結(jié)構(gòu)的計(jì)算機(jī),海量存儲(chǔ)單元等。
(3)嵌入式:新的高速的信號(hào)處理器陣列,超大規(guī)模FPGA芯片。
(4)融合處理:從單圖像傳感器發(fā)展到多傳感器(多視點(diǎn))的融合處理,可更加充分地獲取現(xiàn)場(chǎng)信息。還可融合多類傳感器,如圖像傳感器、聲音傳感器、溫度傳感器等共同完對(duì)現(xiàn)場(chǎng)目標(biāo)定位、識(shí)別和測(cè)量。
東莞樂視自動(dòng)化科技有限公司高端實(shí)驗(yàn)室內(nèi)標(biāo)配了全系列的光源種類和相機(jī)鏡頭種類,我們有優(yōu)秀的視覺工程師,可以根據(jù)應(yīng)用的不同,幫助客戶選型,并協(xié)助編寫視覺軟件。