机器人视觉系统设计原理分析

摘要:机器人技术一直是人们关注的科技热点，因为机器人的多元发展，机器视觉系统逐渐被建立起来。机器视觉系统通过模拟人眼来实现采集图像、分析图像、获取信息、处理图像等功能，是一门集自动化、计算机等于一体的综合技术。文章深入研究了机器视觉系统的硬件组成与图像处理技术，针对机器视觉在各领域的应用进行实例研究说明，并对当下机器视觉系统在国内的发展现状进行分析，展望机器视觉的美好未来。

关键词:图像处理；机器视觉系统；灰度处理科技

随着时代迅速发展，而机器人的发展至今已有近百年历史，在医学领域，医用机器人进行辅助甚至代替人类对病人进行诊断与手术。在工业领域，机器人代替人类对产品进行检验和包装。除此之外机器人在军事领域也有所应用，如帮助军人观察战场、辅助射击等作用。其中，机器视觉系统是利用数字摄像头采集各类信息，通过中心处理器对图像数据进行分析处理，得到图片中的有用信息，帮助人们完成繁琐单调的工作。机器视觉技术在发展的同时也紧跟社会发展潮流，从热门的PS到现在的人脸识别技术，逐渐走向人工智能化，为人们的生活增添更加便捷的通道，本文将会对机器视觉系统的硬件和软件分别进行描述。

1硬件结构

1.1设计理念。机器视觉系统赋予机器人视野，可以快速分析、分辨、处理复杂图像上的信息数据。基于此机器人的应用得到拓宽，减少了人类处理繁琐工作的时间，让我们的生活更加便利高效。在制药方面，药品的生产过程需要严格的管理控制和质量控制，而机器视觉系统可以实现这一系列繁琐的操作，维护患者的生命安全。在激光加工方面，激光加工技术与机器视觉技术相结合，使加工变得更加精准，降低了加工成本，而机器视觉系统由光源、镜头、相机、图像采集卡、图像处理系统五大部分构成。1.2光源。光源是机器视觉系统的重要结构之一。在不同的情况下对光源的种类都有着不同的要求。一般为热辐射电源、气体放电光源源、固体放电光源、激光器四类。光源当中最常使用的是LED，而LED又因为形状不同又分为许多钟类，比如当我们进行显微镜照明时我们使用环形光源，突出物体的三维信息。对透明物体划痕检测时使用背光源，突出物体外形轮廓特点。不限于上文中所提到的LED，在不同场景下选择合适的光源才能采集到有效的图片信息。1.3镜头。镜头是机器视觉系统图像采集的重要组件，它就如同人类的眼球一样，来观察被测物的距离和范围。它的类型有标准、远心、广角、远摄和近摄等。人们根据物距、拍摄范围、光圈、焦距等条件进行选择。1.4相机。相机是图像采集的核心组件，通过感光元件将光信号转换为电信号，实现光线与数字信号的转换，采集到原始图像。根据分类方法的不同，相机也被分为多种。按照芯片来分类，最常见的是CCD摄影机和CMOS摄影机两种类型，它们都是进行光电转换的数字摄像头，但是由于芯片类型的不同，处理能力也有些不同，CMOS的技术相对与CCD更节能，效率更高，但成本上更加的昂贵。1.5图像采集卡。图像采集卡是图像处理部分不可或缺的一部分，视频信息的处理方面图像采集技术必不可少它将图像数字化，将它以数据文件的形式保存在电脑中的硬盘里。图像的采集一般是依靠众多感光元件，如清晰度为1080×720时，感光元件上横排有1080个感光元件小矩形，纵边上有720个小矩形，等待收集光线强度。由于感光原件接受的光照强度的敏感性不同，使它们的电阻跟着发生改变，所以它们产生的效果也会有所差异，从而来得到初始图像。而组成图片的像素越大，图像越清晰，形成人们所说的高清图片[1]。1.6图像处理系统。在机器视觉系统当中，图像处理系统的作用是通过图像采集卡得到的图像数据进行一系列的分析处理，从而得到想要的信息。图像的处理过程如图1，首先是通过图像采集卡等采集图片信息，将光信号转换为电信号。将数字图片传输至处理器进行灰度处理，即将我们所感兴趣的部分变成白色，不感兴趣的部分变成黑色，从而区分我们所需要与不需要的部分。但在得到二值化图像后在目标物体周围会有一些噪点，影响后续判断物体边缘的数值。为了消除这些噪点，我们利用图像腐蚀和膨胀处理/滤波处理，腐蚀细化目标物体，再经过卷积运算放大目标物，去除噪点，实现边界检测、图像增强的效果。经过与数据库对比得到视野里目标物的准确信息，基于此进行后续执行的判断与运行[1-2]。

2机器视觉的应用

2.1军事领域。在军事领域中，机器视觉系统在航空、航天、追踪等方面起着非常重要的作用。空军主要利用无人机完成空中任务，如目标锁定、精准歼灭的工作。在高空、移动的情况下，通过配合红外传感器，实时回传图片信息，与数据库的目标物体进行匹配，相似度极高且检测到强烈的红外信号，则判断该地区有非法核武器等敌方信息，对目标物体进行精准打击。减少人员损失，提高作战精准水平。在执行无人机高空侦查任务时，高分辨率的图片采集与分析处理有利于我们随时监控周边环境，防止敌军入侵的同时观测敌方的日常运行。2.2工业领域。在工业领域，重复机械的产品质量检查耗费大量人力成本，且处理速度慢，受天气、身体状态、工作时长等干扰因素的影响。而机器人视觉系统不受各干扰因素的影响，且拥有优秀的处理系统，在短短几秒迅速分辨出大批量产品的质量缺陷，快速且准确。计算得出，工业上机器人视觉分拣系统一天可完成500工人的工作量，大幅度提升生产的效率，解放劳动力。工业视觉机器人可以不断学习，各个机器人之间通过网络就可以迅速刷新知识，不断学习与巩固，减少出错环节，提高精准度，相当于拥有无数可复制的资深检察员。不仅在检查的工作岗位上，工厂智能机器人在流水线上也可利用机器视觉定位快速定位进行抓取，迅速分析物料并进行加工等操作[3]。2.3民用领域。在民用领域，机器视觉识别技术的运用范围是非常广泛的，在人脸验证、安保、交通等方面都有着深入接触。我们在保安室的电脑上就可以看到，计算机通过拍摄的图片得到进出车辆的车牌号，并自行对比该车辆是否为小区入档的车牌号，计算出车辆进出该区域相隔多久时间等。在一定程度上简化了车辆进出流程，为车辆进出提供安全、快速的通道。当进入机场检票时，自动检票机将人脸与身份证照片进行对比核实，迅速准确地进行判断，节约人力成本，加快机场安检速度。此外，在追捕嫌疑犯时使用摄像头实时检测，将各类摄像头拍下的照片与数据库里的犯人照片进行对比与相似度分析，从而在茫茫人海中识别罪犯，进行逮捕[4]。

3结论

本文主要对机器人视觉的硬件组成与图像处理流程进行说明，并介绍机器人视觉在民用、军用、工业领域的具体应用，通过对机器人视觉构造的理解与当前应用现状的分析，找出机器人视觉发展的难点，积极推动机器人视觉的应用，建设智能化工厂、智能化军队、智慧城市。我国的机器视觉技术起步较晚，国外相比还有较大的差距，最明显的差距在于当前机器视觉领域的人才稀缺。我国的机器人视觉系统应用范围还不广泛，稳定性不高。而在图片数据库领域也是引入的国外图片处理数据库，还未建立起自己的一套应用体系。随着国家政府的重视，相关的标准、规范逐渐完善，机器人视觉系统的研发创新也将愈加热烈。这也将不断推动我国的机器视觉技术的发展，使我国的机器人视觉系统的设计应用更加广泛，充分解放劳动力，建设更智能化的工厂、社会、城市。

参考文献

[1]梅啟成.基于深度学习的商品图像识别方法研究[D].广州：广东工业大学，2018.

[2]蒋伟.基于图像处理技术的工业分拣机器人研究与应用[D].乌鲁木齐：新疆大学，2018.

[3]曾志伟.基于机器视觉的工业机器人定位抓取技术的研究[D].广州：广东工业大学，2018.

[4]史家昆.基于监控场景下的人脸识别的系统设计与实现[D].北京：北京邮电大学，2018.

作者:韩雨佶 单位:邛崃市第一中学校