施努卡苏州智能装备有限公司 2021-04-27 10978
机器人视觉，计算机视觉，图像处理，机器视觉和模式识别之间有什么区别？知道哪个是哪个可能会引起混淆。我们来看一下所有这些术语的含义以及它们与机器人技术的关系。本文将为你解惑！人们在谈论机器人视觉技术时有时会感到困惑。一般在说“机器视觉”时，都会认为是在使用“计算机视觉”或“图像处理”。这是一个错误的理解。所有不同术语之间的界线有时会模糊不清。
从根本上讲，机器人视觉涉及到结合使用摄像头硬件和计算机算法，以使机器人能够处理视觉数据。例如，您的系统可能具有2D摄像头，该摄像头检测机器人要拾取的对象。一个更复杂的示例可能是使用3D立体摄像机来引导机器人将车轮安装到车辆上。
扩展阅读：计算机视觉应用原来是这样部署
机器人视觉与机器视觉密切相关，它们都与计算机视觉密切相关。如果我们谈论的是家谱，则计算机视觉可以被视为他们的“父母”。但是，要了解适合用在什么地方，我们必须更进一步以引入“祖父母”（信号处理）技术。
信号处理包括处理电子信号以消除噪声，提取信息，准备将它们输出到显示器或准备将其进一步处理。任何事物都可以或多或少是一个信号。可以处理各种类型的信号，例如模拟电信号，数字电子信号，频率信号等。图像基本上只是二维（或更多）信号。
计算机视觉和图像处理就像表兄弟一样，但是它们的目标却大不相同。图像处理技术主要用于提高图像质量，将其转换为另一种格式（如直方图）或更改其格式以进行进一步处理。另一方面，计算机视觉 更多地是关于从图像中提取信息以使它们有意义。因此，您可能会使用“图像处理”将彩色图像转换为灰度图像，然后使用“计算机视觉”来检测该图像中的对象。如果我们再往前看族谱，就会发现这两个领域都受到物理领域（尤其是光学领域）的影响。
当我们将模式识别纳入家族树或更广泛地讲机器学习时，它开始变得更加复杂。该家族的这个分支专注于识别数据模式。例如，为了能够从其图像识别对象，软件必须能够检测其看到的对象是否与先前的对象相似。因此，机器学习是计算机视觉和信号处理的又一父子。
但是，并非所有的计算机视觉技术都需要机器学习。您还可以对不是图像的信号使用机器学习。实际上，这两个领域通常是这样组合的：“计算机视觉”从图像中检测特征和信息，然后将其用作机器学习算法的输入。例如，计算机视觉会检测传送带上零件的尺寸和颜色，然后机器学习根据对好的零件的外观知识，来判断这些零件是否有故障。
现在我们进入机器视觉，一切都会改变。这是因为机器视觉与所有以前的术语完全不同。它更多地是关于特定的应用程序，而不是技术。机器视觉是指视觉在工业上用于自动检查，过程控制和机器人引导的用途 。其余的“家庭”属于科学领域，而机器视觉则属于工程领域。
在某些方面，您可以将其 视为“计算机视觉”的子代，因为它使用了“计算机视觉和图像处理”的技术和算法。但是，尽管它用于引导机器人，但它与机器人视觉并不完全相同。
在很多情况下，Robot Vision和Machine Vision可以互换使用。但是，有 一些细微的差异。某些机器视觉应用程序（例如零件检查）与机器人技术无关-零件仅放置在寻找故障的视觉传感器的前面。
此外，Robot Vision不仅是工程领域。这是一门具有自己特定研究领域的科学。与纯粹的计算机视觉研究不同，机器人视觉必须将机器人学的各个方面纳入其技术和算法中，例如运动学，参考系校准以及机器人对环境产生物理影响的能力。 视觉伺服是仅可以称为“机器人视觉”而不是“计算机视觉”的技术的完美示例。它涉及通过使用视觉传感器检测到的机器人位置的反馈来控制机器人的运动。
