詳解機器人視覺與計算機視覺的區別

機器人視覺，計算機視覺，圖像處理，機器視覺和模式識別之間有什么區別？知道哪一個是哪個會讓人感到困惑。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系。閱讀本文后，您再也不需要感到困惑了！

當人們談論機器人視覺技術時，人們有時會混淆不清。他們會說他們正在使用“計算機視覺”或“圖像處理”，事實上，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會模糊不清。

在本文中，我們分解了機器人視覺的“家譜”，并展示了它在更廣泛的信號處理領域中的適用范圍。

什么是機器人視覺？

在基本術語中，機器人視覺涉及使用相機硬件和計算機算法的組合，以允許機器人處理來自世界的視覺數據。例如，您的系統可能有一個2D攝像頭，可以檢測機器人拾取的對象。更復雜的例子可能是使用3D立體相機引導機器人將輪子安裝到移動的車輛上。

沒有Robot Vision，您的機器人基本上是盲目的。對于許多機器人任務而言，這不是問題，但對于某些應用，機器人視覺是有用的甚至是必要的。

機器人視覺的家譜

機器人視覺與機器視覺密切相關，我們將在稍后介紹。它們都與計算機視覺密切相關。如果我們談論家譜，計算機視覺可以被看作是他們的“父母”。然而，為了理解它們在世界上的適用范圍，我們必須更進一步引入“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理它們（例如去除噪聲），提取信息，準備它們輸出到顯示器或準備它們以進行進一步處理。任何東西都可以是一個信號，或多或少。存在可以處理的各種類型的信號，例如模擬電信號，數字電子信號，頻率信號等。圖像基本上只是兩個（或更多）維信號。對于Robot Vision，我們對圖像處理感興趣。所以，我們談的是圖像處理，對吧？不對。

圖像處理與計算機視覺

計算機視覺和 圖像處理就像表兄弟一樣，但它們有著截然不同的目標。圖像處理技術主要用于提高圖像質量，將其轉換為另一種格式（如直方圖）或以其他方式更改以進行進一步處理。另一方面，計算機視覺 更多的是從圖像中提取信息以理解它們。因此，您可以使用“圖像處理”將彩色圖像轉換為灰度，然后使用“計算機視覺”檢測該圖像中的對象。如果我們進一步觀察家譜，我們會發現這兩個域都受到物理學領域的影響，特別是光學領域。

模式識別與機器學習

到目前為止，這么簡單。當我們將模式識別包含在家譜中，或者更廣泛地包括機器學習時，它開始變得更加復雜。該系列的這一分支專注于識別數據中的模式，這對于Robot Vision所需的許多更高級的功能非常重要。例如，為了能夠從其圖像中識別對象，軟件必須能夠檢測它看到的對象是否與先前的對象類似。因此，機器學習是計算機視覺的另一個父母，同時也是信號處理。

但是，并非所有計算機視覺技術都需要機器學習。您還可以對非圖像的信號使用機器學習。在實踐中，這兩個域通常組合如下：計算機視覺檢測圖像中的特征和信息，然后將其用作機器學習算法的輸入。例如，計算機視覺檢測傳送帶上部件的尺寸和顏色，然后機器學習根據其了解好部件應該是什么樣的知識來決定這些部件是否有故障。

機器視覺

現在我們進入 機器視覺，一切都在變化。這是因為Machine Vision與之前的所有術語完全不同。它更多地是關于特定應用而不是技術。機器視覺是指用于自動檢測，過程控制和機器人引導的視覺的工業用途 。其余的“家庭”是科學領域，而機器視覺是一個工程領域。

在某些方面，您可以將其 視為計算機視覺的孩子，因為它使用計算機視覺和圖像處理的技術和算法。但是，盡管它用于引導機器人，但它與機器人視覺并不完全相同。

機器人視覺

最后，我們來到Robot Vision。如果你一直關注這篇文章，你會發現Robot Vision結合了以前所有術語中的技術。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 一些細微的差別。一些機器視覺應用，例如零件檢測，與機器人無關 - 該部件僅放置在尋找故障的視覺傳感器前面。

此外，Robot Vision不僅是一個工程領域。這是一門具有自己特定研究領域的科學。與純粹的計算機視覺研究不同，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，參考框架校準和機器人物理影響環境的能力。 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，而不是計算機視覺。它涉及通過使用由視覺傳感器檢測到的機器人位置的反饋來控制機器人的運動。

輸入什么vs輸出什么