机器视觉：让机器看世界

小时候第一次阅读艾萨克·阿西莫夫的《我，机器人》这篇小说时，故事中的类人机器人就深深吸引了我。这些机器人具备类人的视听以及与周围环境进行互动的能力。这些让人赞叹的能力打开了我的想象力大门。我甚至问过爸爸，这些机器人是否真的可以“看到”。现在，作为一名工程师我深刻了解到机器视觉以及“视力”对于机器人而言是多么重要。

移动相关应用的蓬勃发展使得人们对于智能未来的想象成为了现实——采用语音控制实现更智能的家居环境，更智能的传感器为实现智慧城市助力，更智能的工厂通过实现自动化解决了许多问题，智能的自动驾驶汽车更不用说了。机器视觉能够推动自主学习、自主决策和自主系统技术的发展。

机器视觉系统浅析

机器视觉对于硬件和软件有一定的要求。主要的要求之一是图像采集，这使用（大多数情况下）摄像头实现。例如，现代移动处理器具备摄像头接口，如MIPI CSI-2接口是许多移动相关应用中常用的接口。图像传感器可以很方便地捕获图像，并使用标准或自定义接口将传感器数据发送到处理单元。

机器视觉不再只是捕获图像和识别目标。科学家和工程师正在使用该技术使得机器更加智能化，如用于面部或物体识别和检测、基于立体视觉的距离或深度测量、现代汽车的碰撞规避以及使用电磁频谱在工厂车间寻找制造缺陷等。机器视觉系统中的处理单元本质上是高级图像处理和决策单元。该单元可以对捕获的原始图像数据进行各种操作，如图像拼接和滤波、白平衡调整、HDR调整、目标边缘检测等。处理单元可以根据处理后的图像进行决策。决策过程可以是自主的（例如激活PLC、传感器、制动器或机器人）或可能需要人为干预（例如在HMI显示器上呈现警报）。

嵌入式视觉系统

机器视觉应用实例

在装瓶厂中，自动机器人必须确保每个瓶子都装有适量的液体。过去，这是通过简单地称量每个装满的瓶子来完成的。现在，摄像头（机器视觉）能够让机器人监视产品线，并向人类主管提供视觉反馈。机器人被编程为进行图案匹配来确保每个瓶子都装有适量的液体。此外，它还可以基于颜色匹配、透明度和不透明度来确保没有任何可能影响最终产品质量的污染物。在这种情况下，机器人被训练来执行简单的模式识别——确保瓶子被填满并且液体颜色实现匹配。这些机器人的摄像头不断拍摄这些瓶子，同时处理单元设置参数以匹配所需的图像。如果任何瓶子不符合“通过”标准，则被标记后由另一台机器人从流水线上移除。这是一个非常简单的例子，其中处理单元被给予设定好的参数以确保液体的量和颜色是正确的。

工厂车间中的机器视觉应用
https://www.shutterstock.com/image-photo/robotic-arm-holding-water-bottles-on-597786353?src=YQkDyWBoKeQAjXUn9CnoyA-1-20

当应用于安全级别很高的系统（如ADAS或自主驾驶）中时，机器视觉系统变得更加复杂。为了使自动驾驶车成为现实，汽车必须能够像人一样看到、听到和感觉到。我最近在教一个新手司机开车，这些复杂的机器也必须模仿人的行为。为了做到这一点，机器需要通过观察道路来确定危险并作出决策。机器视觉是使我们的汽车行动起来更像人类驾驶的关键技术。在机器学习技术的帮助下，自动驾驶技术不断发展。

汽车看到的图像

实现机器视觉系统

机器视觉技术已经能够使用硬件或软件（以及两者的组合）来解决许多问题。未来的应用可以通过结合专用计算处理单元和FPGA的并行处理能力来解决问题，从而实现新一代智能网络边缘应用。莱迪思的嵌入式视觉开发套件包含莱迪思针对低功耗和低成本优化的小尺寸FPGA，可用于开发机器视觉相关的应用。

总结

25年前，我完全无法想象阿西莫夫的《我，机器人》中的技术正慢慢变为现实。能够看到相关技术的发展让我非常激动。今天的机器真得可以“看到”了，机器视觉技术使这一切成为现实。