机器人视觉应用
机器视觉在机器人领域的应用
机器视觉在机器人领域的应用机器视觉是指利用计算机和相应的传感器技术，使机器能够“看”和“理解”图像的能力。
这项技术在机器人领域的应用越来越广泛，并且正日益成为现代机器人的核心技术之一。
本文将探讨机器视觉在机器人领域的应用，并讨论它所带来的重要影响。
一、目标识别与跟踪机器视觉在机器人中最常见的应用之一是目标识别与跟踪。
通过使用图像处理算法和模式识别技术，机器可以识别和跟踪特定的目标，如物体、人体、面部等。
这项技术在自动导航、工业生产线上的自动化操作和智能监控等领域发挥着重要作用。
例如，在无人驾驶汽车中，机器视觉可以帮助车辆实时检测并识别道路标识、行人和其他车辆，从而保证驾驶的安全性和精确性。
二、三维建模与重建另一个重要的机器视觉应用是三维建模与重建。
通过将多个二维图像进行处理和分析，可以生成物体的三维模型。
这不仅可以帮助机器人更好地理解和感知周围环境，而且可以应用于虚拟现实、制造业和档案保护等领域。
例如，在制造业中，机器视觉可以使用三维重建技术来检查产品的质量和尺寸，从而提高生产效率和品质。
三、运动规划与控制机器视觉还可以应用于机器人的运动规划与控制。
通过识别环境中的物体和结构，并分析它们的运动状态，机器人可以根据实时反馈调整其行为和动作。
这项技术被广泛应用于自主导航、机械臂控制和协作机器人等领域。
例如，在医疗机器人中，机器视觉可以帮助机器人精确地定位和操作手术工具，从而提高手术的精确性和安全性。
四、人机交互与情感识别随着机器视觉技术的不断发展，人机交互和情感识别成为机器人领域的新兴应用。
机器视觉可以帮助机器识别人类的面部表情、动作和情感状态，从而更好地理解和回应人类的需求和情绪。
这项技术在社交机器人、智能助理和虚拟现实等领域有着广阔的前景。
例如，智能助理可以根据用户的面部表情和姿态调整自己的行为和表达，提供更加个性化和贴近用户需求的服务。
总结起来，机器视觉在机器人领域的应用非常广泛，涵盖了目标识别与跟踪、三维建模与重建、运动规划与控制以及人机交互与情感识别等多个方面。
机器人视觉技术与应用
机器人视觉技术与应用近年来，随着机器人相关技术的不断成熟，机器人在人类生活中扮演的角色越来越重要。
机器人视觉技术，作为机器人人工智能的重要组成部分，大大提升了机器人在实际应用中的能力和精度。
在本文中，我们将探讨机器人视觉技术在各个领域中的应用。
一、机器人视觉技术的基本原理机器人视觉技术的基本原理即是模拟人眼识别物体的过程。
首先，机器人会通过摄像头捕捉到各种物体的图像信息。
然后，经过图像传输和图像处理处理之后，机器人便能够判别物体的类别，位置和大小等信息，并做出相应的反应。
机器人视觉技术由摄像头、图像传输系统以及图像处理算法等构成，其中图像处理算法是目前机器人视觉技术最核心的部分之一。
图像处理算法可以将图像中的各种信息提取出来，在此基础上进行分析，识别，判断和定位等操作。
二、机器人视觉技术在工业生产中的应用机器人视觉技术在工业生产中的应用非常广泛，主要用于各种生产线上的自动化控制。
例如：检测机械制件的质量是否合格，定位零件位置，进行组装等等。
以汽车工业为例，机器人视觉技术被广泛应用于汽车生产线上的自动化生产中。
机器人通过视觉技术可以检测汽车零件的尺寸，颜色等信息，并且能够在组装过程中自动辨别零件，实现自动化组装。
这大大提高了生产效率，缩短了生产周期和降低了劳动强度。
另外，在电子制造业中，机器人视觉技术也扮演了重要的角色。
芯片生产线上的贴片机器人依靠视觉技术准确地将各种电子元件粘贴到PCB板上。
三、机器人视觉技术在医疗领域中的应用机器人视觉技术在医疗领域中的应用日益广泛，如机器人手术，智能轮椅，智能病床等。
其中，机器人手术是应用最为广泛的领域之一。
在传统的手术中，外科医生需要通过人眼来观察手术部位，这不但需要医生具备高超的手术技能和意识，还对操作环境和规范的要求非常高。
而机器人手术通过引入机器人视觉技术，使外科医生可以通过周围视觉信息感知操作区域，完成更加精细、精确的手术。
因为机器人有更加灵敏的手部操作空间和放大功能，能够更好地控制手术过程中的刀具。
机器人视觉技术在生产流程中的应用方法与技巧
机器人视觉技术在生产流程中的应用方法与技巧近年来，机器人技术的快速发展极大地改变了各个行业的生产流程。
而机器人视觉技术作为其中重要的一环，在生产过程中发挥着越来越重要的作用。
本文将探讨机器人视觉技术在生产流程中的应用方法与技巧，以期为相关行业的从业者提供一些参考。
一、机器人视觉技术在生产流程中的应用方法1. 检测与质量控制：机器人视觉技术可以帮助识别和测量产品的尺寸、形状、颜色等特征，从而实现自动化的质量控制。
通过设置适当的算法和阈值，机器人可以检测出产品中的缺陷、瑕疵或变异，并及时采取相应的纠正措施。
例如，在汽车制造业中，机器人视觉技术可以被用于检测车身表面的划痕和漏涂情况。
2. 导航与定位：机器人视觉技术可以通过分析环境中的图像和视频数据，帮助机器人实现准确的导航和定位。
例如，机器人在仓库中搬运货物时，可以利用视觉技术识别货物的位置和方向，从而更加精准地完成任务。
此外，通过结合地标、标志等信息，机器人可以在复杂的环境中准确地进行定位，并避免碰撞。
3. 自动化装配：机器人视觉技术可以用于解决装配过程中的一些难题。
例如，在电子产品制造业中，机器人可以通过视觉技术精确地识别和定位微小的元器件，然后进行自动化的组装。
通过灵活的视觉引导技术，机器人能够完成装配任务，提高了装配质量和效率。
二、机器人视觉技术在生产流程中的应用技巧1. 选择合适的硬件设备：为了实现高效的机器人视觉技术应用，选择合适的硬件设备非常重要。
相机是机器人视觉系统的核心部件，可以选择高分辨率、高速度的相机来获取清晰的图像。
此外，还需考虑镜头、光源等设备的选用，以确保获得适合分析的图像数据。
2. 优化图像处理算法：图像处理算法是机器人视觉技术的核心，对于准确的检测和识别非常重要。
因此，在应用过程中，需要不断优化算法，提高对图像的处理速度和准确性。
合理选择特征提取、图像分割和目标识别算法，可以大大提高机器人视觉系统的性能。
3. 考虑光照和环境因素：机器人视觉技术往往受到光照和环境因素的影响，因此需要在应用过程中予以充分考虑。
机器人视觉调研报告
机器人视觉调研报告一、背景介绍随着人工智能和机器人技术的不断发展，机器人视觉技术也得到了广泛的应用。
机器人视觉技术是指通过摄像头等设备采集图像信息，利用计算机算法对图像进行处理和分析，从而实现机器人对环境的感知和理解。
二、机器人视觉技术的应用领域1. 工业制造：在工业制造中，机器人视觉技术可以用于产品检测、质量控制、装配等方面。
例如，在汽车制造过程中，机器人可以通过视觉系统来检测零部件的尺寸、形状等信息，并进行自动化装配。
2. 农业领域：在农业领域，机器人视觉技术可以用于农作物的种植、收割和喷洒农药等方面。
例如，在果园中，机器人可以使用摄像头来识别成熟的水果，并自动采摘。
3. 医疗保健：在医疗保健领域，机器人视觉技术可以用于手术操作、诊断和治疗等方面。
例如，在手术室中，医生可以使用机器人视觉系统来进行精确的手术操作。
4. 家庭服务：在家庭服务领域，机器人视觉技术可以用于智能家居控制、家庭安防等方面。
例如，在智能家居中，机器人可以通过视觉系统来识别家庭成员，并根据其需求进行智能化控制。
三、机器人视觉技术的主要组成部分1. 摄像头：摄像头是机器人视觉技术中最重要的组成部分之一。
它可以采集图像信息，并将其传输到计算机中进行处理和分析。
2. 图像处理算法：图像处理算法是机器人视觉技术的核心。
它可以对图像进行处理和分析，从而实现对环境的感知和理解。
3. 计算机硬件：计算机硬件是支持机器人视觉技术运行的基础设施。
它包括处理器、内存、显卡等组件。
4. 通信设备：通信设备用于将采集到的图像信息传输到其他设备或网络中，以实现数据共享和远程控制等功能。
四、国内外主流机器人视觉技术厂商1. ABB Robotics：ABB Robotics是全球领先的工业机器人制造商之一，其机器人视觉技术在工业制造领域得到广泛应用。
2. KUKA Robotics：KUKA Robotics是德国的一家机器人制造商，其机器人视觉技术在汽车制造、航空航天等领域得到广泛应用。
机器人视觉技术在工业自动化中的应用案例分析
机器人视觉技术在工业自动化中的应用案例分析随着科技的不断发展，机器人视觉技术在工业自动化中的应用也越来越广泛。
通过机器视觉技术，机器人能够实现对周围环境的感知和理解，从而更加智能地执行任务。
本文将通过分析几个实际案例，探讨机器人视觉技术在工业自动化中的应用以及带来的效益。
案例一：品质检测在许多生产线上，机器人被广泛用于产品的品质检测。
传统的品质检测通常需要大量的人力，并且容易受到人为因素的影响，导致误判和漏检。
而采用机器人视觉技术进行品质检测能够有效地降低成本并提高检测的准确性。
一个典型的应用案例是在电子制造业中的电路板检测。
通过机器视觉系统，机器人可以快速高效地检测电路板上的元器件位置、焊接点连接情况以及缺陷等信息。
这种自动化的检测过程不仅大大降低了人力成本，还能够提高检测的准确性和稳定性。
案例二：物料识别和定位在物流仓储行业中，机器人视觉技术也被广泛运用于物料的识别和定位。
以货物分拣为例，传统的分拣过程需要大量人力，并且速度较慢，容易出现错误。
而采用机器人视觉技术可以实现对货物的自动识别和定位，从而实现快速高效的分拣。
通过机器视觉系统，机器人能够识别货物上的条形码、二维码等信息，并根据预设的分拣规则将其送到指定的位置。
这种自动化的物料识别和定位技术能够大大提高分拣的速度和准确性，减少人力成本，并且能够适应不同尺寸和形状的货物。
案例三：装配和组装在制造业中，机器人视觉技术也被广泛应用于装配和组装过程中。
传统的装配和组装需要人工参与，费时费力且容易出错。
而采用机器人视觉技术可以实现对零部件的自动识别和定位，从而实现快速高效的装配和组装。
通过机器视觉系统，机器人能够准确识别零部件的位置和方向，并将其精准地装配到指定的位置上。
这种自动化的装配和组装过程不仅提高了生产效率，还大大降低了错误率和人力成本。
综上所述，机器人视觉技术在工业自动化中的应用具有巨大的潜力和市场需求。
通过机器视觉系统，机器人能够实现对环境的感知和理解，从而实现更加智能化的工业自动化。
机器人视觉感知应用案例
机器人视觉感知应用案例一、引言机器人视觉感知技术是指通过摄像头、传感器和图像处理算法等技术手段，使机器人能够感知周围的环境并做出相应的反应。
随着人工智能和机器人技术的不断发展，视觉感知在机器人应用领域中起到了至关重要的作用。
本文将为大家介绍几个机器人视觉感知的应用案例。
二、机器人导航与避障机器人导航与避障是机器人视觉感知应用的一个重要方向。
通过视觉感知技术，机器人可以获取周围环境的图像信息，据此制定导航路径并实时调整。
例如，机器人可以利用摄像头获取室内环境的图像，并通过图像处理算法分析出墙壁、障碍物等信息，从而规划出合理的路径并避开障碍物。
三、工业机器人视觉检测在工业生产中，机器人视觉感知技术也得到了广泛应用。
例如，通过视觉感知技术，机器人可以对产品进行检测和判别，实现自动化生产。
比如，在电子制造业中，机器人可以利用视觉感知技术检测电路板上的元器件是否安装正确、焊接是否牢固等。
这项技术大大提高了产品质量和生产效率，并减少了人工操作中的疏忽和错误。
四、机器人辅助医疗视觉感知技术在医疗领域中的应用也日益广泛。
机器人可以通过视觉感知技术获取患者的身体信息，如体温、脉搏等，并可以对疾病进行早期诊断。
此外，机器人还可以通过视觉感知技术辅助手术操作，提高手术的准确性和安全性。
例如，在微创手术中，机器人可以利用视觉感知技术定位手术刀具，避开患者的重要组织，从而降低手术的风险。
五、机器人物体识别与抓取机器人物体识别与抓取是机器人视觉感知应用中的一个重要方向。
通过视觉感知技术，机器人可以识别并抓取特定的物体。
例如，在仓储物流领域，机器人可以通过视觉感知技术识别货物的特征，然后准确地抓取和搬运货物。
这项技术能够提高仓储物流的效率和准确性，并减少人工搬运的劳动强度。
六、机器人安防监控随着人们对安全的重视程度逐渐提高，机器人安防监控也成为机器人视觉感知应用的一个热门领域。
通过视觉感知技术，机器人可以对人员、车辆等进行实时监控和识别。
机器人视觉技术的研究和应用
机器人视觉技术的研究和应用随着科技的不断发展和普及，机器人成为了人类工作和生活中越来越不可或缺的一部分。
近年来，机器人视觉技术的研究和应用也日益受到关注。
本文将详细介绍机器人视觉技术的背景、原理、应用以及未来趋势。
一、机器人视觉技术的背景机器人视觉技术是一种利用机器视觉处理技术来实现对可视物品进行识别、检测、定位、跟踪等操作的技术。
机器人视觉技术的发展源于智能控制领域，最初被广泛应用于自动工业生产和机器人导航。
随着技术的进步，机器人视觉技术也得到了更广泛的应用。
在医疗、农业、消费电子、智能家居、自动驾驶等行业和领域中，机器人视觉技术开始发挥着越来越重要的作用。
二、机器人视觉技术的原理机器人视觉技术的实现需要依靠许多技术手段。
这些技术手段包括：数字图像处理、图像识别、目标跟踪、自主控制和传感器技术等。
数字图像处理是机器人视觉技术中最基础的技术。
它通过对声音、光线、压力等信息的采集和转换，将其转化为计算机可处理的数字信号。
接下来，这些数字信号将经过一系列的处理算法，包括图像增强、滤波、图像分割等操作，最终生成机器视觉所需要的信息。
接下来是图像识别。
图像识别是通过对采集到的图像数据进行分析，对拍摄对象进行分类、识别的过程。
机器人视觉技术中常用的图像识别方法有：特征提取法、神经网络法、模板匹配法等。
机器人视觉技术最常用的是神经网络法，因为它具有较高的识别准确性。
除了图像识别，机器人视觉技术还需要目标跟踪技术。
目标跟踪技术能够实现对动态目标的实时监控和跟踪。
常见的目标跟踪方法有：模型跟踪法、运动结构法、特征跟踪法等，其中模型跟踪法应用较为广泛。
自主控制技术是机器人视觉技术的重要组成部分，它使机器人能够自主完成任务。
自主控制技术的实现依赖于传感器技术，传感器技术则能够为机器人提供远距离控制、通讯、良好的环境感知等功能，促进机器人视觉技术应用的进一步提高。
三、机器人视觉技术的应用1. 工业自动化在工业自动化领域，机器人视觉技术被广泛应用于制造、检测、包装等环节。
机器人视觉技术的应用
机器人视觉技术的应用近年来，随着科技迅猛发展，机器人视觉技术已经成为人工智能领域中最为关键和热门的技术之一，其应用领域越来越广泛，可以帮助人们更高效地完成许多重要的工作。
在本篇文章中，我们将探讨机器人视觉技术的应用和未来发展趋势。
一、农业领域中的机器人视觉技术应用机器人视觉技术在农业领域中有着广泛的应用，特别是在果园、葡萄园和大田中，可以实现水果或者蔬菜的自动采摘。
机器人可以依靠前置的相机进行图像识别，判断水果或者蔬菜的品质，成熟度和大小，从而完成采摘的整个过程，提高采摘效率，并实现节约人力成本的目的。
二、工业制造业中的机器人视觉技术应用机器人在工业制造业中已经非常普遍，然而这些机器人完全依靠程序控制，无法做到视觉上的智能判断。
有了机器人视觉技术的应用，在工业制造业中的机器人可以使用图像识别技术实现零件的自动捕捉和组装。
这不仅可以提高生产效率，也可以减少不必要的人为损耗，提高安全性能，从而保障工业制造业中的作业效率和工作质量。
三、医疗领域中的机器人视觉技术应用随着医疗技术的提升，越来越多的治疗设备被开发出来，相应的，机器人视觉技术也逐渐开始被应用到医疗行业中。
医疗设备制造商可以利用机器人视觉技术来实现对于病人的三维扫描，从而精确地诊断并治疗患者某些问题。
例如，视网裂治疗系统和肝脏手术中的创伤减轻器等等设备可以使用机器人视觉技术实时检测病人的身体各项指标并进行必要的调整，使得整个治疗过程更为准确，安全和高效。
四、智能家居中的机器人视觉技术应用现在的智能家居产品越来越多，它们中的许多产品也开始采用机器人视觉技术。
例如，智能家居灯可以通过机器人视觉技术实现根据周围环境的光亮程度进行智能调整，智能门锁可以通过图像识别系统进行对开锁操作的判断。
其他家庭产品也可以应用相同的技术，如智能电视机箱，电子音响和空气净化器等等。
总而言之，机器人视觉技术作为当前最热门有前景的人工智能技术之一，其应用领域十分广泛，不仅可以在工业制造业或农业领域中节约人力成本，提高生产效率，节省成本，还可以在医疗行业或智能家居中为人们提供更加便捷和智能的服务。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
二、图像的分离 1. 图像的边沿检测 边沿检测作为各种物体检测算法的最初 预处理步骤，在机器人视觉中具有重要的 作用。 （1）基本公式 从原理上看，绝大多数边沿检测方法 的主导思想是局部微分算子的计算。
用微分算子检测边沿的基本原理 (a) 在暗背景上的亮物体； (b) 在亮背景上的暗物体
（2）梯度算子 图像f(x,y)在位置(x,y)处的梯度，定义 为二维矢量：
1.去噪 原始图像中不可避免地会包括许多噪 声，如传感器噪声、量化噪声等。通常噪 声比图像本身包含较强的高频成分，而且 噪声具有空间不相关性，因此简单的低通 滤波是最常用的一种去噪方法。
2．灰度变换 由于光照等原因，原始图像的对比度 往往不理想，利用各种灰度变换处理可以 增强图像的对比度。
3. 锐化 与平滑处理相反，为了突出图像中的 高频成分，使轮廓增强可以采用锐化处理
f Gx x G[ f ( x , y )] f Gy y
对于边沿检测，我们最关心的是这个 矢量的幅值，幅值通常称为梯度
（3）阈值化 图像阈值是工业机器人视觉系统进行 物体检测的主要技术之一，尤其是对于高 数据吞吐量的应用，阈值化更为有效。
第三节 视觉信息的处理
视觉处理过程及方法
视觉信息的处理如图所示，包括预处理、 分割、特征抽取和识别四个模块。
一、预处理 预处理的主要目的是清除原始图像中 各种噪声等无用的信息，改进图像的质量， 增强感兴趣的有用信息的可检测性，从而 使后面的分割、特征抽取和识别处理得以 简化，并提高其可靠性，机器视觉常用的 预处理包括去噪、灰度变换和锐化等。
CCD传感器 (a)CCD行扫描 传感器； (b)CCD面阵传 感器
三、视频数字信号处理器 图像信号一般是二维信号，一幅图像 通常由512×512个像素组成（当然有时也 有256×256，或者1024×1024个像素）， 每个像素有256级灰度，或者是3×8bit， 红黄兰16兆种颜色，一幅图像就有256KB 或者768KB（对于彩色）个数据。完成视 觉处理的传感、预处理、分割、描述、识 别和解释。
【例】研究如图 (a)所示的汽车后部的图像。我们的目的 是从图像中找出那些适于安置汽车牌照的矩形框。检测出 相应的水平和垂直边沿，便可获得所需的矩形。
图 (b)和(c)所示为Sobel算子的水平和垂直分量。在 图 (d)所示为梯度值大于25并且梯度方向差小于 15°的所有点的连接结果。应用上述准则于图 (c) 的每一行，便求得所需水平线，然后再应用图 (b) 的每一列便可得到垂直线。进一步的处理包括连接 具有小间断区间的边沿线段和删除孤立的短线。
都能体会到，眼睛对人来说是 多么重要。可以说人类从外界获得的信息， 大多数都是由眼睛得到的。人类视觉细胞 108 的数量大约在 数量级，是听觉细胞的 3000多倍，是皮肤感觉细胞的100多倍。从 这个角度来说，也可以看出视觉系统的重 要性。至于视觉的应用范围，简直可以说 是包罗万象。
如果在通用的计算机上处理视觉信号，主要 有两个局限性：一是运算速度慢，二是内存容量 小，为了解决上述问题，可以采用如下方案： （1）利用大型高速计算机组成通用的视频信号 处理系统。但是缺点是成本太高。 （2）小型高速阵列机。 （3）采用专用的视觉处理器。为了适应微型计 算机视频数字信号处理的需要，不少厂家设计了 专用的视觉信号处理器，它的结构简单，成本低， 性能指标高。多数采用多处理器并行处理，流水 线式体系结构以及基于DSP的方案。
获取机器人周围世界的信息，人们为 了从外界环境获取信息，一般是通过视觉、 触觉、听觉等感觉器官来进行的，也就是 说如果想要赋予机器人较为高级的智能， 那么离开视觉系统是无法做到的。
对于智能机器人来说，视觉系统是必不可 少的。从20世纪60年代开始，人们便着手 研究机器人的视觉系统。一开始只能识别 平面上的类似积木的物体。到了20世纪70 年代，已经可以认识某些加工部件，也能 认识室内的桌子、电话等物品了。当时的 研究工作虽然进展很快，但无法应用于实 际。这是因为视觉系统的信息量极大，处 理这些信息的硬件系统十分庞大，花费的 时间也很长。
机器人视觉的软件系统有以下几个部 分组成： （1）计算机系统软件：选用不同类型的计 算机，就有不同的操作系统和它所支撑的 各种语言、数据库等。 （2）机器人视觉信息处理算法：图像预处 理、分割、描述、识别和解释等算法。 （3）机器人控制软件。
二、CCD原理
光导摄像管工作原理 (a)光导摄像管示意图；(b)电子束扫描方式
（1）用局部分析方法进行边沿连接 这是最简单的一种方法。在已进行边 沿检测处理的图像的每一点(x,y)附近小邻 域（例如3×3或5×5）内，分析像素的特 性，将所有相似的点连接在一起，这样便 形成了具有某些共同特性的像素边界。 有两种基本特性可用于建立边沿像素 的相似性：（1）用于检测边沿像素对梯度 算子的响应速度；（2）梯度的方向。
随着大规模集成技术的发展，计算机 内存的体积不断缩小，价格急剧下降，速 度不断提高，视觉系统也走向了实用化。 进入20世纪80年代后，由于微机的飞速发 展，实用的视觉系统已经进入各个领域， 其中用于机器人的视觉系统数量是很多的。
第二节 机器人的视觉系统的组成 及其原理
一、机器人视觉系统的硬件系统 机器人视觉系统的硬件组成： （1）景物和距离传感器：常用的有摄像机、 CCD图像传感器、超声波传感器和结构光 设备等。 （2）视频信号数字化设备。 （3）视频信号快速处理器：如DSP系统。 （4）计算机及其外设。 （5）机器人及其控制器。
可分割的强度直方图 (a)利用单一阈值分割；(b)多阈值分割
2. 图像的边沿连接和边界检测 在理想情况下，检测强度不连续性的 方法给出的应当只是那些位于物体与背景 之间边界处的像素。实际上，噪声的存在， 不均匀照明引起的边界中断，以及其他因 素造成的意外强度不连续性，都会使得检 测出的像素难以完全表征边界。因此，在 边沿检测算法之后，通常要进行连接和用 其它边界检测的方法进行处理，以便使边 沿像素形成一个有意义的物体边界。