机器人视觉应用ppt课件

.
11
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。
.
12
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
.
6
.
7
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。
.
8
第二节 机器人的视觉系统的组成 及其原理
.
9
.
10
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。
.
13
CCD传感器
(a)CCD行扫描 传感器；
(b)CCD面阵传 感器
.
14
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。
.
16
第三节 视觉信息的处理
.
17
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。
.
18
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。
.
15
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。
.
3
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。
.
4
.
5
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。
.
27
（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。
可分割的强度直方图
(a)利用单一阈值分割；(b)多阈值分割
.
26
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。
(a) 在暗背景上的亮物体； (b) 在亮背景上的暗物体
.
24
（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：
G[
f
(
x,
y)]
Gx Gy
f
x
f
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
.
25
（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。
.
1
第七章 机器人的视觉及其应用
.
2
第一节 概 述
每个人都能体会到，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 的数量大约在 数1量0 8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。
.
21ቤተ መጻሕፍቲ ባይዱ
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
.
22
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。
.
23
用微分算子检测边沿的基本原理
.
28
【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。
.
29
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。
.
19
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。
.
20
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。