弧焊机器人焊缝图像处理及识别方法的研究
基于极线约束的机器人双目视觉水下焊缝特征匹配研究
＝（ 。 ） Ｍ１ ｊ ， ｃ ＝（ １ ２ Ｍ２ｍ ，
（） ２ （） ３
， ， 分别 是两 摄像机 的 投影 阵 ， Ｘ为
间 的任意 一 点 Ｐ，它在两 个摄 像机 成像 平面 上 的投
影 分 别 为 和 尸 ，其 中 Ｃ 和 Ｃ 分 别 为两 个 摄 像 ２ ｌ ２ 机 的 中 心 ， 即摄 像 机 的 坐 标 系原 点 。 图 ２中 ，Ｃ ． 和 Ｃ 的连 线 为基 线 ，基 线 和两 摄 像机 成 像平 面 的 ２
Ｉ
过 的 波 段 大 于 ６ Байду номын сангаас ｍ，紫 红 色 滤 光 片 所 允 许 通 过 １ｎ
的 波段是 ３ ０～ ４ ０ｎ 和 ６ ０～ ７ ０ｎ ８ ３ ｍ ３ ５ ｍ，因此本 文 设计 重 点 考虑 采 用 大红 ＋紫 红 色 复合 滤光 片 翻，
訇 化
在 极 平 面 ．上 另取 一 点 户，从 图 ２中 可 以看 ／ Ｉ ｔ 到 ，它 在 两 摄 像 机 平 面 上 的 投 影 点 分 别 为 只 和
务ｌ ４ 地 注 ０
基 于极线约束 的机 器人双 目视觉水下焊缝特征 匹 配 研 究
Ｒｅｓｅａｒ ｄｅｒ ａ ｅｒ ｗ ｅｌ ｎｇ ｓｅａｍ ｅａｔ ｅ ｍ ａｔ ｃｈ ｏｎ ｕｎ ｗ ｔ ｄｉ ｆ ｕｒ ｃｈｉ ｇ ｏｂｏｔ ｂｉ ｎ ｏｆ ｒ ｎｏｃｕｌ ｓｉ ａｒ ｖｉ ｏｎ
ｂａｓｅｄ ｏｎ ｅｐｉ ｐｏｌ ａｒｃｏｎ ｒ ｎ ｓｔ ａｉ ｔ
肖心远 ，蒋
波 ，倪江忠，严朝勇
ＸＩ ＡＯ ｎｙ ａ 。 ｉ Ｘｉ． ｕ ｎ ＪＡＮＧ 。 ｉ ｇ ｚ ｏ ｇ， ＡＮ ａ — ｏ Ｂｏ ＮＩ ａｎ — ｈ ｎ Ｙ Ｊ Ｃｈ ｏ ｙ ｎｇ
基于LabVIEW的弧焊机器人视觉传感图像处理技术
基 于 Ｌ ｂ ｌＷ 的弧 焊 机 器 人 视 觉 ａ ＶＥ 传 感 图像 处理 技 术
兰 虎 ，陶祖 伟 ， 宏 伟 段
（ 尔滨 理 工 大 学 荣成 学 院 ，山 东 荣成 ２ ４ ０ ） 哈 ６ ３ ０
实【 荟 ｐ 一
验ｍ
技【 兰
ｈ
摘 要 ：弧 焊 机 器 人 的 主 要 工 艺 问题 之 一 是需 要保 证 零 件 焊 接 的 一 致 性 ， 当焊 缝 接 头 位 置 因 工 件 加 工 、 具 夹
中 图分 类 号 ： Ｐ ４ ． ； ４ ９ Ｔ ２ ２ ２ ＴＧ ｏ 文献标志码 ： Ａ 文章 编 号 ： ０ ２ ４ ５ （ ０ ２ ０ — ０ ７ ０ １ ０—９ ６ ２ １ ） ７ ０ ８ — ５
管№
Ｍ
理
Ｉ ｇ ｒｃｓｉｇｏ ｏ ｏｉ ｖｓ ｎｓｎ ｉｇｂ ｓｄｏ ｂ ＥＷ ｍａ ｅｐ ｏ ｅｓ ｆｒｂ ｔ ｉｏ ｅ ｓｎ ａｅ ｎＬａ ＶＩ ｎ ｃ ｉ
Ｔｈ ｒ ｆ ｒ ，ｆ ｒ Ｖ— ｙ ｅ ｓ ａ ｕ ｉ ｇ Ｍ ＡＧ ｌ ｉ ｇ ｔ ｅ ｍｅｈ ｄ ｌｇ ｆ ｒ ａ —ｉ ｍａ ｅ ｐ ｏ ｅ ｓｎ ｎ ｖ ｓｏ ｅ ｅ ｏ ｅ ｏ ｔ ｐ ｅ ｍ ｓｎ ｗｅｄ ｎ ， ｈ ｔ ｏ ｏ ｏ ｙ ｏ ｅ ｌｔ ｍｅ ｉ ｇ ｒ ｃ ｓ ｉ ｇ ｏ ｉｉｎ ｓ ｎ ｉ ｇ ｉ ｓ ｕ ｉｄ ｂ ｓ ｄ ｏ ｎ ｓ ｎ ｃＴＡ１ ０ ｒ ｌ ｉｇ ｒ ｂ ｔｗｉ ｉ － ｅ ｒ ｅｏ ｒ ｅ ｏ ｅ ｓｎ ｓ ｔ ｄ ｅ ａ ｅ ｎ Ｐａ ａ ｏ ｉ— ０ ａ ｅｗｅ ｄ ｎ ｏ ｏ ｔ ｓ ｘ ｄ ｇ ｅ ｆｆｅ ｄ ｍ．Ｔｈ ｏ ｓ ｓ ｅ— ４ ｈ ｅｎ ｉｅ ｗａ ｆ
降 噪 相 结 合 的方 法 ， 效 地 滤 除 了 焊 接 背 景 噪 声 。 采 用 小 波 边 缘 检 测 算 法 获 取 了 激 光 光 带 边 缘 。对 焊 缝 图 有
基于Simufact welding仿真在弧焊机器人教学中的研究
内燃机与配件0引言自2010年起我院开设焊接机器人应用与维护专业以来，培养焊工7000多人，焊接机器人操作大约5000多人，目前在校生焊工400多人。
为服务地方经济发展，培养以徐工集团为核心的制造型企业，探索一种高效、快捷、低成本的教学途径，提升学生焊接工艺参数设置能力，提高焊接机器人教学质量，本文研究将Simufact 焊接仿真应用到焊接机器人应用与维护专业教学中，以达到期望效果。
在焊接领域用于仿真模拟工具有许多，由于焊接加工过程是与温度、应力变形和冶金组织状态相互作用和影响、常会发生较为复杂的物理变化。
如果利用仿真模拟再现整个焊接过程对学生来说，不仅焊接工艺参数对焊缝成形影响有直观的感受，且能掌握建立焊接工艺各参数相互影响关系。
因此，在技工院校焊接机器人应用与维护专业教学过程中，运用Simufact welding 仿真软件对焊缝成形过程进行模拟教学有着重要的意义。
1Simufact 焊接有限元建立Simufact 焊接有限元焊接仿真通过导入焊接组件的网格化零件，构建有限元焊件模型；设置合理的环境参数和焊接参数对整个焊接过程进行高度模拟；最后，对Simufact 导出的数据和图像进行分析。
在导入网格化焊接组件时，建议运用多种网格方式，在焊缝周边较细的网格可以准确地获得高梯度温度。
如果出现网格的划分算法不太兼容的现象，建议对焊件进行独立网格划分的处理，这样会避免了不兼容现象的干涉和影响。
通常焊接件对兼容的网格设计既费时又有难度，所以，一般采用不兼容网格划分算法。
运用Solidworks三维软件建模后再Hypermesh 划分网格，最后保存。
建立仿真模型的建立是否合理直接关系到预处理时间，直观的用户界面对模拟过程起到事倍功半的效果。
在建立焊接结构时，可以用三维软件自行绘制焊接组件，如装夹夹具可以预定义组。
在运用有限元软件分析时，需要对焊件定义求解器、焊枪数量、设置跟踪点、加载焊件组件以及边界条件的设置。
基于LabView的焊缝视觉识别
基于LabView的焊缝视觉识别 朱振友, 朴永杰, 林 涛, 陈善本 (上海交通大学材料科学与工程学院,上海 200030)摘 要:将传统的模板匹配技术与焊缝边缘信息相结合,应用LabView提供的子V I(虚拟仪器)功能实现了对尺度变化及旋转角度变化的焊缝图像匹配识别。
试验结果表明,该方法的识别准确性及精度较高,为弧焊机器人实现对焊缝位置的寻找提供了前提条件和依据。
关键词:LabView;焊缝识别;模板匹配;识别中图分类号:TN931.1 文献标识码:A 文章编号:0253-360X(2004)01-57-04朱振友0 序 言焊接是制造加工业中的重要工艺技术之一,是一个集热、电、力、光等综合作用的复杂过程。
随着科技水平的进步,人们对焊接质量及焊接过程的要求也越来越高。
目前,焊接过程的自动化、机器人化以及智能化已成为焊接行业发展的趋势。
将机器人应用于焊接领域是焊接自动化的革命性进步,它彻底改变了以往焊接过程刚性自动化的传统方式,开创了一种柔性化的自动化生产方式。
目前,在生产中应用较多的焊接机器人大多是示教再现型机器人,它对于不同的焊接工作要求必须进行重新示教编程,而且对于焊接工件的工装夹具以及对焊缝的定位精度要求较高,对于在焊接过程中产生的工件热变形不具有自动调节的能力。
所以,希望焊接机器人能够根据一定的传感信息而具有自动调节、自主规划的功能,从而能够实现焊接机器人的完全自主焊接,这对于完成那些不适合人来参与的焊接工作(如核环境、太空等)具有重要的意义[1～3]。
焊缝的准确识别以及对焊接机器人的初始焊接位置导引对于自主焊接是一个不可或缺的过程。
因此,有许多专家学者在进行这方面的研究,视觉传感方式由于其有丰富的信息而受到人们的青睐,但是应用较多的是采用主动视觉系统,需要采用特定的光源(如激光、结构光)向场景发射能量,这种装置具有体积庞大、结构复杂的不足之处,这限制了它的应用范围[4～6]。
收稿日期:2003-04-01基金项目:上海市科委重点攻关项目(021111116)文中主要论述了在没有外加辅助光源的条件下,利用自然光作为光源的被动视觉传感方式采集焊接场景图像,并采用图形化编程工具LabView对焊缝进行识别的原理及过程。
机器人焊缝跟踪标定方法
机器人焊缝跟踪标定方法我折腾了好久机器人焊缝跟踪标定方法，总算找到点门道。
说实话，这事儿一开始我也是瞎摸索。
我就知道，要让机器人能精确地沿着焊缝走，这个标定可太重要了。
最开始我觉得，这肯定就是把机器人的一些参数按照手册上给的标准值设好就行了呗。
我就对着那手册一阵摆弄，给机器人的视觉系统设置各种分辨率啊，对焦距离之类的参数，可搞完后发现，机器人追踪焊缝的时候，那轨迹歪得不像样。
后来我又想，会不会是坐标的问题呢？于是我就开始尝试去标定焊接工作区域的坐标。
我在工作台上到处找参考点，拿了个尺子量来量去的，还做记号，就像小时候做手工课一样认真。
那时候我就觉得，这每一个点就像地图上的宝藏位置，要精确定位才行。
我把这些点的坐标值输入到机器人系统里面，本以为这次行了，结果呢，机器人开始焊接的时候还是有些偏差。
又有一次，我就想是不是得根据焊缝的类型来标定啊。
我就找了不同形状的焊缝来试验，像那种直线焊缝我就觉得好标定一点，我先让机器人沿着焊缝大概扫描一次，就好像是个士兵先探探路一样，然后根据这个扫描结果来调整标定参数。
可是遇到那种弯弯扭扭的焊缝就不行了，那些参数感觉完全乱套了。
不过我没有放弃，还继续捣鼓。
后来我发现，在考虑所有外在因素之前，必须要先保证机器人传感器是干净准确的。
有时候传感器上有一点灰尘或者小划痕，就会让采集的数据出现大偏差。
就像你的眼睛被灰尘眯住了，看东西肯定不清楚。
我就开始每次标定之前，都仔细清理传感器，然后再进行下面的步骤。
还有就是对于robots 的运动学模型必须要非常清楚。
我一开始根本没重视这一点，以为只要把传感器和外部参数调好就行了。
后来我专门花时间去研究机器人各个关节的运动范围和可能出现的误差。
这就像你要知道一个人的手脚能伸展到什么程度，动作的时候可能哪里会失误一样。
我根据这个运动学模型重新精确校准了一些基础参数之后，总算在焊缝跟踪标定上取得了一点成功。
之后再慢慢调整和优化其他的参数，像视觉系统里图像识别的对比度、亮度这些参数，也和标定有重要关系。
一种基于分形插值原理的焊缝轨迹识别方法
制造业飞速发展及产品质量稳步提升，其高 智能化和全自动化功不可没，而焊接技术对保障 现代制造业的质量稳定性有极大影响，但在工业 焊接领域中，工件种类繁多、焊缝类型复杂等不稳 定性影响因素导致焊缝的图像捕捉、轨迹识别及 焊接精度和效率存在较大的波动性，且影响焊缝 轨迹识别准确度的核心因素是焊缝特征点的捕捉 和识别。焊缝轨迹跟踪伺服控制系统［１］提高了焊 接工艺质量及效率，设计较为复杂；双目视觉传感 检测技术［２］虽然可识别待焊工件及焊 缝 起 始 位 置，其检测精度却有待提高；当采用 ＣＣＤ摄像机 可局部视觉识别［３］焊枪枪尖及焊缝之间偏差和焊 缝轨迹，但只适用于固定式焊接机器人操作；基于 改进型神经网络自适应滑模控制系统［４］对机器人 轨迹跟踪具有良好的鲁棒性和控制精确度，动态 响应略慢；由模糊控制和 ＰＩＤ控制并联构成复合 型 Ｆｕｚｚｙ－ＰＩＤ控制器［５］以较快响应实现焊缝跟 踪，系统结 构 较 为 复 杂，需 由 阈 值 来 切 换 控 制 模 式；而智能化焊接制造技术［６］通过前瞻偏差补偿 控制提高自适应性和控制精度，主要应用于电弧 焊；改进型去“雾”算法［７］保障了所提取焊缝的基 本参数的准确性，但耗时费力；图像分割方法［８－９］ 对焊缝图像进行自动阈值化处理以获取清晰焊缝 信息，提取 焊 缝 中 心 数 据 易 受 干 扰，影 响 焊 接 精 度；此外，利 用 二 维 中 值 滤 波 函 数［１０］可 有 效 处 理 轨迹检测图中黑色斑点，其位置定位相对较复杂。 因此，人工操作为主的传统焊接方式的生产效率 低，自动化 焊 接 技 术 应 运 而 生［６，１１］。 焊 接 机 器 人 在工业机器人中的数量占据比例逐渐增大，应用 面也越来越广泛，提高焊缝轨迹识别是改善智能 自动化焊接高效化的关键技术，需要建立一种用 于机器人的智能视觉焊缝轨迹实时跟踪优化系统 以及实现方法，并以此为基础快速高效地捕捉具 有分形特征的平面焊缝，实现实时焊缝跟踪和轨 迹识别，提高焊缝整合的质量稳定性。
V型坡口对接焊接图像处理方法的研究
ｃ ｍｐ ｒｄ ａ ｄ ａ ｌｚ ｄ ｔ ｈｏ ｓ ｈｅ ｏ ｔｍｉｅ ｐ ｉｎ． Ｔ ｈ ｒ ｃｅ ｉｔｃ ｖ ｌ ｅ ｏ ｌ ｓ ｅ ｔａ ｔｄ ｏ ａ ｅ ｎ ｎａｙ ｅ ｏ ｃ ｏ ｅ ｔ ｐ ｉ ｚ ｄ ｏ ｔｏ ｈｅ ｃ ａ ａ ｔｒｓｉ ａ ｕ ｆｗｅｄ ｉ ｘｒ ｃ ｅ ｗｉｈ ｍｉ ｉ ｍ ｔｐ ｙ ｒ ａ ｏ ａ ｌ ｒａ ｇｎｇ ｖ ｒｏ ｒ ｃ ｓｉ ｇ ｓｅ ｓａ ｄ ｏ ｔｍｉｉ ｒ ｃ ｓｉ ｇ ｆｏ ｔ ｔ ｎｍｕ ｓｅ ｓ ｂ ｅ ｓ ｎ ｂ ｙ ａ ｒ ｎ ｉ ａ ｕｓｐ ｏ ｅ ｓｎ ｔ ｐ ｎ ｐ ｉ ｚｎｇｐ ｏ ｅ ｓｎ ｗ ｏ ｉ ｌ ｌｙ ｔ ｅ ｆ ｕ ｄ ｔ ｎ ｆｒｔ ｅ ｆｎ ｌｗｅ ｄ ｑｕ ｌ ｙ ａ ｄ ｉ ｇ ｒ ｃ ｎ ａ ｈ ｏ ｎ ａ ｉ ｏ ｈ ａ ｌ ａｉ ｎ ｍａ ｅ ｔａ ｋｉｇ． ｏ ｉ ｔ Ｋｅ ｒ ｓ： Ｖ－ ｒ ｏ ｅ ｂ ｔ；ｉ ｇ ｒ ｃ ｓ ｉｇ；ｗｅｄｉｇ ｔｃ ｎ ｌｇ ｙ ｗｏ ｄ ｇ ｏ ｖ ｕ ｔ ｍａ ｅ ｐ ｏ ｅ ｓｎ ｌ ｎ ｅ ｈ ｏ ｏ ｙ
换 等处理使 图像 易于观看 。另外 各个 处理 的参 数也 有 必要进行 多次 校 正 ， 后 根 据相 应 的 结果 选 择适 然 当的参数值 ｊ 。
工业 用弧 焊 机 器 人 大 都 是 第 一 代 的示 教 再 现 机 器 人 Ｊ 。它简 单 、 观 、 操 作 、 复 定 位 精 度 高 ， 直 易 重 但 是 它 的适 应能力 差 、 工装 和定 位装 置 的精度 依 赖 对
Ｗ ＥＮ Ｊａ — ｉ ｉｎ ｌ
（ ａｂｎＵ ｉ ｒ ｔ ｏ Ｓｉｎｅａ ｄＴ ｃ ｎｌ ｙ Ｈａｂ ５ ０ ０ Ｃ ｉａ Ｈ ｒｉ ｎｖ ｓｙ ｆ ｃ ｃ ｎ ｅｈ ｏｏ ， ｒｉ １ ０ ８ ， ｈｎ ） ｅ ｉ ｅ ｇ ｎ
基于双目立体视觉的弧焊机器人标定研究
０ 前 言
机器 人机 械加 工 的精 度 、 配 误 差 、 损 、 动 装 磨 传 误差 、 负载 变化 和环 境 影 响 等 因素使 得 机器 人 控 制
器 所 使 用 的 运 动 学 模 型 与 机 器 人 真 实 的 运 动 学 模 型
对， 通过算 法 匹配 出相 应 像 点 ， 算 出视 差 ， 计 最后 采 用三 角测 量 的方法 就可 以恢 复距离 及被 观、 物体 的 狈 ０ 位置 和姿 态 。 为 了准 确 定位 ， 像 机 必 须 标 定 。一般 方 法 是 摄 采用 标 准 的 ２ 或 ３ Ｄ Ｄ精 密靶 标 ， 简 化 标定 过 程 ， 为 选用 Ｈａ ｏ ｌ ｎ提 供 的标定 方法 ， 中标 定模 板 采用 了 ｃ 其
误 差 ， 对相 应 的参数 误差 进行 补偿 。 并
１ 双 目立 体 视 觉 摄 像 机 标 定
立体 视觉 仿 照 人 类 双 目感 知 距 离 的方 法 ， 图 ２ 标定中拍摄到的图像
从 不 同 的 两 个 运
基 金 项 目 ： 南 省 杰 出青 年 科 学 基 金 （ ６ ２ ０ ２ ０ ； 南 省 重 点 科 技 攻 关 项 目（ ６ ３ ２ ６ ０ 河 ０ １０ ２０ ） 河 ０ ２０ １０ ）
偿 。结 果 显 示 ， 差 补偿 后 的 机 器 人 直 线 轨 迹 的精 度 有 了 大 幅 提 高 。 误 关 键 词 ： 器人 ； 差 ； 定 ； 体 视觉 机 误 标 立 中图分类号 ： Ｐ４ Ｔ２ 文献标识码 ： Ａ
个摄 像机对 同一景 物从 不 同位 置 成像获 得立 体 图像
第 １卷 第 ６期
２０ ０９牟 １１月
南 阳 理 工 学 院 学 报
Ｊ ＯＵＲＮＡＬ ＯＦ ＮＡＮＹＡＮＧ Ｉ ＴＩ ＮＳ ＴＵＴ Ｅ ＯＦ Ｔ ＥＣＨＮＯＬＯＧＹ
小波分析在弧焊机器人视觉检测中的应用
脉冲型 等等 ， 与每 种 边缘 类 型 相 适 合 的检 测 方 法 各 不相 同 ． 边缘 点检 测 的 目的就 是 将 这 些灰 度 突 变 点 检 测 出来 ， 且能 提 供 更 多 的信 息 ， 边 缘 类 型 、 并 如 宽
，
Ｉ２ ／
０ ｌ２ 一 ／
１ ｕ ２ ／ ｙ ２
．． ．． ．．
处 为平 的 ， 不存 在极 大值 ．
① 当 ｓ ｄ时 ≥
＿＿ Ｊ
（） ａ
）
（）０ ｂ ）
（）驴 ｃ ）
图 ４ Ｈａｔ 波 的 尺 度 函数 、 滑 函 数 和 小 波 函 数 ｒ小 ＂ 平
斜 圾 型 Ｅｒ ｒ 图 ５ ａ 所 不 ， ｄ— Ｕ町 ， ｅｔ ｉ ａ （） 当 力 ｒ 耿
值 就可 以估 算 出 ａ Ｋ 的大 小 ， 而大致 知 道边缘 的 、 从
类型 ． 几 种 典型 边 缘模 型如 图 ３所 示 ． 于斜坡 型 边 对
型边缘 ． 斜坡 型 函数 可用如下 方程 描述
小 波 分 析 在 弧 焊 机 器 人 视 觉 检 测 中 的 应 用
天 登 吴 鑫
（ 北京交通大学 机械 与电子控制工程学院 ， 京 １０ ４ ） 北 ０ ０ ４
摘
要 ： 对弧 焊机 器人 薄板对接 、 针 搭接 焊缝 的 自动 焊接 问题 ， 小波 分析应 用在 Ｃ Ｄ直接 获 取 的 将 Ｃ
Ａｂ ｔ ａ ｔ Ａｉ ｎ ｔ ｕ ｏ ｔ ｌ ｉ ｇ ｏ ｈ ｎ ｓ ｅ ｔｗｉ ｌ ｉ ｇ ｒ ｂ ｔ ｈ ｖ ｌｔａ ａｙ ｉ ｗａ ｐ ｓ ｒ ｃ ： ｍｉ ｇ ａ ｔ ｍａ ｉ ｗｅｄ ｎ ｆｔ ｉ ｈ ｅ ｔ ｗｅｄ ｎ ｏ ｏ ，ｔ ｅｗａ ｅ ｎ ｌ ｓｓ ｓａ — ａ ｃ ｈ ｅ ｐ ｉｄ ｔ ｌ ｓｉ ｇ ｒ ｃ ｓ ｉ ｇ ｂ ｉ ｏ ｉｅ ｔｓ ｏ ｔ ｇ ｍｅ ｈ ｄ ｔ ｅ ｏ ｎ ｚ ｅ ｍ ａ ｋ ｌ ｏ ｗｅ ｄ ｅ ｍａ ｅｐ ｏ ｅ ｓｎ ｙ ｖ ｓ ｎ ｄ ｒ ｃ ｈ ｏ ｉ ｔ ｏ ｏ ｒ ｃ ｇ ｉ ｓ ａ ｔ ｃ ．Ａｃ ｏ ｄ ｎ ｏ ｉ ｎ ｅ ｒ ｃ ｒ ｉｇｔ
机器人视觉系统分析与识别研究
机器人视觉系统分析与识别研究摘要：论文简要介绍了机器人的发展现状、相关研究的方向以及研究领域，讲述了机器人视觉系统图象处理，最后通过实例分析机器视觉系统的应用。
关键词：机器视觉；边缘检测；图象识别；滤波算法中图分类号：tp242 文献标识码：a 文章编号：1674-7712 （2013）02-0082-01一、机器人系统的发展及机器人视觉机器人的发展大致经历了三个成长阶段，也即三个时代。
第一代为简单个体机器人；第二代为群体劳动机器人；第三代为类似人类的智能机器人。
它的未来发展方向是有知觉、有思维、能与人对话。
机器人向着智能化、拟人化方向发展的道路，是没有止境的。
机器人视觉是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。
我国机器人视觉应用主要有以下目的：用以代替人类从事危险、有害和恶劣环境、超净环境下的工作；提高劳动生产率，改变产品质量，快速相应市场需求，加强在国际市场的竞争能力。
二、机器人视觉的原理机器视觉是机器人感知周围环境的主要途径之一。
它可以通过视觉传感器获取环境的二维图像，并通过视觉处理器进行分析和解释，进而转换为符号，让机器人能够辨识物体，并确定其位置。
目前成熟的光电成像技术都只能捕获二维明暗信息，而不能获得距离信息，所以直接通过这种途径获得的机器视觉也只能是二维的。
随着科学技术的发展，三维立体视觉的解决方案也如雨后春笋般涌出，其中就包括双目立体视觉，狭缝光投影法，时间差法等。
（一）实现方法1.图像的获取与预处理：用于进行三维特征提取的图像是一幅常规的二维灰度图，所以使用一个常规的ccd或cmos图像传感器即可满足要求。
图像需要进行量化处理，即把图像信息分成许多像素点，这些亮点经过a/d转换后即可输入计算机进行处理。
2.边缘信息提取：边缘提取算法就是把一副灰度图像转化为二值图像，灰度图像中的轮廓在二值图像中用1表示，而非轮廓位置用0表示。