Technical Articles
机器视觉发展史:从二维到三维的变迁
Date:2017-12-06
Source:九游会J9
机器视觉是指利用相机、摄像机等传感器,配合机器视觉算法赋予智能设备人眼的功能,从而进行物体的识别、检测、测量等功能。简单说来,机器视觉就是用机器代替人眼来做测量和判断。工作原理机器视觉系统的工作原理是:通过机器视觉产品(即图像摄取装置)将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。
➤机器视觉是在20 世纪50 年代从统计模式识别开始的,当时的工作主要集中在二维图像分析和识别上,如光学字符识别、工件表面、显微图片和航空图片的分析和解释等。
L.R.Roberts (1965)通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构,并对物体形状及物体的空间关系进行描述。Roberts 的研究工作开创了以理解三维场景为目的的三维机器视觉的研究。Roberts对积木世界的创造性研究给人们以极大的启发,许多人相信,一旦由白色积木玩具组成的三维世界可以被理解,则可以推广到理解更复杂的三维场景。于是,人们对积木世界进行了深入的研究。研究的范围从边缘、角点等待征提取,到线条、平面、曲面等几何要素分析,—直到图像明暗、纹理、运动以及成像几何等,并建立了各种数据结构和推理规则。
➤70 年代中期,麻省理工学院(MIT)人工智能(AI)实验室正式开设“机器视觉”(Machine Vision)课程,由国际著名学者B.K.P.Horn 教授讲授。同时,MIT AI实验室吸引了国际上许多知名学者参与机器视觉的理论、算法、系统设计的研究。David Marr 教授就是其中的一位。他于1973 年应邀在MITAI 实验室领导一个以博士生为主体的研究小组,1977 年提出了不同于“积木世界”分析方法的计算机视觉(computational vision)理论——也就是著名的Marr视觉理论,该理论在80 年代成为机器视觉研究领域中的一个十分重要的理论框架。
Marr建立的视觉计算理论立足于计算机科学,系统地概括了心理生理学、神经生理学等方面业已取得的所有重要成果。它使计算机视觉研究有了一个比较明确的体系,并大大推动了计算机视觉研究的发展。人们普遍认为,计算机视觉这门学科的形成与Marr 的视觉理论有着密切的关系。Marr视觉计算理论将整个视觉过程所要完成的任务分成三个过程,而获得这些表示的过程依次称为初级视觉、中级视觉和高级视觉。70年代,已经出现了一些视觉应用系统。
➤80年代,机器视觉进入了快速发展时期,对机器视觉的全球性研究热潮开始兴起。不仅出现了基于感知特征群的物体识别理论框架、主动视觉理论框架、视觉集成理论框架等概念,而且产生了很多新的研究方法和理论,无论是对一般二维信息的处理,还是针对三维图像的模型及算法研究都有了很大的提高。有学者对计算机视觉理论的发展提出了不同的意见和建议。对Marr的理论框架作了种种的批评和补充。
➤90年代,机器视觉理论得到进一步的发展,同时开始在工业领域得到应用。同时,机器视觉理论在多视几何领域的应用得到快速的发展。
由于机器视觉是一种非接触的测量方式,在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉。同时,在大批量重复性工业生产过程中,用机器视觉检测方法可以大大提高生产的效率和自动化程度。
机器视觉是人工智能正在快速发展的一个分支。目前,机器视觉技术正处于不断突破、走向成熟的阶段。它的发展不仅将大大推动智能系统的发展,也将拓宽计算机与各种智能机器的研究范围和应用领域。
典型的工业用机器视觉系统图
从二维到三维的演化➤机器视觉是在20 世纪50 年代从统计模式识别开始的,当时的工作主要集中在二维图像分析和识别上,如光学字符识别、工件表面、显微图片和航空图片的分析和解释等。
机器视觉字符识别
➤随着工业自动化生产对技术需求的日益增长,机器视觉开始崛起。其技术探索始于20世纪60年代中期美国学者L.R. Roberts关于理解多面体组成的“积木世界”的研究。L.R.Roberts (1965)通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构,并对物体形状及物体的空间关系进行描述。Roberts 的研究工作开创了以理解三维场景为目的的三维机器视觉的研究。Roberts对积木世界的创造性研究给人们以极大的启发,许多人相信,一旦由白色积木玩具组成的三维世界可以被理解,则可以推广到理解更复杂的三维场景。于是,人们对积木世界进行了深入的研究。研究的范围从边缘、角点等待征提取,到线条、平面、曲面等几何要素分析,—直到图像明暗、纹理、运动以及成像几何等,并建立了各种数据结构和推理规则。
➤70 年代中期,麻省理工学院(MIT)人工智能(AI)实验室正式开设“机器视觉”(Machine Vision)课程,由国际著名学者B.K.P.Horn 教授讲授。同时,MIT AI实验室吸引了国际上许多知名学者参与机器视觉的理论、算法、系统设计的研究。David Marr 教授就是其中的一位。他于1973 年应邀在MITAI 实验室领导一个以博士生为主体的研究小组,1977 年提出了不同于“积木世界”分析方法的计算机视觉(computational vision)理论——也就是著名的Marr视觉理论,该理论在80 年代成为机器视觉研究领域中的一个十分重要的理论框架。
➤80年代,机器视觉进入了快速发展时期,对机器视觉的全球性研究热潮开始兴起。不仅出现了基于感知特征群的物体识别理论框架、主动视觉理论框架、视觉集成理论框架等概念,而且产生了很多新的研究方法和理论,无论是对一般二维信息的处理,还是针对三维图像的模型及算法研究都有了很大的提高。有学者对计算机视觉理论的发展提出了不同的意见和建议。对Marr的理论框架作了种种的批评和补充。
由于机器视觉是一种非接触的测量方式,在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉。同时,在大批量重复性工业生产过程中,用机器视觉检测方法可以大大提高生产的效率和自动化程度。
机器视觉用于而工业检测
➤到了21世纪,机器视觉技术已经大规模地应用于多个领域。按照应用的领域与细分技术的特点,机器视觉进一步可以分为工业视觉、计算机视觉两类,相应地,其应用领域可以划分为智能制造和智能生活两类,比如工业探伤、自动焊接、医学诊断、跟踪报警、移动机器人、指纹识别、模拟战场、智能交通、医疗、无人机与无人驾驶、智能家居等等。机器视觉是人工智能正在快速发展的一个分支。目前,机器视觉技术正处于不断突破、走向成熟的阶段。它的发展不仅将大大推动智能系统的发展,也将拓宽计算机与各种智能机器的研究范围和应用领域。