訊號處理在機器視覺機械人視覺與機器視覺

機械人視覺、計算機視覺、影象處理、機器視覺和圖形識別，這幾者之間到底有神馬區別呢？

要弄清楚他們哪乙個是哪乙個，有時候也真的是容易混淆的。

接下來看看這些術語的具體含義是什麼，以及他們與機械人技術有什麼關聯。

讀了這篇文章後，你就再也不會被這些概念弄糊塗了！

在這篇文章當中，我們分解了機械人視覺的「族譜」，以顯示在更廣泛的訊號處理領域所在的位置。什麼是機械人視覺robot vision機械人視覺是指使機械人具有視覺感知功能的系統，是機械人系統組成的重要部分之一。

在基本術語中，機械人視覺涉及使用相機硬體和計算機演算法的結合，讓機械人處理來自現實世界的視覺資料。

例如，您的系統可以使乙個二維攝像頭，檢測到機器將拿起來的乙個物件物，更複雜的例子可能是使用乙個3d立體相機來引導機械人將車輪安裝到乙個移動中的車輛上。

如果沒有機器視覺，你的機械人基本上是個瞎子，對一些機械人任務來說，這也許不是乙個問題，但對於某些應用來說，機械人視覺是有幫助的，甚至是必不可少的。機械人視覺的族譜機械人視覺與機器視覺密切相關，機器視覺我們稍後再介紹。

他們兩個又都與計算機視覺密切相關，從族譜圖中可以看出計算機視覺可以看作是他們的父母。

然而，為了詳細的了解他們在整個系統中的位置，我們要更進一步介紹他們的祖父母-訊號處理。

訊號處理signal processing訊號處理包括處理電子訊號、或是清理(例如：

除噪)、提取資訊、為輸出到顯示端的前置預處理、或者為他們的進一步處理做準備的預處理。

任何東西都可以是乙個訊號，或多或少，有各種型別的訊號可以被處理，例如：

模擬訊號，數碼訊號，頻率訊號等等，影象基本上只是二維(或更多維)的訊號，對於機械人視覺，我們感興趣的是針對影象的處理。影象處理與計算機視覺image processing vs computer vision計算機視覺和影象處理就像堂兄妹，但他們有著很不同的目標。

影象處理技術主要是用來提高影象的質量，將其轉換成另外一種格式(如直方圖)或改變它以進一步處理。

另一方面，計算機視覺更側重於從影象中提取資訊，以感知它們。

因此，您可能會使用影象處理將彩色影象轉換為灰度影象，然後用計算機視覺檢測影象中的物件。

如果我們再進一步往上看這個族譜，我們看到，這兩個領域都受物理領域很大的影響特別是光學。圖形識別與機器學習pattern recognition and machine learning到目前為止，情況還這麼簡單。

當我們將圖形識別或更廣泛的機器學習加入到族譜中的時候，情況就開始變得有些複雜，這個分支專注於識別資料中的圖形，對於需要機械人視覺相對更先進的功能來說這是相當重要的。

例如，為了能夠從它的影象中識別乙個物件，該軟體必須能夠監測到它所看到的物件是不是之前看到過的物件。

因此，機器學習是計算機視覺除訊號處理之外的另外乙個母體。

然而，並不是所有的計算機視覺技術都需要機器學習，你也可以僅使用訊號而不是影象進行機器學習，然後將其作為乙個input輸入到機器學習演算法。

例如。計算機視覺檢測到傳送帶上的零件大小和顏色，然後機器學習根據它從正常的良品看起來應該是什麼樣子學到的知識，來判定這些零件是不是不良品。機器視覺machine vision現在我們談到機器視覺，一切都將改變。

這是因為機器視覺完全不同於之前談到的術語。

它更側重於特定的應用，而不僅僅是關注技術的部分，機器視覺是指工業用途的視覺來進行自動檢測、過程控制和機械人導引。

族譜的其餘部分是科學領域，而機器視覺是乙個工程領域。

某種程度上來說，你可以認為機器視覺是計算機視覺的孩子，因為它使用計算機視覺和影象處理的技術和演算法。

但是，雖然它可以用來指導機械人的，他又不完全是機械人視覺。機械人視覺最後，終於到達機械人視覺。

在許多情況下，機械人視覺和機器視覺相互交替使用。

然而，還是有些微妙的差異，一些機器視覺應用，如零件監測，與機械人無關，工件僅僅是放置在乙個用來探測不良的視覺感測器前面即可。

此外機械人視覺不僅是乙個工程領域，它也是一門有自己特定的研究領域的科學，區別於純計算機視覺研究，機械人視覺必須將機械人技術納入到其技術和演算法。

視覺伺服就是乙個智慧型被稱為機械人視覺技術而不是計算機視覺的完美典範。

它涉及到機械人的運動控制，通過使用視覺感測器檢測到機械人位置的反饋。輸入與輸出下面彙總上面介紹的每個領域術語的基本的輸入和輸出來結尾這篇文章。

訊號處理在機器視覺 機械人視覺與機器視覺