1.2.3 机器人视觉

机器人视觉属于机器视觉的具体应用，它的研究目标是使机器人能够通过视觉观察和理解世界，具有自主适应环境的能力。机器视觉发展于20世纪50年代对二维图像识别与理解的研究，包括字符识别、工件表面缺陷检测、航空图像解译等。20世纪60年代，麻省理工学院的L. R. Roberts提出了利用物体的二维图像来恢复诸如立方体等物体的三维模型（如弹簧模型与广义圆柱体模型等），以及建立空间关系描述，开辟了面向三维场景理解的立体视觉研究。从20世纪80年代中期开始，机器视觉技术在国外得到了蓬勃的发展，并在90年代进入高速发展期，提出了多种新概念、新方法、新理论。

随着深度学习概念的提出，以及卷积神经网络、递归神经网络等算法的推广应用，机器可以通过训练自主建立识别逻辑，图像识别的准确率得到了大幅提升，机器视觉进入了一个新的阶段。机器视觉技术在机器人、3D视觉、工业传感器、图像处理技术、人工智能等多个领域都得到了广泛的应用[17-18]。

视觉系统是智能机器人的重要组成部分，作为机器人的“眼睛”，机器人视觉系统利用光学装置和非接触的传感器获得被检测物体的特征图像信息，并通过计算机进行分析处理，进而实现检测和控制的目的。机器人视觉系统具有实时性好、定位精度高等优点，能有效地增加机器人的灵活性与智能化程度。

机器人视觉系统集成了多种技术，如图像处理、机械工程、自动控制、光学成像、传感器技术、模拟与数字视频技术等[19]。一个典型的机器人视觉系统包括图像捕捉、光源系统、图像数字化、数字图像处理、智能决策和机械控制执行等模块。