机器视觉技术发展现状文献综述.pdf

机器视觉技术发展现状文献综述

机器视觉技术发展现状

人类认识外界信息的80%来自于视觉，而机器视觉就是用机器代替人眼来

做测量和判断，机器视觉的最终目标就是使计算机像人一样，通过视觉观察和

理解世界，具有自主适应环境的能力。作为一个新兴学科，同时也是一个交叉

学科，机器视觉是通过对相关的理论和技术进行研究，从而建立由图像或多维

数据中获取“信息”的人工智能系统，其特点是可提高生产的柔性和自动化程度。

目前机器视觉技术已经在很多工业制造领域得到了应，并逐渐进入我们的日

常生活。

一、机器视觉简介

机器视觉就是用机器代替人眼来做测量和判断。机器视觉主要利用计算机

来模拟人的视觉功能，再现于人类视觉有关的某些智能行为，从客观事物的图

像中提取信息进行处理，并加以理解，最终用于实际检测和控制。机器视觉是

一项综合技术，其包括数字处理、机械工程技术、控制、光源照明技术、光学

成像、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术

等，这些技术相互协调才能构成一个完整的工业机器视觉系统[1]。

机器视觉强调实用性，要能适应工业现场恶劣的环境，并要有合理的性价

比、通用的通讯接口、较高的容错能力和安全性、较强的通用性和可移植性。

其更强调的是实时性，要求高速度和高精度，且具有非接触性、实时性、自动

化和智能高等优点，有着广泛的应用前景[1]。

一个典型的工业机器人视觉应用系统包括光源、光学成像系统、图像捕捉系

统、图像采集与数字化模块、智能图像处理与决策模块以及控制执行模块。通过

CCD或CMOS摄像机将被测目标转换为图像信号，然后通过A/D转换成

第1页（共7页）

机器视觉技术发展现状文献综述

数字信号传送给专用的图像处理系统，并根据像素分布、亮度和颜色等信息，

将其转换成数字化信息。图像系统对这些信号进行各种运算来抽取目标的特征，

如面积、数量、位置和长度等，进而根据判别的结果来控制现场的设备动作

[1]。

机器视觉一般都包括下面四个过程：

二、机器视觉的发展历史

机器视觉是在20世纪50年代从统计模式识别开始，当时的工作主要集

中在二维图像分析、识别和理解上。从20世纪70年代才真正开始发展，并

涌现出了主动视觉理论框架、基于感知特征群岛物体识别理论框架等新的概念、

方法及理论。Marr视觉计算机理论是视觉研究迄今较为完善的理论，其使视

觉研究有了一个较为明确的体系[2]。

Marr视觉理论从计算视觉理论出发，将立体视觉分为自上而下的三个阶段，

即早期的二维视觉数据获取、中期的要素处理和后期三维信息的形成和表达。

经历这单个阶段即可完成二维到三维的转换工作.

第2页（共7页）

机器视觉技术发展现状文献综述

图2Marr理论框架的三个阶段

早期阶段的“要素图”（primarysketch）是由二维图像中的点、直线、曲线

和纹理等特征组成，早期阶段的处理是从图像中获取这些特征。中期阶段的处

理是处理特征要素的位置和相互关系，从而完成对物体的识别、运动分析和形

状恢复等操作，该阶段处理的结果仅仅是对空间场景的二维半描述。如若要完

成对空间场景的真正三维描述，还需第三阶段的后期视觉处理，将物体自身坐

标统一到一个世界坐标系中[3]。

作为立体视觉的基础理论，Marr理论具有极其重要的指导作，但Marr

理论自身有缺陷，如单向性（视觉处理只能从前至后处理）、被动性（视觉处

理只能是给什么图像处理什么图像）、目的单一性（视觉处理的目标一般只是

恢复空间场景中的物体形状和位置）等。经过几十年的发展，许多学者纷纷提

出了Marr理论的改进框架，如在框架前增加图像拾取模块，使其能根据分析要

求和分析结果自主获取图像；增加反馈环节，