來源：ST社區

機器人視覺解決方案是我們實現機器人視野的幾大挑戰。即便變得越來越簡單易用，還是有一些棘手的問題。很多因素影響機器人在環境中的視覺，任務設置和工作場所。這里有9個總結出來的機器人視覺挑戰：

照明

如果有過在低光照下拍攝數碼照片的經驗，就會知道照明至關重要。糟糕的照明會毀掉一切。成像傳感器不像人眼那樣適應性強或敏感。如果照明類型錯誤，視覺傳感器將無法可靠地檢測到物體。

有各種克服照明挑戰的方法。一種方法是將有源照明結合到視覺傳感器本身中。其他解決方案包括使用紅外照明，環境中的固定照明或使用其他形式的光的技術，例如激光。

變形或鉸接

球是用計算機視覺設置來檢測的簡單對象。你可能只是檢測它的圓形輪廓，也許使用模板匹配算法。但是，如果球被壓扁，它會改變形狀，同樣的方法將不再起作用。這是變形。它會導致一些機器人視覺技術相當大的問題。

鉸接類似，是指由可移動關節引起的變形。例如，當您在肘部彎曲手臂時，手臂的形狀會發生變化。各個鏈接（骨骼）保持相同的形狀，但輪廓變形。由于許多視覺算法使用形狀輪廓，因此清晰度使得物體識別更加困難。

職位和方向

機器人視覺系統最常見的功能是檢測已知物體的位置和方向。因此，大多數集成視覺解決方案通常都克服了這兩者面臨的挑戰。

只要整個物體可以在攝像機圖像內被查看，檢測物體的位置通常是直截了當的。許多系統對于對象方向的變化也是強健的。但是，并不是所有的方向都是平等的。雖然檢測沿一個軸旋轉的物體是足夠簡單的，但是檢測物體何時3D旋轉則更為復雜。

背景

圖像的背景對物體檢測的容易程度有很大的影響。想象一個極端的例子，對象被放置在一張紙上，在該紙上打印同一對象的圖像。在這種情況下，機器人視覺設置可能不可能確定哪個是真實的物體。

完美的背景是空白的，并提供與檢測到的物體良好的對比。它的確切屬性將取決于正在使用的視覺檢測算法。如果使用邊緣檢測器，那么背景不應該包含清晰的線條。背景的顏色和亮度也應該與物體的顏色和亮度不同。

閉塞

遮擋意味著物體的一部分被遮住了。在前面的四個挑戰中，整個對象出現在相機圖像中。遮擋是不同的，因為部分對象丟失。視覺系統顯然不能檢測到圖像中不存在的東西。

有各種各樣的東西可能會導致遮擋，包括：其他物體，機器人的部分或相機的不良位置。克服遮擋的方法通常涉及將對象的可見部分與其已知模型進行匹配，并假定對象的隱藏部分存在。

比例

在某些情況下，人眼很容易被尺度上的差異所欺騙。機器人視覺系統也可能被他們弄糊涂了。想象一下，你有兩個完全相同的物體，只是一個比另一個大。想象一下，您正在使用固定的2D視覺設置，物體的大小決定了它與機器人的距離。如果您訓練系統識別較小的物體，則會錯誤地檢測到兩個物體是相同的，并且較大的物體更接近相機。

尺度的另一個問題，也許不那么明顯，就是像素值的問題。如果將機器人相機放置得很遠，則圖像中的對象將由較少的像素表示。當有更多的像素代表對象時，圖像處理算法會更好地工作，但有一些例外。

照相機放置

不正確的相機位置可能會導致以前出現過的任何問題，所以重要的是要正確使用它。嘗試將照相機放置在光線充足的區域，以便在沒有變形的情況下盡可能清楚地看到物體，盡可能靠近物體而不會造成遮擋。照相機和觀看表面之間不應有干擾的背景或其他物體。

運動

移動有時會導致計算機視覺設置出現問題，特別是在圖像中出現模糊時。例如，這可能發生在快速移動的傳送帶上的物體上。數字成像傳感器在短時間內捕獲圖像，但不會瞬間捕獲整個圖像。如果一個物體在捕捉過程中移動太快，將導致圖像模糊。我們的眼睛可能不會注意到視頻中的模糊，但算法會。當有清晰的靜態圖像時，機器人視覺效果最佳。

期望

與視覺算法的技術方面相比，最后的挑戰更多地涉及到您的視覺設置方法。機器人視野面臨的最大挑戰之一就是工作人員對于視覺系統能提供什么不切實際的期望。通過確保期望符合技術的能力，您將從技術中獲得最大收益。您可以通過確保員工接受關于視覺系統的教育來實現這一點。

審核編輯黃昊宇