机器人视觉技术有望颠覆想象

　　机器人视觉使机器人具有视觉感知功能的系统，是机器人系统组成的重要部分之一。机器人视觉可以通过视觉传感器获取环境的二维图像，并通过视觉处理器进行分析和解释，进而转换为符号，让机器人能够辨识物体，并确定其位置。

　　随着科学技术的不断进步，具有类似于人类视力的机器人系统不再是科幻小说中的梦想。今后，3D视觉系统将成为机器人系统的标准附加设备，携手机器人共同打造梦幻般视觉。

　　过去几年来，这个以知识为导向的产业经历机器视觉系统的元件与模组日益复杂化;另一方面，与机器视觉系统相关的市场应也持续扩展到超越工业制造以外的新应用领域，特别是如今当硬体尺寸缩减以及嵌入式系统持续展现动能之际，即将来临的奈米技术、先进感测器、机器对机器(M2M)通讯系统以及物联网(IoT)等新兴技术发展，将进一步推动机器视觉应用扩展至消费性电子、可穿戴式装置、汽车先进驾驶辅助系统(ADAS)以及智能化监控等更贴近大众生活的领域。

　　全球机器视觉市场可望在2018年以前超越50亿美元大关。

　　视觉处理向3D跨越

　　随着Google正式发布ProjectTango后，3D机器视觉变得更热门。Kingston表示，“消费领域的3D处理主要瞄准3D成像、自然使用者界面(NUI)和3D视觉应用，如PC、笔记型电脑、平板电脑、智能手机和其它消费性设备。”

　　业界追寻3D视觉的主要原因在于解决2D机器视觉的固有局限，若能更有效地实现在分割(分离近景和远景)、照明(用于人脸辨识)、相对位置(场景中的物体)等方面的功能，就能让更多应用透过3D空间资讯来简化并提高视觉系统的精密度与可靠性。

　　但无论是3D感测器(例如TOF相机)或以2个2D影像感测器实现的立体感测器，对于处理能力的要求也更高。Wilson指出，“立体匹配(使用两个影像感测器的输入)要求差异映射来产生3D景深图。这是一个非常困难的电脑视觉问题，学术界也积极研究最佳化立体辨识演算法。”由于实现3D感测的每一种方法都存在性能的折衷，CogniVue目前正开发一种新的演算法，期望针对低成本3D感测器计算其视差图。

　　处理大量即时资料需要密集的运算能力。若是想实现稳定的3D感测映射是非常困难的，特别是对于低功耗的设备来说。为此，他强调，“CogniVue的APEX影像辨识处理(ICP)技术能在电量有限的3D视觉应用中发挥关键作用。”

　　对于系统设计人员来说，设计一款能有效执行不同视觉演算法的硬体是一项艰巨的挑战。系统厂商选择影像/视讯处理解决方案时，可以选择全部集中在CPU完成，也可以选择卸载一部份影像处理工作给GPU，或者专为影像处理增加硬体逻辑。在需要3D处理的应用中，GPU已经让系统的一部份执行多种电脑视觉演算法，从而有助于为通用CPU分担工作负载。

　　“i.MX6拥有强大的GPU运算能力，其3D引擎GC2000内含4个渲染核心，可提供高达30GFLOPS的运算能力，支援OpenCL1.1EP，”飞思卡尔(Freescale)微控制器事业部亚太区市场行销和业务拓展经理李星宇介绍，“此外，i.MX6Q还拥有一个专用的2D引擎(1Gpixel/s)和一个向量绘图处理引擎。”

　　针对影像撷取领域，经常利用2D相机感测器或其他光学感测技术来分析运算3D资料。除了飞行时间法(TOF)3D成像(为目标物连续发送光线脉冲，根据光线脉冲与感测器接收反射光线之间的时间，计算出目标物距离)，在工业制造检测方面较广泛应用的是3D雷射三角法，差别在于3D雷射感测器采用逐点扫描，而TOF相机则同时得到整幅影像的深度资讯。

　　相较于雷射三角的3D成像方式，美商国家仪器(NI)技术行销工程师黄翔鉎介绍，NILabVIEW可为3D视觉应用提供双目立体视觉功能，工程师可将2部相机安装在物体的不同角度后，使用校准技术调校两部相机之间的画素资讯以及撷取资料，并透过LabVIEW的3D工具库进行数学运算分析。透过一个软硬体无缝整合的绘图开发环境来设计3D视觉应用，更能简化工程师的工作。