沈燕卿 劉興法

一、前言

機器視覺通過圖像攝取裝置將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，即用機器代替人眼來測量和判斷，它是快速發(fā)展的人工智能領(lǐng)域的重要分支。機器視覺的伺服控制通過對來自圖像提取裝置的圖像信息，分析其像素分布和亮度、顏色等，提取目標(biāo)特征，進(jìn)而結(jié)合控制需求來控制現(xiàn)場的設(shè)備動作。

機器視覺易于實現(xiàn)信息集成，是實現(xiàn)計算機集成制造的基礎(chǔ)技術(shù)。機器視覺的應(yīng)用有助于提高生產(chǎn)的柔性和自動化程度。 在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺; 同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機器視覺檢測方法可以大幅提高生產(chǎn)的自動化程度和效率。

隨著機器視覺技術(shù)的發(fā)展與成熟，基于機器視覺的自動監(jiān)測與智能控制系統(tǒng)將廣泛應(yīng)用于電子制造、半導(dǎo)體、汽車、交通、工業(yè)生產(chǎn)等各個領(lǐng)域，并主要從中端生產(chǎn)線向前端制造和后端物流環(huán)節(jié)延伸，成為提升產(chǎn)業(yè)自動化水平、實現(xiàn)中國制造 2025 的重要技術(shù)手段。

二、機器視覺及其伺服控制技術(shù)的國內(nèi)外研究現(xiàn)狀

機器視覺包括數(shù)字圖像處理技術(shù)、機械工程技術(shù)、控制技術(shù)、光學(xué)成像技術(shù)、傳感器技術(shù)、計算機技術(shù)等，是一門多學(xué)科交叉融合技術(shù)。

機器視覺系統(tǒng)主要包括三部分：圖像的采集、圖像的處理和分析、輸出或顯示。如圖 1 所示，一個典型的機器視覺及控制系統(tǒng)包括光源、光學(xué)系統(tǒng)、圖像捕捉系統(tǒng)、圖像數(shù)字化模塊、數(shù)字圖像處理模塊、智能判斷決策模塊和機械控制執(zhí)行模塊等。

其中，采用CCD 攝像機等的光學(xué)成像系統(tǒng)和圖像捕捉系統(tǒng)將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，在經(jīng)采集與數(shù)字化后傳送給專用的圖像處理與決策系統(tǒng)，它根據(jù)像素分布和亮度、顏色等信息，對這些信號進(jìn)行各種運算來提取目標(biāo)的特征（面積、長度、數(shù)量及位置等），最后根據(jù)預(yù)設(shè)的容許度和其他條件輸出結(jié)果（尺寸、角度、偏移量、個數(shù)、合格/不合格及有/無等）;上位機實時獲得檢測結(jié)果后，指揮運動系統(tǒng)等控制執(zhí)行模塊執(zhí)行設(shè)定的控制操作。

通過采用視覺伺服控制，系統(tǒng)可以模擬人的視覺器官、對環(huán)境實施非接觸量測以及便于對非結(jié)構(gòu)環(huán)境和目標(biāo)進(jìn)行檢測等。視覺伺服的一個關(guān)鍵問題是從三維空間到二維圖象空間的未知的時變非線性變換 ， 由此派生出新的視覺平面內(nèi)系統(tǒng)的可控性、可觀性以及與原系統(tǒng)控制性能的關(guān)系問題。

機器視覺的伺服控制可分為基于位置、圖像和混合視覺控制三類。利用標(biāo)定得到的圖像采集系統(tǒng)的參數(shù)對目標(biāo)位置進(jìn)行三維重建，基于位置的視覺控制能通過軌跡規(guī)劃求得機器人末端執(zhí)行器下一周期的期望位置，進(jìn)而通過控制器對機械關(guān)節(jié)進(jìn)行控制?；趫D像的機器視覺伺服控制一般使用多臺攝像機故對對象圖像進(jìn)行特征匹配?；旌弦曈X可控制在圖像控制的基礎(chǔ)上，借助超聲波、激光和紅外等其它類型傳感器，并進(jìn)行多傳感信息融合，從而實現(xiàn)對象的識別、定位及控制。

機器視覺的軟硬件產(chǎn)品已逐漸成為生產(chǎn)制造各個階段的必要部分，這就對系統(tǒng)的集成性提出了更高的要求。在現(xiàn)代自動化生產(chǎn)過程中，人們將機器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗和質(zhì)量控制等領(lǐng)域。隨著全球制造中心向中國轉(zhuǎn)移，中國機器視覺市場正在繼北美、歐洲和日本之后，成為國際機器視覺廠商的重要目標(biāo)市場。目前包括中國和日本在內(nèi)的亞太地區(qū)占全球的比重突破 20%已經(jīng)超過歐洲，位居全球第二大區(qū)域市場。

機器視覺控制系統(tǒng)的應(yīng)用目前主要集中在檢測、定位、運動控制、機器人等幾個領(lǐng)域， 特別是在運動控制、生產(chǎn)流水線、診斷、測試、數(shù)控設(shè)備等幾個領(lǐng)域的應(yīng)用需求增長最為迅速。

三、存在的問題及發(fā)展趨勢

機器視覺的伺服控制技術(shù)目前存在的主要問題有成像質(zhì)量不足、圖像處理分析算法性能不足、計算數(shù)據(jù)量大、智能化水平不高等問題。

1.成像質(zhì)量不足

影響機器視覺成像系統(tǒng)成像質(zhì)量的影響很多，主要包括：系統(tǒng)制造開發(fā)過程中的影響因素：成像波段的選擇、成像傳感器電學(xué)特性與幾何特性、光機系統(tǒng)的優(yōu)化設(shè)計、光學(xué)元件的材料質(zhì)量、加工精度、系統(tǒng)裝調(diào)精度等;系統(tǒng)使用過程中的影響因素：光照條件、目標(biāo)材料特性、目標(biāo)幾何形狀特性、目標(biāo)表面特性、目標(biāo)距離等。 以移動機器人為例，隨著自身的平移及轉(zhuǎn)向運動，目標(biāo)與攝像頭之間的相對距離姿態(tài)信息并不準(zhǔn)確，其相對運動和攝像頭自身俯仰平移運動帶來的圖像變形都極大影響了視覺跟蹤成像的穩(wěn)定性。

2.圖像處理與分析算法性能不足

圖像處理與分析技術(shù)是機器視覺的核心，所以構(gòu)造出一個良好的、適應(yīng)相關(guān)領(lǐng)域應(yīng)用的識別算法顯得尤為重要。由于機器視覺控制系統(tǒng)主要用于工業(yè)現(xiàn)場，工作環(huán)境較為惡劣、現(xiàn)場噪聲大，而且現(xiàn)在的應(yīng)用領(lǐng)域越來越要求檢測設(shè)備具有準(zhǔn)確、高速地識別出目標(biāo)的能力，如果不能構(gòu)造出一個適應(yīng)相應(yīng)需求的識別算法，就不能適應(yīng)不斷增長的需求。特別是在運動物體跟蹤時，由于攝像頭隨對象一起運動，自然目標(biāo)的運動形式往往具有未知、 復(fù)雜、 高度非線性等特點，且周圍環(huán)境的視覺特征隨時間改變，此時僅依靠顏色或形狀為目標(biāo)跟蹤特征的視覺跟蹤控制方法缺乏魯棒性。

3.計算數(shù)據(jù)量大

隨著對機器視覺功能需求的不斷提高，機器視覺所獲取的數(shù)據(jù)量也日益增大。比如用于人臉識別的機器視覺，識別一次要投射多達(dá)幾萬個紅外線點;又如交通檢測，一天累積下來的數(shù)據(jù)量也十分驚人。不過隨著硬件技術(shù)的發(fā)展，這個問題將來會逐漸得到解決。

4.機器視覺系統(tǒng)自身的智能化水平不高

機器視覺是實現(xiàn)人工智能的關(guān)鍵，但目前為止，國際上機器視覺系統(tǒng)本身的智能化水平不高，導(dǎo)致機器視覺系統(tǒng)在外在條件發(fā)生變化時，要么需要人為干預(yù)，要么限定其使用范圍，往往不能使機器視覺系統(tǒng)始終工作最優(yōu)狀態(tài)，導(dǎo)致成像質(zhì)量下降。所以目前的機器視覺的最終效果往往依賴于圖像處理與分析算法的先進(jìn)性與復(fù)雜性，最終因為算法過于復(fù)雜性而不

能在實際系統(tǒng)中實時使用。

四、機器視覺的伺服控制技術(shù)發(fā)展趨勢

隨著計算機技術(shù)、電子技術(shù)等的發(fā)展，機器視覺的伺服控制技術(shù)主要發(fā)展方向有以下幾點。

1.機器主動視覺的應(yīng)用

機器主動視覺強調(diào)系統(tǒng)利用及其視覺伺服裝置與周圍環(huán)境進(jìn)行交互，是當(dāng)前機器人視覺領(lǐng)域的一個熱點。由于機器視覺的成像質(zhì)量隨著光照條件、目標(biāo)材料特性、幾何形狀特性、表面特性、相對位移等條件的變化而發(fā)生改變，為保障成像質(zhì)量，系統(tǒng)可通過智能調(diào)節(jié)光照條件、機器視覺系統(tǒng)與目標(biāo)的相對位置與相對姿態(tài)、機器視覺系統(tǒng)自適應(yīng)調(diào)焦或變倍等，最終實現(xiàn)復(fù)雜工作條件下的最優(yōu)成像質(zhì)量。

2.多傳感器信息融合

不同傳感器各有優(yōu)劣，都有一定的適用范圍，如將多種傳感器綜合使用，取長補短，實施多傳感器的信息融合，可以得到對象的更加準(zhǔn)確、可靠的結(jié)果。

3.復(fù)雜環(huán)境下的物體跟蹤

復(fù)雜環(huán)境下的視覺特征隨時間改變，攝像頭隨對象進(jìn)行未知、 復(fù)雜、 高度非線性運動，可考慮采用自適應(yīng)多動態(tài)模型算法可以被采用以接近目標(biāo)的復(fù)雜運動特性。

4.算法復(fù)雜度與準(zhǔn)確度平衡

對于圖像特征信息的提取直接關(guān)系到伺服系統(tǒng)性能的優(yōu)劣，機器視覺系統(tǒng)自身智能化的高水平實現(xiàn)，可以降低對圖像處理算法復(fù)雜度的苛刻要求，提高機器視覺系統(tǒng)的實時性與使用效果。

參考文獻(xiàn)

[1]王耀南， 陳鐵健， 賀振東，等. 智能制造裝備視覺檢測控制方法綜述[J]. 控制理論與應(yīng)用， 2015（3）：14.

[2]孔德磊， 方正. 基于事件的視覺傳感器及其應(yīng)用綜述[J]. 信息與控制， 2021， 50（1）：19.

[3]魏秀琨， 所達(dá)， 魏德華，等. 機器視覺在軌道交通系統(tǒng)狀態(tài)檢測中的應(yīng)用綜述[J]. 控制與決策， 2021.

[4] 呂鐵，韓娜.智能制造：全球趨勢與中國戰(zhàn)略[J].人民論壇·學(xué)術(shù)前沿，2015（11）

[5] 沈義平， 徐賀. 移動機器人視覺跟蹤控制方法綜述[J]. ?2012.

[6] 王耀南，陳鐵健，賀振東.智能制造裝備視覺檢測控制方法綜述[J].控制理論與應(yīng)用，2015（03）

[7] 張思源，陸志強，崔維偉.考慮設(shè)備周期性維護(hù)的流水車間生產(chǎn)調(diào)度優(yōu)化算法[J].計算機集成制造系統(tǒng)，2014（06）

基金項目：重慶市教委科學(xué)技術(shù)研究項目資助（KJQN201803204，KJQN202003202）