由于使用的传感器不同，不同的机器视觉系统采集到的图像数据也不同。视 觉系统所利用的视觉传感器主要分为两种，一种是采集 2。5D 点云图像数据的 3D 传感器，其算法主要是依据大型跨平台开源点云库 PCL (Point Cloud Library)来开 发；另一种是工业相机或摄像头，它能采集到包含目标的二维图像，其算法主要 依据英特尔公司的开源视觉库 Open CV 来开发[6]。3D 传感器相对与工业相机能 够获取较多的图像数据信息，但是成本较高。而且近年来，随着光学镜头的制作 技术逐渐成熟，工业相机能够获取的图像信息也越来越多，再加上其经济成本上 的巨大优势，第二种机器视觉系统受到广大研究人员的重点研究与开发，已经在 各领域得到了广泛的应用。本文主要研究内容也主要是关于对二位图像数据的处 理和研究，在依据 Open CV 开源视觉库的基础上提出了一种对目标识别并追踪 的算法，可用于自主式机器人对目标对象的判断识别和追踪。

1。2。2 机器人视觉国内外研究现状

1。2。3 机器人视觉实际应用分析

在摄像头制作和半导体加工等硬件技术逐渐成熟的前提下，20 世纪 90 年代， 机器视觉系统的研究与发展进入一个全新的阶段，尤其在工业控制领域，各种机 器视觉系统的产品得到了广泛应用。 由于工作环境各不相同，机器视觉可以分为以下两类：

图 1 全球机器视觉主要应用领域

一类是用于量化生产的生产线上，一般应用在对较大规模或者测试要求较高 的生产，如包装、印刷、分拣等；或者在核电以及一些不适合人类工作的极端环 境中，利用机器视觉系统进行测量或检测。

另一类应用需要高精度、专业制造仪器来生产的专业设备制造，典型代表是 对机器视觉体统具有较大影响的半导体的制造。例如电路板的贴片制作，必须依 赖于高精度的机器视觉系统来对加工器件进行精密修正，如果这样的工序存在偏 差，将会给整个企业带来不可挽回的影响。

机器视觉系统发展到现在，往往已经不是独立、单一的应用产品了。机器视 觉系统已经成为各种工业生产流水线上的不可或缺的一环，这对机器视觉系统的 可集成性也提出了要求。工业生产流水线上需要的是能够与生产制作或测试的系 统协同工作，精确调整生产加工器械运动的机器视觉系统，而非独立、单一的视 觉产品。在现代工业生产过程中，机器视觉系统被广泛地应用于质量检测、工况 件事等方面[10]。

1。2。4 机器人视觉系统的组成

机器人视觉系统与人类的视觉过程类似,如同人类的眼睛将看到的场景传递 到大脑一样，机器视觉系统利用传感器将图像数据传送到计算机,计算机对这些 图像数据进行处理、分析与解析,再将处理结果传达给机器人控制部件,使机器人 完成相应的任务。也就是说，如同人的眼睛对人类行动的重要性一样，机器视觉 系统的正常、完美的完成工作是机器人能够精准、正确的执行任务的必要前提。 因此,在传感器将图像数据传送到计算机后,对这些图像数据的处理是机器人视 觉过程的关键所在。

类似于人类视觉系统,机器人视觉系统也有硬件和软件两大部分组成,可进 一步细分为五个模块:视觉传感器、图像采集模块、图像处理模块、各个部件之 间的通信以及机器人控制层，如图 2 所示[11]。

外界信息 视频信号 数字信号

信 特

息 征