1.机器人视觉
机器人研究的核心是：导航定位、路径规划、避障和多传感器融合。定位技术有好几种，不在乎，只在乎视觉。视觉技术中使用的“眼睛”可以分为：单眼、双目、多眼、RGB-D，后三种可以使图像具有深度。这些眼睛也可以称为VO(视觉里程表：单眼或立体)。维基百科介绍，在机器人和计算机视觉问题中，视觉里程表是一种通过分析和处理相关图像序列来确定机器人位置和姿态的方法。
如今，由于数字图像处理和计算机视觉技术的快速发展，越来越多的研究人员将摄像机作为自主移动机器人的感知传感器。这主要是因为原来的超声波或红外传感器传感信息有限，鲁棒性差，视觉系统可以弥补这些缺点。现实世界是三维的，而投射在相机镜头(CCD/CMOS)上的图像是二维的。视觉处理的最终目的是从感知的二维图像中提取相关的三维世界信息。
2.系统的基本组成部分：CCD、PCI、PC及其外设等。
2.1硅成像元件的CCD/CMOS线、光敏元件和电荷转移器件安装在基板上，通过电荷转移可以依次分时、按顺序取出多个像素的视频信号，例如面阵CCD传感器采集的图像分辨率可以在3232 ~ 10241024像素等。
2.2视频数字信号处理器图像信号一般是二维信号，一幅图像通常由512512个像素组成(当然有时也有256256个像素，或10241024个像素)，每个像素有256个灰度级，或38bit，红、黄、蓝各16M种颜色，一幅图像有256KB或768KB(对于颜色)。为了完成视觉处理的感知、预处理、分割、描述、识别和解释，上述数学运算可以概括如下：
(1)点处理常用于对比度增强、正密度非线性、阈值处理、伪彩色处理等。每个像素的输入数据通过一定的关系映射到像素的输出数据，例如对数变换可以实现暗区的对比度扩展。
(2)二维卷积运算常用于图像平滑、锐化、轮廓增强、空间滤波、标准模板匹配计算等。如果用MM卷积核矩阵对整幅图像进行卷积，需要进行M2乘和(M2-1)次加法运算，才能得到每个像素的输出结果。由于图像中像素较多，即使使用很小的卷积和，也需要大量的乘法和加法运算以及内存访问。
(3)二维正交变换常用的二维正交变换包括FFT、Walsh、Haar和K-L变换，常用于图像增强、复原、二维滤波、数据压缩等。
(4)坐标变换常用于图像放大、缩小、旋转、移动、配准、几何校正和从摄影值重建图像等。
(5)统计计算，如密度直方图分布、均值和协方差矩阵等。这些统计量往往是在进行直方图均衡化、面积计算、分类和K-L变换时计算出来的。
3.视觉导航定位系统的工作原理
简单来说，就是对机器人周围的环境进行光学处理。首先用摄像头采集图像信息，采集的信息进行压缩。然后反馈给由神经网络和统计方法组成的学习子系统。然后，学习子系统将采集到的图像信息与机器人的实际位置联系起来，完成机器人的自主导航定位功能。
(1)摄像机标定算法：参数的2D-三维映射。传统的摄像机标定主要包括Faugeras标定法、Tscai两步法、直接线性变换法、可爱宝宝平面标定法和翁迭代法。自标定包括基于Kruppa方程的自标定方法、分层逐步自标定方法、基于绝对二次曲面的自标定方法和Pollefeys的模块约束方法。视觉标定包括xydxmg的三种正交平移方法、pgyl的平面正交标定方法和Hartley旋转内参数标定方法
(2)机器视觉与图像处理：a .预处理：灰化、降噪、滤波、二值化和边缘检测。b、特征提取：将特征空间映射到参数空间。算法有HOUGH、SIFT和SURF。c .图像分割：RGB-HIS。图像描述识别
(3)定位算法：基于滤波器的定位算法主要有KF、SEIF、PF、e KF、UKF等。也可以采用单目视觉和里程表相结合的方法。以里程表读数为辅助信息，通过三角学计算特征点在当前机器人坐标系中的坐标位置，其中三维坐标计算需要在一个时间步长延迟的基础上进行。根据特征点在当前摄像机坐标系中的三维坐标及其在地图中的世界坐标，估计摄像机在世界坐标系中的姿态。这降低了传感器成本，消除了里程表的累积误差，使定位结果更加准确。此外，与立体视觉中摄像机之间的标定相比，该方法只需要标定摄像机的内部参数，提高了系统的效率。
4.定位算法的基本流程：简单的算法流程，基于OpenCV可以简单实现。
输入摄像机采集的视频流(主要是灰度图像，可以是彩色的，也可以是立体VO中的灰度图像)，将摄像机在时间T和t 1采集的图像记录为It和It ^ 1，通过摄像机标定得到的摄像机内部参考可以用matlab或opencv计算为固定量。
计算相机在每一帧中的位置和姿态。
基本流程1。得到图像它，它12。使获得的图像失真。通过FAST算法检测图像It的特征，通过KLT算法将这些特征追踪到图像It 1，如果追踪特征丢失且特征数量小于某个阈值，则重新检测特征4。用RANSAC 5的5点算法估计两幅图像的本质矩阵。及格
计算的本质矩阵进行估计R,t6.对尺度信息进行估计，最终确定旋转矩阵和平移向量为了更好地帮您了解企业如何重塑竞争力、增强洞察力、提升生产力和加快响应力，深入探讨认知技术如何帮助制造企业实现智能制造转型升级。IBM 联合e-works诚邀您观看我们的演讲视频
此次分享的演讲视频有：
1、工业互联驱动智能制造升级
2、智慧工厂实践分享
3、认知技术推动精益制造
4、制造业服务创新
凡制造业朋友注册观看视频，为表感谢，e-works将赠送一份精美礼品（LED台灯或移动电源，奖品二选一）
注册观看视频链接：
慧思无极 践行有道，IBM认知驱动智能制造