机器人视觉、计算机视觉、图像处理、机器视觉和模式识别之间听起来名字都好像差不多，那么到底有些什么区别？是否会认知混淆？我们来看一下所有这些术语的含义以及它们与机器人技术的关系。希望在阅读本文后，您不会再疑惑！

人们在谈论机器人视觉技术时有时会感到困惑。他们嘴上在说“机器视觉”时，而他们正在使用“计算机视觉”或“图像处理”。这是一个非常容易混淆的错误理解。所有不同术语之间的界线有时会模糊不清。

在本文中，我们分解了机器人视觉的“家谱”，并展示了它在更广泛的信号处理领域中的适用范围。

什么是机器人视觉？

在基本术语中，机器人视觉涉及使用相机硬件和计算机算法的组合，以允许机器人处理来自世界的视觉数据。例如，您的系统可能有一个2D摄像头，可以检测机器人拾取的对象。更复杂的例子可能是使用3D立体相机引导机器人将轮子安装到移动的车辆上。

没有Robot Vision，您的机器人基本上是盲目的。对于许多机器人任务而言，这不是问题，但对于某些应用，机器人视觉是有用的甚至是必要的。国内外也有一些非常优质的视觉品牌如埃尔森、所罗门、图漾、欧姆龙自动化、Linkhou灵猴等。

机器人视觉的家谱

机器人视觉与机器视觉密切相关，我们将在稍后介绍。它们都与计算机视觉密切相关。如果我们谈论的是家谱，则计算机视觉可以被视为他们的“父母”。但是，要了解它们都适合什么地方，我们必须更进一步以引入“祖父母”（信号处理）。

信号处理

信号处理包括处理电子信号以清除它们（例如去除噪声）、提取信息、准备输出到显示器或为进一步处理做好准备。任何东西都可以是信号，或多或少。可以处理的信号有很多种，例如模拟电信号、数字电子信号、频率信号等。图像基本上只是一个二维（或更多）维信号。对于机器人视觉，我们感兴趣的是图像的处理。

图像处理与计算机视觉

计算机视觉和 图像处理就像表兄弟一样，但它们有着截然不同的目标。图像处理技术主要用于提高图像质量，将其转换为另一种格式（如直方图）或以其他方式更改以进行进一步处理。另一方面，计算机视觉 更多的是从图像中提取信息以理解它们。因此，您可以使用“图像处理”将彩色图像转换为灰度，然后使用“计算机视觉”检测该图像中的对象。如果我们进一步观察家谱，我们会发现这两个域都受到物理学领域的影响，特别是光学领域。

模式识别与机器学习

到目前为止，这么简单。当我们将模式识别包含在家谱中，或者更广泛地包括机器学习时，它开始变得更加复杂。该系列的这一分支专注于识别数据中的模式，这对于Robot Vision所需的许多更高级的功能非常重要。例如，为了能够从其图像中识别对象，软件必须能够检测它看到的对象是否与先前的对象类似。因此，机器学习是计算机视觉的另一个父母，同时也是信号处理。

但是，并非所有计算机视觉技术都需要机器学习。您还可以对非图像的信号使用机器学习。在实践中，这两个域通常组合如下：计算机视觉检测图像中的特征和信息，然后将其用作机器学习算法的输入。例如，计算机视觉检测传送带上部件的尺寸和颜色，然后机器学习根据其了解好部件应该是什么样的知识来决定这些部件是否有故障。

机器视觉

现在我们开始讲机器视觉，一切都在变化。这是因为Machine Vision与之前的所有术语完全不同。它更多地是关于特定应用而不是技术。机器视觉是指用于自动检测，过程控制和机器人引导的视觉的工业用途 。其余的“家庭”是科学领域，而机器视觉是一个工程领域。

在某些方面，您可以将其 视为计算机视觉的孩子，因为它使用计算机视觉和图像处理的技术和算法。但是，尽管它用于引导机器人，但它与机器人视觉并不完全相同。

机器人视觉

最后，我们讲机器人视觉。如果您一直在关注该文章，那么您将意识到Robot Vision融合了以前所有术语中的技术。在很多情况下，Robot Vision和Machine Vision可以互换使用。但是，有  一些细微的差异。某些机器视觉应用程序（例如零件检查）与机器人技术无关-零件仅放置在寻找故障的视觉传感器前面。

此外，Robot Vision不仅是工程领域。这是一门具有自己特定研究领域的科学。与纯粹的计算机视觉研究不同，机器人视觉必须将机器人学的各个方面纳入其技术和算法中，例如运动学，参考系校准以及机器人对环境产生物理影响的能力。 视觉伺服是仅可以称为“机器人视觉”而不是“计算机视觉”的技术的完美示例。它涉及通过使用视觉传感器检测到的机器人位置反馈来控制机器人的运动。

投入与产出

了解这些差异的一个有用的方法来自RSIP视觉。它们根据输入定义一些域。因此，为了完成本文，这里是上面介绍的每个域的基本输入。