視覺是機器人感知的一塊很重要內容，所以研究也非常多了，我就我了解的一些，按照由簡入繁的順序介紹吧：一. 相機標定這其實屬于比較成熟的領域。由于我們所有物體識別都只是計算物體在相機坐標系下的位姿，但是，機器人操作物體需要知道物體在機器人坐標系下的位姿。所以，我們先需要對相機的位姿進行標定。內參標定就不說了，參照張正友的論文，或者各種標定工具箱；外參標定的話，根據(jù)相機安裝位置，有兩種方式：Eye to Hand：相機與機器人極坐標系固連，不隨機械臂運動而運動Eye in Hand：相機固連在機械臂上，隨機械臂運動而運動兩種方式的求解思路都類似，首先是眼在手外（Eye to Hand）只需在機械臂末端固定一個棋盤格，在相機視野內運動幾個姿態(tài)。由于相機可以計算出棋盤格相對于相機坐標系的位姿A_i 、機器人運動學正解可以計算出機器人底座到末端抓手之間的位姿變化E_i 、而末端爪手與棋盤格的位姿相對固定不變。而對于眼在手上（Eye in Hand）的情況，也類似，在地上隨便放一個棋盤格（與機器人基座固連），然后讓機械臂帶著相機走幾個位姿，然后也可以形成一個AX=XB 的坐標環(huán)。 二． 平面物體檢測這是目前工業(yè)流水線上最常見的場景。目前來看，這一領域對視覺的要求是：快速、精確、穩(wěn)定。所以，一般是采用最簡單的邊緣提取+邊緣匹配\形狀匹配的方法；而且，為了提高穩(wěn)定性、一般會通過主要打光源、采用反差大的背景等手段，減少系統(tǒng)變量。目前，很多智能相機（如 cognex）都直接內嵌了這些功能；而且，物體一般都是放置在一個平面上，相機只需計算物體的(x,y,θ)T 三自由度位姿即可。另外，這種應用場景一般都是用于處理一種特定工件，相當于只有位姿估計，而沒有物體識別。當然，工業(yè)上追求穩(wěn)定性無可厚非，但是隨著生產自動化的要求越來越高，以及服務類機器人的興起。對更復雜物體的完整位姿(x,y,z,rx,ry,rz)T 估計也就成了機器視覺的研究熱點。三．有紋理的物體機器人視覺領域是最早開始研究有紋理的物體的，如飲料瓶、零食盒等表面帶有豐富紋理的都屬于這一類。當然，這些物體也還是可以用類似邊緣提取+模板匹配的方法。但是，實際機器人操作過程中，環(huán)境會更加復雜：光照條件不確定（光照）、物體距離相機距離不確定（尺度）、相機看物體的角度不確定（旋轉、仿射）、甚至是被其他物體遮擋（遮擋）。具體原理簡單地說，這個方法提取的特征點只跟物體表面的某部分紋理有關，與光照變化、尺度變化、仿射變換、整個物體無關。因此，利用 SIFT 特征點，可以直接在相機圖像中尋找到與數(shù)據(jù)庫中相同的特征點，這樣，就可以確定相機中的物體是什么東西（物體識別）。對于不會變形的物體，特征點在物體坐標系下的位置是固定的。北京惠昌偉業(yè)科技有限公司成立于2003年，專注于先進的制造技術及設備，集代理銷售、技術研發(fā)、設備生產于一體，致力于為客戶提供先進的生產設備和自動化解決方案。