[db:标签]��器人视觉[db:标签]��统是指通过计算机实现人类视觉功能，即使用计算机来实现对客观三维世界的识别。人类接收的信息中有70％以上来自视觉，人类视觉为人类提供了有关其周围环境的最详细，最可靠的信息。

人类视觉的强大功能和完善的信息处理方法引起了聪明的研究人员的极大兴趣。人们希望将生物视觉作为研究机器人的人工视觉系统的蓝图。类似于人类感受环境的能力。为了感知外界信息，机器人依靠各种传感器。像人类一样，在许多机器人的感官传感器中，视觉系统提供了大多数机器人所需的外部边界信息。因此，视觉系统在机器人技术中起着重要作用。

根据视觉传感器的数量和特性，当前主流的移动机器人视觉系统包括单眼视觉，双目立体视觉，多视角和全景视觉。

单眼视觉，单眼视觉系统仅使用一个视觉传感器。单眼视觉系统在从三维物镜世界投影到N维图像期间会丢失深度信息，这是此类视觉系统的主要缺点。但是，单眼视觉系统结构简单，算法成熟。计算量小，并且已经广泛地用于自主移动机器人中，诸如目标跟踪，基于单眼特征的室内定位导航等。 同时，通过添加其他手段和措施，单眼视觉是基于双眼视觉系统的其他类型视觉系统的基础，例如双眼立体视觉，多眼视觉等。

鸟的立体视觉。双目视觉系统由两个摄像头组成。三角剖分原理用于获取场景的深度信息，可以重建周围场景的三维形状和位置，类似于人眼的立体功能，原理简单。双目视觉系统需要准确知道两个摄像机之间的空间位置关系，场景环境的3D信息需要两个摄像机同时从不同角度拍摄同一场景的两个图像，并进行复杂的匹配以获得精确立体视觉系统可以更准确地恢复视觉场景的三维信息，并已广泛用于移动机器人定位导航，避障和地图构建。然而，立体视觉系统的难点在于相应的点匹配问题，这在很大程度上限制了立体视觉在机器人技术领域的应用前景。

多视觉系统。多视力视觉系统使用三个或三个以上的摄像机，而三目视觉系统主要用于解决立体视觉系统中匹配模糊的问题，提高匹配精度。 多视力视觉系统最初是由MorAvik研究的。为“斯坦福购物车”开发的视觉导航系统是通过单个摄像头的“滑动

立体视觉”实现的。 Yasida提出了三维立体音响。该视觉系统解决了对应点匹配的问题，真正突破了立体视觉系统的局限性，指出以边界点为匹配特征的三目视觉系统的三元分布精度较高。艾亚珍提出以多边形近似的边界点为特征的三眼匹配算法作为特征，并在移动机器人中使用。三目视觉系统的优点是可以充分利用第三相机的信息并减少误差。匹配解决了双目视觉系统匹配的歧义，提高了定位精度。但是，三目视觉系统应正确定位三个摄像机的相对位置。与双目视觉系统相比，其结构配置更为繁琐，匹配算法也更为复杂。

全景视觉，全景视觉系统是具有较大水平视场的多方向成像系统。优点是更大的视野可以达到360度，这是其他传统镜头无法比拟的，通过一种方法或通过抵制反射光学元件可以实现图像的视觉系统。图像拼接方法使用单个或多个相机旋转以大角度扫描场景，以获得不同方向上的连续多幅图像，然后使用拼接技术获得全景图像。 折反射全景视觉系统由CCD摄像机，折反射光学组件等组成。镜象原理可用于观察360度场景。成像速度快，可以满足实时要求。它具有非常重要的应用前景，可应用于机器人导航。全景视觉系统本质上也是单眼视觉系统，并且不提供场景的深度信息。另一个特征是所获取的图像具有较低的分辨率并且图像具有较大的失真，这影响了图像处理的稳定性和准确性。在图像处理中，首先根据成像模型校正畸变图像。这种校正过程不仅会影响视觉系统的实时性能，还会导致信息丢失。另外，这种视觉系统对全景镜要求很高的处理精度。如果双曲镜面的精度不能令人满意，则使用理想模型进行图像校正时将存在较大偏差。

混合视觉系统，混合视觉系统吸收了各种视觉系统的优势，使用两个或多个视觉系统形成一个复合视觉系统，主要使用单眼或双目视觉系统，并配备了其他视觉系统。全景视觉系统由球面反射系统组成，其中，全景视觉系统提供具有大视角的环境信息，双目立体视觉系统和激光测距仪以检测附近的障碍物。清华大学的朱志刚使用相机开发了一种多尺度的视觉系统。传感器系统POST实现了双目注视，全向观察以及左右两侧的全景全景成像，从而为机器人提供了导航。 全景视觉系统具有全景视觉系统视野大的优点，同时具有双目视觉系统精度高的优点，但系统结构复杂且成本较高。

在不久的将来，智能生活必将进入我们的生活。有兴趣进入未来前沿行业的朋友可以收集智慧生活，并及时获得人工智能，大数据，云计算和物联网。前沿的信息和基础知识，让我们共同努力，引领人工智能的未来！