机器视觉是一门研究如何使机器看世界的学科，利用视觉算法实现人类视觉系统可以完成的任务。在工业领域，机器视觉可广泛应用于工业机器人分拣、产品缺陷检测、无人驾驶、信息安全等典型场景。

  工业机器人中的机器视觉。传统的工业机器人需要通过复杂的标定和预编程实现抓取任务。随着人工智能技术的发展，目前的机器人抓取通过机器视觉技术，自动获取待抓取或装配目标的视觉坐标，通过将视觉坐标与机器人坐标匹配，结合控制程序，实现机器人的自动抓取和装配。当面对一个无序和复杂的环境时，工业机器人不再依靠设定的程序执行工作，如何对环境进行自动感知和分析从而做出判断，是目前的工业机器人抓取任务的难点。

  产品缺陷检测中的机器视觉。工业视觉缺陷检测主要有图像采集和缺陷检测两个过程。图像采集设备、拍摄角度、光照条件和环境变化等因素，造成了所采集的图像具有不同的质量，决定了图像处理的难易程度；不同图像处理算法的特征提取能力、图像预处理方法直接影响缺陷检测的准确率和误检率的高低。通过采用机器视觉技术对产品表面斑点、凹坑、划痕、色差、缺损和内部结构等缺陷进行检测，可获得检测样本表面或内部的缺陷深度、大小、轮廓、缺陷类别等相关信息。

  无人驾驶中的机器视觉。机器视觉技术为无人驾驶提供了眼睛。无人驾驶技术大致可分为3个阶段：感知、决策和控制。机器视觉技术主要应用在无人驾驶系统的感知阶段，使用视觉设备获取场景中的深度信息，采用视觉技术对深度信息进行图像语义理解，获得可行驶区域和目标障碍物；再对每一个像素的运动方向和运动速度进行估计，并对物体进行检测与追踪；最后结合SLAM技术，对整个场景进行分割、解析和理解，实现自动驾驶任务。

  安防领域中的机器视觉。机器视觉技术在安防领域具有广泛应用，比如十字路口、高速公路、停车场、飞机场等交通场景的行为预测；军事基地、银行等场景监控，重要广场、火车站等敏感公共场合的监测。通过视觉技术，在不需要人为干预的情况下，对所拍摄的行为进行自动分析，对待检测目标进行自动识别、定位、跟踪和预测，发现监控场景下的异常行为并作出响应。

  3D视觉技术是机器视觉技术发展的重要趋势。3D视觉技术主要包括：第一，多视角。给一个物体或场景拍摄一系列照片，机器视觉算法在给定的材料、视角和光照条件下计算出最能解释这些照片的三维图形，最后将特征进行聚合，形成三维物体。第二，体素。二维空间的最小单位是像素，而体素是三维空间分割上的最小单位，将物体的几何形式表示转换成最接近该物体的体素表达形式，不仅包含待检测物体的表面信息，而且能描述模型的内部属性。第三，点云。通过激光雷达和深度摄像头等测量仪器得到的产品外观表面点的数据集合称为点云，具体场景如三维虚拟试衣间、智能家居环境体验、智能机器人抓取、
 

  恢复历史遗迹的三维结构等。当前，新冠肺炎疫情防控工作形势出现积极向好态势，但还处于最吃劲的关键阶段。抢时间、补损失，贵州正在强力推进复工复产工作，可充分运用机器视觉技术助力打赢疫情防控阻击战和脱贫攻坚战。例如：推广应用智能制造、智能机器人技术与系统，在企业人员密集型生产、检测、物流等环节实现以机器换人；针对考勤可以采用人脸识别技术减少交叉接触；采用无人机、摄像头等设备的视觉功能，部分代替人工现场检查，最大限度避免人员聚集；结合在工厂、社区、火车站、机场、地铁等公共场所已有的视频监控系统，构建特殊人群甄别预警系统；积极开发基于机器视觉的公共安全及时监测、预警和快速反应的成套技术，以提高安全防范和管理水平；加快促进机器视觉技术在农业生产中的应用，用于蔬菜水果的分级及质量控制、农作物病虫害识别；加快推进机器视觉技术应用于辅助医疗诊断，推动远程看病，减少病人聚集等。

来源：《当代贵州》2020年第11期