導(dǎo)讀： 目前，機(jī)器視覺在工業(yè)電子以及半導(dǎo)體行業(yè)應(yīng)用還是最為主要的，如PCB板缺陷檢測、IC芯片缺陷檢測等。交通領(lǐng)域的應(yīng)用如電子眼也較為廣泛，其他行業(yè)如制藥中的藥品成分分析、互聯(lián)網(wǎng)中的視覺計算廣告、物流中的物品分揀等等，都有機(jī)器視覺應(yīng)用的影子。機(jī)器視覺——這一“第三只眼”正以巨大的能量，改變著人們的生活和工作方式。

　　想記錄眼前美景?不用再掏出相機(jī)或手機(jī)，只需一句語音指令，佩戴的輕巧時尚的谷歌眼鏡就能立刻拍出眼前的圖景;走在陌生的大街上，不用再查地圖或問路，只需將手機(jī)攝像頭對準(zhǔn)街道，諾基亞“城市萬花筒”就能將眼前的商店、餐館和景點(diǎn)直接標(biāo)注，覆蓋顯示在手機(jī)圖像上……這些以往多是在電影中看到的畫面，已成為普通人可以觸摸到的現(xiàn)實(shí)。機(jī)器視覺——這一“第三只眼”正以巨大的能量，改變著人們的生活和工作方式。記者就此專訪中國科學(xué)院自動化所專家，為讀者解密神奇的“第三只眼”

　　與人眼一決高低

　　“機(jī)器視覺就是用機(jī)器代替人眼來進(jìn)行識別、測量、判斷等。機(jī)器視覺系統(tǒng)是通過攝像頭將拍攝對象轉(zhuǎn)換成圖像信號，然后再交由圖像分析系統(tǒng)進(jìn)行分析、測量等。”中國科學(xué)院自動化研究所模式識別國家重點(diǎn)實(shí)驗(yàn)室研究員黃凱奇博士介紹：“機(jī)器視覺是一項(xiàng)典型的跨學(xué)科任務(wù)，涉及到光學(xué)、計算機(jī)視覺、模式識別、機(jī)器學(xué)習(xí)、人工智能、統(tǒng)計學(xué)、認(rèn)知心理學(xué)等等。”

　　機(jī)器視覺最早應(yīng)用于工業(yè)制造領(lǐng)域。通過機(jī)器視覺的自動識別功能，許多流水線上具有高度重復(fù)性的檢測工作都可以不再依靠人來完成，大大提高了檢測效率和精度。黃凱奇介紹，機(jī)器視覺系統(tǒng)最基本的特點(diǎn)就是提高生產(chǎn)的靈活性和自動化程度。在一些不適于人工作業(yè)的危險工作環(huán)境或者人工視覺難以滿足要求的場合，常用機(jī)器視覺來替代人工視覺。同時，在大批量重復(fù)性工業(yè)生產(chǎn)過程中，用機(jī)器視覺檢測方法可以大大提高生產(chǎn)的效率和自動化程度。

　　一個典型的機(jī)器視覺系統(tǒng)包括照明、鏡頭、相機(jī)、圖像采集卡和視覺處理器5個部分。由于采集卡能更加迅速地傳輸圖像到存儲器，且計算機(jī)速度不斷加快，所以在目前的機(jī)器視覺系統(tǒng)中，視覺處理器的應(yīng)用逐漸減少。圖像采集卡在機(jī)器視覺系統(tǒng)中舉足輕重。比較典型的PCI或AGP兼容的捕獲卡，可以將圖像迅速地傳送到計算機(jī)存儲器進(jìn)行處理。有些采集卡有內(nèi)置的多路開關(guān)，可連接多臺相機(jī)，能控制采集卡采用任意一個相機(jī)捕獲的信息。

　　伴隨著技術(shù)的發(fā)展，機(jī)器視覺的功能也在不斷擴(kuò)展。黃凱奇說：“缺陷檢測是通過機(jī)器視覺手段來分析零部件信息，從而判斷其是否存在缺陷;測量是通過使用機(jī)器視覺來對考察對象的尺寸、形狀等信息進(jìn)行度量;人機(jī)交互是利用機(jī)器視覺工具分析人或者其他機(jī)器發(fā)出的指令，從而實(shí)現(xiàn)對機(jī)器的操縱;環(huán)境建模是對機(jī)器周圍環(huán)境進(jìn)行感知建模，比如移動機(jī)器人對路面環(huán)境進(jìn)行感知建模等。”

　　“目前總的看來，機(jī)器視覺在工業(yè)電子以及半導(dǎo)體行業(yè)應(yīng)用還是最為主要的，如PCB板缺陷檢測、IC芯片缺陷檢測等。交通領(lǐng)域的應(yīng)用如電子眼也較為廣泛，其他行業(yè)如制藥中的藥品成分分析、互聯(lián)網(wǎng)中的視覺計算廣告、物流中的物品分揀等等，都有機(jī)器視覺應(yīng)用的影子。”黃凱奇說。

　　機(jī)器視覺——這“第三只眼”已在多個領(lǐng)域展現(xiàn)出了比人眼更強(qiáng)大的功能。黃凱奇表示：“機(jī)器視覺利用好了完全可以比人做得更好，因?yàn)椴煌娜嗽谟^看時，信息得不到充分和及時的交流，主觀性也很強(qiáng)。而機(jī)器視覺不僅計算功能強(qiáng)大，而且獲取的信息通過協(xié)同分析后得到的知識會具有‘極高’的價值，尤其在其更趨于智能化之后。”

　　　捕獲“深度”世界

　　在現(xiàn)實(shí)生活中，我們越來越需要更多的三維模型來實(shí)現(xiàn)對物體或環(huán)境的全面掌握。“獲得三維模型有兩種基本方式，一種是利用激光掃描儀，一種是拍攝照片。但激光掃描儀的成本高，也有可能會對樣本帶來一些損害。第二種方式的成本小，而且在精度上也跟激光掃描儀相差無幾，因此成為了現(xiàn)在研究的一個熱點(diǎn)。”中國科學(xué)院自動化研究所模式識別國家重點(diǎn)實(shí)驗(yàn)室副研究員高偉博士一邊展示他們的三維重建照片，一邊介紹。

　　高偉說，一般的圖像上是沒有長度、距離等深度信息的，而三維模型則能更加全面、精確地記錄環(huán)境，可以直觀呈現(xiàn)物體的位置、距離、姿態(tài)等。高偉所在的機(jī)器人視覺團(tuán)隊研究開發(fā)的中國古代建筑全自動三維重建系統(tǒng)，能夠?qū)崿F(xiàn)全自動三維建模，即從底層圖像處理到生成最終的三維模型，全部自動實(shí)現(xiàn)，無需人工交互。它對圖像的拍攝方式也無特殊約束和限制，只需手持自由拍攝即可。在精度上，也與激光掃描精度相當(dāng)，精度小于3cm/100米，通過配備更高像素數(shù)量的相機(jī)和長焦鏡頭還可以實(shí)現(xiàn)毫米級重建。

　　此外，在實(shí)時定位與在線三維重建方面，機(jī)器視覺也具有極大的應(yīng)用潛力。高偉介紹了通過機(jī)器視覺在手機(jī)上增強(qiáng)現(xiàn)實(shí)的原理，即將手機(jī)上攝像頭讀取的視頻作為輸入，通過初始化、特征點(diǎn)提取、動態(tài)模板特征點(diǎn)匹配、幾何變化計算階段后得到視頻每一幀中感興趣區(qū)域的位置。諾基亞手機(jī)的“城市萬花筒”就是一個應(yīng)用實(shí)例。

　　高偉所在團(tuán)隊在視覺信息處理上的突出創(chuàng)新能力，不斷吸引著國際大企業(yè)前來合作。“我們現(xiàn)在就正與諾基亞公司進(jìn)行合作，共同研究實(shí)時定位和在線三維重建。目前，我國基于機(jī)器視覺的三維重建技術(shù)在國際上可以說處于領(lǐng)先地位，應(yīng)用也是比較廣泛的。”高偉說：“除了以上介紹的，還能用在一些不太適合人工作業(yè)的環(huán)境監(jiān)測方面，像對露天煤礦的監(jiān)測，就是通過無人機(jī)對煤礦進(jìn)行全方位拍攝，生成三維模型來實(shí)時監(jiān)測礦山的變化。此外，也能應(yīng)用于城市規(guī)劃、數(shù)字媒體、三維試衣、牙模制造等多方面。”

　　由于單純依靠圖像信息很難實(shí)現(xiàn)快速、稠密的三維重建，高偉所在團(tuán)隊也在深入研究將多種傳感器信息相互融合進(jìn)行三維重建的方法。目前，他們已開發(fā)出了利用單目視覺同步定位與地圖創(chuàng)建技術(shù)以及微軟公司的Kinect設(shè)備(微軟公司開發(fā)的應(yīng)用于Xbox360主機(jī)的周邊外設(shè)，集成一個彩色攝影機(jī)、一個紅外攝像機(jī)和一個紅外投影機(jī))的全自動場景快速重建系統(tǒng)。這一系統(tǒng)對單幀視頻圖像的處理時間小于50毫秒，可重建出稠密的三維點(diǎn)云，能廣泛應(yīng)用于多種室內(nèi)場景，使用者可以隨意自由拍攝。

　　　互動“大數(shù)據(jù)”時代

　　在備受關(guān)注的美國政府公布的“大數(shù)據(jù)研發(fā)計劃” (Big Data Research and Development Initiative)中包含一個旨在為機(jī)器建立視覺智能的Mind's Eye 項(xiàng)目。該計劃稱，傳統(tǒng)的機(jī)器視覺研究的對象選取廣泛的物體來描述一個場景的屬性名詞，而Mind's Eye旨在增加在這些場景的動作認(rèn)識和推理需要的知覺認(rèn)知基礎(chǔ)?？傊?，這些技術(shù)可以建立一個更完整的視覺智能效果。

　　由此可見，走在信息科技前沿的美國已對機(jī)器視覺與大數(shù)據(jù)時代的互動關(guān)系先知先覺。黃凱奇指出：“大數(shù)據(jù)時代最樸素也是最深刻的特點(diǎn)就是‘大’。統(tǒng)計學(xué)中的大數(shù)定律指出，當(dāng)隨機(jī)事件或者試驗(yàn)在大量重復(fù)出現(xiàn)的條件下，往往呈現(xiàn)幾乎必然的統(tǒng)計特性。確切地說，大數(shù)定律是以確切的數(shù)學(xué)形式表達(dá)了大量重復(fù)出現(xiàn)的隨機(jī)現(xiàn)象的統(tǒng)計規(guī)律性。對于依賴數(shù)據(jù)規(guī)律的機(jī)器視覺算法來講，大數(shù)據(jù)無疑為人們進(jìn)一步發(fā)現(xiàn)人類的認(rèn)知機(jī)理，實(shí)現(xiàn)更加魯棒[魯棒是Robust的音譯，也就是健壯、強(qiáng)壯、堅定、粗野的意思。魯棒性(robustness)就是系統(tǒng)的健壯性]的機(jī)器視覺算法提供了可能。另一方面，隨著機(jī)器視覺系統(tǒng)更加魯棒穩(wěn)定，更加智能，它在收集、分析、處理海量信息方面也將發(fā)揮更加重要的作用。簡言之，機(jī)器視覺一邊借大數(shù)據(jù)之利不斷發(fā)展，一邊又靠技術(shù)的完善而反哺大數(shù)據(jù)時代，形成一個良性的互動。”

　　然而，這種互動要想真正建立，還需要加強(qiáng)技術(shù)和產(chǎn)業(yè)的雙輪驅(qū)動。“國外在上世紀(jì)80年代就已出現(xiàn)大量的機(jī)器視覺產(chǎn)品，而我國機(jī)器視覺技術(shù)的應(yīng)用始于90年代末。雖然在過去10年有了長足的發(fā)展，但目前絕大部分還處于追趕狀態(tài)，一個是技術(shù)上的積累與創(chuàng)新跟國外相比還存在較大差距。另外一個是國內(nèi)在應(yīng)用創(chuàng)新上也存在不足，很多都是跟隨國外的應(yīng)用案例或者通過代理相關(guān)產(chǎn)品來實(shí)現(xiàn)模仿應(yīng)用等。”黃凱奇表示。

　　目前，機(jī)器視覺在交通等多個領(lǐng)域的應(yīng)用仍相對單一，存在著多層面阻礙其進(jìn)一步產(chǎn)業(yè)化發(fā)展的因素。黃凱奇分析說，首先在魯棒穩(wěn)定的機(jī)器視覺系統(tǒng)方面，因?yàn)闄C(jī)器視覺技術(shù)涉及眾多學(xué)科，需要不同學(xué)科協(xié)同創(chuàng)新才能突破目前發(fā)展的技術(shù)瓶頸。再一個就是標(biāo)準(zhǔn)方面，目前大部分廠家為了自身的短期局部利益都各自開發(fā)封閉的設(shè)備、協(xié)議、系統(tǒng)，這對整個行業(yè)的發(fā)展極為不利。“如何破除這種封閉狀態(tài)的弊端，制定行業(yè)統(tǒng)一開放標(biāo)準(zhǔn)是促進(jìn)機(jī)器視覺行業(yè)形成大格局、大產(chǎn)業(yè)的必經(jīng)之路。”黃凱奇說。

　　“還有一點(diǎn)原因，就是關(guān)于機(jī)器視覺剛需的創(chuàng)造。我國是一個典型的勞動力密集國家，大部分行業(yè)依靠的是低廉的大量富余勞動力。而機(jī)器視覺與自動化息息相關(guān)，因此如何一方面有效解決就業(yè)問題，另一方面又高效推進(jìn)機(jī)器視覺相關(guān)自動化產(chǎn)品設(shè)備的推廣使用，是政府部門、企業(yè)需要面對的問題。”黃凱奇表示。