典型机电系统击打小球的视觉机器人涉及哪些技术

一、单目视觉单目视觉系统只使用一个视觉传感器，在成像过程中由于从三维客观世界投影到N维图像上，从而损失了深度信息，这是此类视觉系统的主要缺点。尽管如此，单目视觉系统由于结构简单、算法成熟且计算量较小，在自主移动机器人中已得到广泛应用，如用于目标跟踪、基于单目特征的室内定位导航等。同时，单目视觉是其他类型视觉系统的基础。二、双目视觉双目视觉系统由两个摄像机组成，利用三角测量原理获得场景的深度信息，并且可以重建周围景物的三维形状和位置，类似人眼的体视功能，原理简单。双目视觉系统需要精确地知道两个摄像机之间的空间位置关系，而且场景环境的3D信息需要两 个摄像机从不同角度，同时拍摄同一场景的两幅图像，并进行复杂的匹配，才能准确得到立体视觉系统能够比较准确地恢复视觉场景的三维信息，在移动机器人定位导航、避障和地图构建等方面得到了广泛的应用。然而，立体视觉系统的难点是对应点匹配的问题，该问题在很大程度上制约着立体视觉在机器人领域的应用前景。三、多目视觉系统多目视觉系统采用三个或三个以上摄像机，三目视觉系统居多，主要用来解决又目立体视觉系统中匹配多义性的问题，提高匹配精度。

三目视觉系统的优点是充分利用了第三个摄像机的信息，减少了错误匹配，解决了双目视觉系统匹配的多义性，提高了定位精度，但三目视觉系统要合理安置三个摄像机的相对位置，其结构配置比双目视觉系统更烦琐，而且匹配算法更复杂需要消耗更多的时间，实时性更差。四、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，突出的优点是有较大的视场，可以达到360度，这是其他常规镜头无法比拟的，全景视觉系统可以通过图像拼的方法或者通过折反射光学元件实现。全景视觉系统本质上也是一种单目视觉系统，也无法得到场景的深度信息。其另一个特点是获取的图像分辨率较低，并且图像存在很大的畸变，从而会影响图像处理的稳定性和精度。五、混合视觉系统混合视觉系统吸收各种视觉系统的优点，采用两种或两种以上的视觉系统组成复合视觉系统，多采用单目或双目视觉系统，同时配备其他视觉系统。

视觉传感器的全天候工作能力是强还是弱

是挺强的，从输出维度的角度来看，基于视觉传感器的感知方法可以分为2D感知和3D感知两种。专栏之前的文章也分别对这两种感知任务做了详细的介绍。

视觉传感器：2D感知算法

视觉传感器：3D感知算法

从传感器的数量上看，视觉感知系统也分为单目系统，双目系统，以及多目系统。2D感知任务通常采用的是单目系统，这也是计算机视觉和深度学习结合最紧密的领域。但是自动驾驶感知最终需要的是3D输出，因此我们需要将2D的信息推广到3D。在深度学习取得成功之前，通常的做法是根据目标的先验大小以及目标处于地平面上等假设来推断目标的深度（距离），或者采用运动信息进行深度估计（Motion Stereo）。有了深度学习的助力之后，从大数据集中学习场景线索，并进行单目深度估计成为了可行的方案。但是这种方案非常依赖于模式识别，而且很难处理数据集之外的场景（Corner Case）。比如施工路段的特殊工程车辆，由于数据库中很少出现或者根本没有此类样本，视觉传感器无法准确检测该目标，因而也就无法判断其距离。

双目系统可以自然的获得视差，从而估计障碍物的距离。这种系统对模式识别的依赖度较小，只要能在目标上获得稳定的关键点，就可以完成匹配，计算视差并估计距离。但是，双目系统也有以下缺点。首先，如果关键点无法获取，比如在自动驾驶中经常引发事故的白色大货车，如果其横在路中央，视觉传感器在有限的视野中很难捕捉关键点，距离的测算就会失败。其次，双目视觉系统对摄像头之间的标定要求非常高，一般来说都需要有非常精确的在线标定功能。最后，双目系统的计算量较大，需要算力较高的芯片来支持，一般都会采用FPGA。双目系统的成本介于单目和激光雷达之间，目前也有一些OEM开始采用双目视觉来支持不同级别的自动驾驶系统，比如斯巴鲁，奔驰，宝马等。

能。机器人作为执行机构，搭载单目相机达到指定位置， 并以优化的视角和路径获取被测对象图像序列，然后按照摄影测量理论进行三维重建，视觉系统能安装在末端执行器上，如果不能将视觉系统安装在末端执行器上，也无法获取末端执行器的图像，应用就会变得复杂。

---