第一代机器人，如第一批消费级机器人吸尘器，相对来说比较简单，自我导航和执行任务的能力有限。这些机器人通过红外发射器等探测障碍物，使用震动传感器检测碰撞。但是，这些都已成为历史。

随着人工智能（AI）、机器学习（ML）和计算机视觉（CV）等融合技术的进步，现在，机器人可以看到周围的环境，分析动态场景或变化的条件，并做出决定。而硬件创新进一步推动了这些功能的完善，比如越来越强大的移动平台、更复杂的传感器和高分辨率图像捕获。

有了这些资源，开发者可以专注于开发更少依赖外部硬件（如GPS）的更自主的智能机器人，机器人的工作环境也得到大大的拓展（如，在室内、在弱光下等），并且可以处理不断变化的环境和移动物体。为零售、汽车、农业、工业物联网（IoT）、健康和企业等领域的新型机器人应用铺平了道路。

为实现上述目标，机器人开发者应努力克服机器人视觉三大挑战：确定对象的方向：不仅要识别周围环境中的对象，还必须确定它们在3D空间中的方向，以便机器人与这些对象交互和/或回避这些对象。处理移动对象：给定环境中的对象可能不是静态的。机器人需要在空间和时间上检测、识别和跟踪对象。导航：要使机器人具有自主性，还需要相应的算法，允许其在变化的环境中进行移动。

四阶段战略

开发者可以根据要求，通过采用四阶段策略来克服这些挑战：1. 预处理：从现实世界（如，传感器和相机）收集数据并转换，使数据更加方便使用。2. 特征检测：从预处理数据中提取诸如角落、边缘等特征。3. 对象检测和分类：从特征检测对象，并且可以根据已知的特征图对对象进行分类。4. 对象跟踪和导航：跟踪已识别对象，包括对象和在机器人导航时改变环境的视点。然后，这些阶段生成的数据可用于控制伺服、制定决策以及执行其他高级机器人任务。本文将介绍该策略的前两个阶段：预处理和特征检测，以及如何使用功能丰富的开发工具包。

预处理

机器人使用一个或多个摄像头和/或其他传感器从现实世界收集数据。但是，这些原始数据可能不适合于满足既定目标所需的准确计算和预测。此时，可以使用数字信号处理（DSP）等方法，“清理”数据，使其方便使用。比如，可以采用多种方式清理图像数据，包括调整大小、伽马校正和对比度增强；而传感器数据，如来自Qualcomm Robotics RB3开发套件上的惯性测量单元（IMU）、加速度计、气压计和/或麦克风的传感器数据，可以进行融合、内推和/或过滤。

在处理图像数据时，必须规划好收集数量和速度。Qualcomm Robotics RB3开发套件支持两个（立体）图像，这意味着系统必须同时处理两个平面。此外，还可以支持16-32万像素的分辨率和30-60 fps的帧速率。同样，可以使用Qualcomm® SDA845上的高速和低速连接器以及您采用的传感器类型，以各种频率和比特率收集传感器数据。

为减少处理这些数据的开销，一般希望使用最低采样率和分辨率，满足应用程序所需的数据量即可。此外，还应尽可能将处理流程卸载到合适的处理器。Qualcomm SDA845与专用硬件兼容，包括Qualcomm® Hexagon™ 685 DSP和Qualcomm® Spectra™ 280 ISP，以及更通用的Qualcomm® Kryo385 CPU和面向图形的Qualcomm® Adreno™ 630 GPU。

在API方面，开发者可以使用Qualcomm®计算机视觉库，该库包含许多用于图像预处理的硬件加速API。也可以使用Qualcomm®神经处理引擎SDK，其中包含图像预处理API，用于处理神经网络中的图像。另外，还可以选择使用Qualcomm®骁龙™异构计算SDK，进一步控制计算操作的执行方式。

特征检测

通过提供干净的数据，可以提取功能。对于可视化数据，计算机视觉开发者希望的四种常用特性包括：角落：具有局部2D结构的点状特征。边缘：两个区域之间的一组点。Blob：感兴趣的区域。脊：具有脊点的曲线

有关这些特性的更多信息，并列出了许多特性检测器算法以及以检测的特性类型。下图显示了从可视数据中检测到的特性：特征检测算法需要大量处理能力，但通常逐个像素运行。开发者可以使用计算机视觉库中的特性检测API，其中包括Harris角检测器、FAST、Hough Transform和其他检测器，以及基于最大稳定极值区（MSER）的对象检测API。

结论

前两个阶段为机器人视觉处理打下了坚实的基础。预处理将数据转换为可用形式，而特征检测则是了解数据的过程。在以后的文章中，我们将继续探讨最后两个阶段：对象检测和分类、对象跟踪和导航，为机器人提供导航和与周围环境交互所需的数据。

(文章来源于网络，如有侵权，请联系删文)