80%的人类学习都是通过视觉进行的。当考虑到可通过视觉获得多少信息时，工业机器人也需要看到才能发挥作用也就不足为奇了。
(资料图片仅供参考)
机器视觉发明于1950年代，并在1980年代越来越受欢迎。视觉系统的进步，使其成为寻求简化生产和质量检查的制造商的有利可图的工具。
在最简单的形式中，机器视觉系统由相机或传感器、照明、处理器、提取有用信息的软件和输出设备(通常是机械臂)组成。
没有机器视觉系统的机器人——盲人机器人——可以完成简单、可重复的动作，但无法与机器视觉让机器人对周围环境做出直观反应的能力相抗衡。但是，什么使机器视觉系统最有效?
灯光?相机?动作?
翻阅旧照片是一个很好的例子，说明为什么在拍摄图像时照明是关键——需要看看正在拍摄什么或谁。照明也是机器视觉系统的基础。糟糕的图像捕获会导致信息丢失，对于机器人来说，这可能会导致无法进行相关过程。
另一件要考虑的事情是放置相机或传感器的位置。成像设备可以放置在机械手本身上，称为臂端工具(EOAT)配置，也可以安装在机器人上方。在这种情况下，相机将在固定配置下俯视工作区。
固定配置通常是首选方法——摄像头具有更大的视野，可以在机器人移动时拍照，从而缩短周期时间。此外，由于相机的位置始终相同，因此无需考虑机器人运动中的细微差异。
但是，有些应用程序中EOAT配置最有效。这种配置非常适合从各个角度检查复杂零件或难以接近的区域。这会显着减慢循环时间，因为在机器人运动时相机无法捕捉图像。经验丰富的自动化顾问可以为最合适的配置提供建议。
2D，还是3D?
摄像头或传感器所需的位置还取决于部署的机器视觉类型——选择2D或3D视觉取决于应用。
在目标对象的颜色或纹理很重要的情况下，2D视觉效果很好。这传统上用于检查任务，如条形码读取或存在检测。2D视觉的局限性包括无法感知深度。任何对形状或位置很重要的任务，例如垃圾箱拣选，都可以通过3D机器视觉更好地完成。
在3D视觉中，使用多个摄像头来创建目标对象的3D模型。ShibauraMachine的TSVision3D系统以这种方式运行，因此不需要复杂的CAD数据来识别对象。
使用两个集成的高速立体摄像头来捕捉连续的实时3D图像，该软件可以识别位于其视野内的任何物体。使用这项技术，TSVision3D可以实现自动化的垃圾箱拣选，即使对于不均匀的产品-以香蕉或芒果为例。
在选择视觉系统时，制造商必须考虑机器人将与何种物体进行交互。对于垃圾箱拣选系统和不寻常形状的产品，3D视觉将是必不可少的。
技术往往模仿自然，机器视觉系统也不例外。能够看到意味着机器人可以响应其工作空间的变化，瞄准不同形状和大小的物体，使它们比盲人的前辈更灵活、更高效、更有能力。
