第一代機器人，如第一批消費級機器人吸塵器，相對來說比較簡單，自我導航和執(zhí)行任務的能力有限。這些機器人通過紅外發(fā)射器等探測障礙物，使用震動傳感器檢測碰撞。但是，這些都已成為歷史。
智能分揀機器人的缺點隨著人工智能和計算機視覺等融合技術的進步，現(xiàn)在，機器人可以看到周圍的環(huán)境，分析動態(tài)場景或變化的條件，并做出決定。而硬件創(chuàng)新進一步推動了這些功能的完善，比如越來越強大的移動平臺、更復雜的傳感器和高分辨率圖像捕獲。
有了這些資源，開發(fā)者可以專注于開發(fā)更少依賴外部硬件的更自主的智能機器人，機器人的工作環(huán)境也得到大大的拓展，并且可以處理不斷變化的環(huán)境和移動物體。為零售、汽車、農(nóng)業(yè)、工業(yè)物聯(lián)網(wǎng)、健康和企業(yè)等領域的新型機器人應用鋪平了道路。
為實現(xiàn)上述目標，機器人開發(fā)者應努力克服機器人視覺三大挑戰(zhàn)：
?確定對象的方向：不僅要識別周圍環(huán)境中的對象，還必須確定它們在3D空間中的方向，以便機器人與這些對象交互和/或回避這些對象。
?處理移動對象：給定環(huán)境中的對象可能不是靜態(tài)的。機器人需要在空間和時間上檢測、識別和跟蹤對象。
?導航：要使機器人具有自主性，還需要相應的算法，允許其在變化的環(huán)境中進行移動。
四階段戰(zhàn)略
開發(fā)者可以根據(jù)要求，通過采用四階段策略來克服這些挑戰(zhàn)：
1.預處理：從現(xiàn)實世界收集數(shù)據(jù)并轉換，使數(shù)據(jù)更加方便使用。
2.特征檢測：從預處理數(shù)據(jù)中提取諸如角落、邊緣等特征。
3.對象檢測和分類：從特征檢測對象，并且可以根據(jù)已知的特征圖對對象進行分類。
4.對象跟蹤和導航：跟蹤已識別對象，包括對象和在機器人導航時改變環(huán)境的視點。
然后，這些階段生成的數(shù)據(jù)可用于控制伺服、制定決策以及執(zhí)行其他高級機器人任務。
大陸分揀機器人聽起來好像工作量很大，事實上也可能如此，但幸運的是，現(xiàn)在有相應的框架和硬件，幫助您解決這個問題。QualcommTechnologies,Inc.最近發(fā)布了Qualcomm機器人RB3平臺（基于QualcommSDA845SoC及相關的QualcommRoboticsRB3開發(fā)套件。該套件為開發(fā)者提供了移動硬件功能和豐富的工具支持，助力您解決上述挑戰(zhàn)。
本系列文章共兩篇，在第一篇中，我們將介紹該策略的前兩個階段：預處理和特征檢測，以及如何使用功能豐富的開發(fā)工具包（如QualcommRoboticsRB3開發(fā)套件。
閃兔分揀機預處理
機器人使用一個或多個攝像頭和/或其他傳感器從現(xiàn)實世界收集數(shù)據(jù)。但是，這些原始數(shù)據(jù)可能不適合于滿足既定目標所需的準確計算和預測。此時，可以使用數(shù)字信號處理等方法，“清理”數(shù)據(jù)，使其方便使用。比如，可以采用多種方式清理圖像數(shù)據(jù)，包括調(diào)整大小、伽馬校正和對比度增強；而傳感器數(shù)據(jù)，如來自QualcommRoboticsRB3開發(fā)套件上的慣性測量單元、加速度計、氣壓計和/或麥克風的傳感器數(shù)據(jù)，可以進行融合、內(nèi)推和/或過濾。
在處理圖像數(shù)據(jù)時，必須規(guī)劃好收集數(shù)量和速度。QualcommRoboticsRB3開發(fā)套件支持兩個圖像，這意味著系統(tǒng)必須同時處理兩個平面。此外，還可以支持16-32萬像素的分辨率和30-60fps的幀速率。同樣，可以使用QualcommSDA845上的高速和低速連接器以及您采用的傳感器類型，以各種頻率和比特率收集傳感器數(shù)據(jù)。
為減少處理這些數(shù)據(jù)的開銷，一般希望使用最低采樣率和分辨率，滿足應用程序所需的數(shù)據(jù)量即可。此外，還應盡可能將處理流程卸載到合適的處理器。QualcommSDA845與專用硬件兼容，包括QualcommHexagon685DSP和QualcommSpectra280ISP，以及更通用的QualcommKryo385CPU和面向圖形的QualcommAdreno630GPU。
在API方面，開發(fā)者可以使用Qualcomm計算機視覺庫，該庫包含許多用于圖像預處理的硬件加速API。也可以使用Qualcomm神經(jīng)處理引擎SDK，其中包含圖像預處理API，用于處理神經(jīng)網(wǎng)絡中的圖像。另外，還可以選擇使用Qualcomm驍龍異構計算SDK，進一步控制計算操作的執(zhí)行方式。
特征檢測
通過提供干凈的數(shù)據(jù)，可以提取功能。對于可視化數(shù)據(jù)，計算機視覺開發(fā)者希望的四種常用特性包括：
分揀機器人系統(tǒng)?角落：具有局部2D結構的點狀特征
?邊緣：兩個區(qū)域之間的一組點
?Blob：感興趣的區(qū)域
分揀機器人的種類及特點?脊：具有脊點的曲線
這篇維基百科文章提供了有關這些特性的更多信息，并列出了許多特性檢測器算法以及以檢測的特性類型。下圖顯示了從可視數(shù)據(jù)中檢測到的特性：
特征檢測算法需要大量處理能力，但通常逐個像素運行，因此，很適合在QualcommSDA845不同處理器上并行執(zhí)行。開發(fā)者可以使用計算機視覺庫中的特性檢測API，其中包括Harris角檢測器、FAST、HoughTransform和其他檢測器，以及基于最大穩(wěn)定極值區(qū)的對象檢測API。
結論
如何發(fā)明垃圾分揀機器人前兩個階段為機器人視覺處理打下了堅實的基礎。預處理將數(shù)據(jù)轉換為可用形式，而特征檢測則是了解數(shù)據(jù)的過程。在以后的文章中，我們將繼續(xù)探討最后兩個階段：對象檢測和分類、對象跟蹤和導航，為機器人提供導航和與周圍環(huán)境交互所需的數(shù)據(jù)。
原文標題：機器人視覺處理四階段策略
廣州分揀機器人公司移動分揀機器人的系統(tǒng)設計順豐快遞分揀機器人