在基本術(shù)語中，機器人視覺涉及使用相機硬件和計算機算法的結(jié)合，讓機器人處理來自現(xiàn)實世界的視覺數(shù)據(jù)。例如，您的系統(tǒng)可以使一個二維攝像頭，檢測到機器將拿起來的一個對象物。更復(fù)雜的例子可能是使用一個3D立體相機來引導機器人將車輪安裝到一個以移動中的車輛上。

　　如果沒有機器視覺，你的機器人基本上是個瞎子。對一些機器人任務(wù)來說，這也許不是一個問題。但對于某些應(yīng)用來說，機器人視覺是有幫助的，甚至是必不可少的

　　機器人視覺(Robot Vision)的“族譜”

　　機器人視覺與機器視覺密切相關(guān)，機器視覺我們稍后再介紹。他們兩個又都與計算機視覺密切相關(guān)。如果他們談?wù)摰氖且粋€“族譜”，計算機視覺可以看作是他們的 “父母”。然而，為了詳細的了解他們在整個系統(tǒng)中的位置，我們要更進一步介紹他們的“祖父母”-信號處理。

　　信號處理(SignalProcessing)

　　信號處理包括處理電子信號，或是清理(例如：除噪)，提取信息，為輸出到顯示端的前置預(yù)處理，或者為他們的進一步處理做準備的預(yù)處理。任何東西都可以是一個信號，或多或少。有各種類型的信號可以被處理，例如：模擬信號，數(shù)字信號，頻率信號等等。圖像基本上只是二維(或更多維)的信號。對于機器人視覺，我們感興趣的是針對圖像的處理。所以，我們在討論圖像處理，對嗎？不對。

　　圖像處理與計算機視覺(ImageProcessing vs Computer Vision)

　　計算機視覺和圖像處理就像堂兄妹，但他們有著很不同的目標。圖像處理技術(shù)主要是用來提高圖像的質(zhì)量，將其轉(zhuǎn)換成另外一種格式(如直方圖)或改變它以進一步處理。另一方面，計算機視覺更側(cè)重于從圖像中提取信息，以感知它們。因此，您可能會使用圖像處理將彩色圖像轉(zhuǎn)換為灰度圖像，然后用計算機視覺檢測圖像中的對象。如果我們再進一步往上看這個“族譜”，我們看到，這兩個領(lǐng)域都受物理領(lǐng)域很大的影響特別是光學。

　　到目前為止，情況還這么簡單。當我們將圖形識別或更廣泛的機器學習加入到“族譜”當中的時候，情況就開始變得有些復(fù)雜。這個分支專注于識別數(shù)據(jù)中的圖形，對于需要機器人視覺的旭東更先進的功能來說這是相當重要的。例如，為了能夠從它的圖像中識別一個對象，該軟件必須能夠監(jiān)測到它所看到的對象是不是之前看到過的對象。因此，機器學習是計算機視覺除信號處理之外的另外一個母體。

　　然而，并不是所有的計算機視覺技術(shù)都需要機器學習。你也可以使用信號，而不是圖像進行機器學習，然后將其作為一個Input輸入到機器學習算法。例如。計算機視覺檢測到傳送帶上的零件大小和顏色，然后機器學習根據(jù)它從正常的良品看起來應(yīng)該是什么樣子學到的知識，來判定這些零件是不是不良品。

　　機器視覺(MachineVision)

　　現(xiàn)在我們談到機器視覺，一切都將改變。這是因為機器視覺完全不同于之前談到的術(shù)語。它更側(cè)重于特定的應(yīng)用，而不僅僅是關(guān)注技術(shù)的部分。機器視覺是指工業(yè)用途的視覺來進行自動檢測、過程控制和機器人導引。“族譜”的其余部分是科學領(lǐng)域，而機器視覺是一個工程領(lǐng)域。

　　某種程度上來說，你可以認為機器視覺是計算機視覺的孩子，因為它使用計算機視覺和圖像處理的技術(shù)和算法。但是，雖然它可以用來指導機器人的，他又不完全是機器人視覺。