机器人视觉、机器视觉傻傻分不清楚，看了它们的族谱你...

四元数视觉

' c& x' D: ?% Q5 L- g0 B
机器人视觉、机器视觉傻傻分不清楚。你是不是也有这么个疑问呢？机器人视觉和机器视觉是一样的吗？它们有什么不同？答案当然是不一样。
5 b% M" n) i4 w
: _0 |; q$ k9 F- t机器人视觉是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。机器人视觉主要研究用计算机来模拟人的视觉功能从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。
* f4 n+ r3 f4 \6 y' b
+ |& @$ \7 s0 G5 i$ n* O# Q% J机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
说到这里那就不得不说说它们的"族谱"了。
& `1 h$ L( k* T( j& J
# `! h! I6 M" w( n从族谱图中可以看出计算机视觉可以看作是他们的父母。然而，为了详细的了解他们在整个系统中的位置，我们要更进一步介绍他们的祖父母-信号处理。
& q7 @: f' \, N% J, g! d
' k' l3 i/ s7 [8 B/ `; @信号处理
' g& n% S3 T8 c! {0 F7 O' N  q5 ?信号处理包括处理电子信号、或是清理(例如：除噪)、提取信息、为输出到显示端的前置预处理、或者为他们的进一步处理做准备的预处理。任何东西都可以是一个信号，或多或少，有各种类型的信号可以被处理，例如：模拟信号，数字信号，频率信号等等，图像基本上只是二维(或更多维)的信号，对于机器人视觉，我们感兴趣的是针对图像的处理。
- o3 I$ _( c' L* p
图像处理与计算机视觉
计算机视觉和图像处理就像堂兄妹，但他们有着很不同的目标。图像处理技术主要是用来提高图像的质量，将其转换成另外一种格式(如直方图)或改变它以进一步处理。另一方面，计算机视觉更侧重于从图像中提取信息，以感知它们。因此，您可能会使用图像处理将彩色图像转换为灰度图像，然后用计算机视觉检测图像中的对象。如果我们再进一步往上看这个族谱，我们看到，这两个领域都受物理领域很大的影响特别是光学。

2 `+ ?" x' I* |' H8 R) j0 a' I9 l图形识别与机器学习
到目前为止，情况还这么简单。当我们将图形识别或更广泛的机器学习加入到族谱中的时候，情况就开始变得有些复杂，这个分支专注于识别数据中的图形，对于需要机器人视觉相对更先进的功能来说这是相当重要的。例如，为了能够从它的图像中识别一个对象，该软件必须能够监测到它所看到的对象是不是之前看到过的对象。因此，机器学习是计算机视觉除信号处理之外的另外一个母体。
8 c9 L! V3 q* E  }然而，并不是所有的计算机视觉技术都需要机器学习，你也可以仅使用信号而不是图像进行机器学习，然后将其作为一个Input输入到机器学习算法。例如。计算机视觉检测到传送带上的零件大小和颜色，然后机器学习根据它从正常的良品看起来应该是什么样子学到的知识，来判定这些零件是不是不良品。
8 P! @* }- z1 u- M某种程度上来说，你可以认为机器视觉是计算机视觉的孩子，因为它使用计算机视觉和图像处理的技术和算法。但是，虽然它可以用来指导机器人的，他又不完全是机器人视觉。它更侧重于特定的应用，而不仅仅是关注技术的部分，机器视觉是指工业用途的视觉来进行自动检测、过程控制和机器人导引。族谱的其余部分是科学领域，而机器视觉是一个工程领域。

看到这儿你会发现，机器人视觉采用了所有以前的技术。在许多情况下，机器人视觉和机器视觉相互交替使用。然而，还是有些微妙的差异，一些机器视觉应用，如零件监测，与机器人无关，工件仅仅是放置在一个用来探测不良的视觉传感器前面即可。
此外机器人视觉不仅是一个工程领域，它也是一门有自己特定的研究领域的科学，区别于纯计算机视觉研究，机器人视觉必须将机器人技术纳入到其技术和算法。视觉伺服就是一个智能被称为机器人视觉技术而不是计算机视觉的完美典范。它涉及到机器人的运动控制，通过使用视觉传感器检测到机器人位置的反馈。
通过介绍它们的族谱大家有没有明白了解呢？深圳四元数致力于运动控制、图像与视觉传感等工业自动化技术的研发和应用，产品广泛应用于印刷设备、模切设备、贴合设备、多轴数控设备、机械手、电子加工和检测设备、激光加工设备、抛光机械生产自动化等工业控制领域。
% Y0 v* L6 |9 R