APIE2023第4届

亚太国际智能装备博览会

The 3rd Asia-Pacific International Intelligent Equipment Exposition

2023.7.18-22 青岛红岛国际会议展览中心
动态正文
机器视觉成市场新蓝海,万亿市场之下想脱颖而出还得突破这些问题
2022-04-12

     随着机器人技术研究深入和“近人类”目标不断推动,越来越多的学者和从业者更深刻认识到计算机视觉对机器人整个行业发展导向的重要性。目前,机器人技术逐渐由单一个体转变为一个整体,摆动的手臂、移动的双脚、闪烁的眼睛都使机器人整体形态看上去更像独立个体。

机器视觉.jpg

  我国机器视觉市场规模从2015年的31亿元提升至2019年的103亿元,年均复合增长率高达35.01%,远高于全球市场2010-2020年11.61%的CAGR,显示出国内机器视觉市场巨大潜力。另一方面,随着国内机器视觉企业向工业领域渗透,工业视觉解决方案供应商向上游核心零部件领域拓展,国产品牌逐渐发挥出本土优势,视觉装备和解决方案的市场占有率逐渐攀升。2019年,国产品牌占工业机器视觉市场的比重上升至48.66%,预计国内企业将进一步发挥成本、反应力优势,进一步实现国产替代。其中,北京微链道爱科技有限公司(以下简称:“微链视觉”)就是一股不容小觑的力量

  据了解,微链视觉成立于2018年,是一家以深度学习和机器视觉为核心的新一代人工智能技术公司,在工业机器人智能引导和工业产品质量检测的三维成像方面已有成就,多个已实施交付的项目是德国工业4.0和中国智能制造的标杆项目。

  强团队:人才与设备同在世界前列

  在人才储备上,微链视觉建立了完善的指导团队、工程算法研发团队的研发体系,本科及以上学历达100%,团队硕士及以上学历约占50%,博士占比约为20%,强大的技术团队背书是微链视觉产品实力的基础。此外,微链视觉在温哥华设有机器人认知技术研究院,拥有国际一流的研发人员和设备,曾名列加拿大国家前沿创新技术公司白皮书第六位、加拿大AI和德国工业4.0合作研发团成员企业,同时也是中国机器人产业联盟理事单位。

  不仅如此,微链视觉在“产学研”一体化发展正走在行业前列。据报道,微链视觉还与同济大学联合创办了“微链同济机器视觉联合创新实验室”,该课程也是同济大学中德工程学院研究生的教学课程之一。“WELIINKIRT×DAOAI”认证也同步向同济大学中德工程学院的硕士研究生和博士研究生发放。因此可见,由微链机器人视觉研究院主导与颁发的认证工程师,无疑是行业的标杆性资质认定。

  硬实力:国际领先的三维成像和AI算法

  我们知道,三维视野是人类的视野概念,机器要成为“有认知”的机器人,从而胜任更加复杂的自主工作,必须具备三维的视野,而不是二维的图片和视频。微链视觉致力于让机器人看见、判断、自主工作,团队通过稀疏神经网络算法对计算机进行模型训练,让机器人拥有了认知世界的能力,而机器人认知的概念,也是微链首次提出并获得了革命性的突破并应用的,这无疑是引领了全球性的机器人认知技术的发展。

  具体到产品上,为了让智能制造拥有“眼睛和大脑”,微链视觉从成像系统和视觉认知系统入手进行技术突破,研发了微链DaoAI 3D视觉感知系统,并推出多款DaoAI 3D系列相机:DaoAI BP-S、DaoAI BP-L、DaoAI BP-M等。 其中,微链视觉推出的DaoAI BP-L 3D相机,可高精度识别3米以内的物体,点云识别速度0.8s,点云精度微米级,定位标定精度0.1mm。可适用于3D料箱拣选、3D物料跟踪涂胶、物流行业的拆垛、三维尺寸测量、质量检测、三维模型重建。

  核心技术方面,微链视觉拥有顶级的三维点云成像技术和自研专利I算法。微链提出了新的数学模型,可以实现运动下的高精度成像。DaoAI高精度3D相机可以识别细微的纹理,高质量的获取黑色、白色、高反光物体的三维点云图像,该图像具有XYZ和RX、RY、RZ六个维度的数据。微链三维成像技术最高可以达到30fps,行业平均水平在3-5fps;而微链DaoAI稀疏聚合神经网络算法,实现机器自主学习(AutoML)的物体自动识别技术系统,该技术使用庞大的通用数据集叠加特定的应用数据集,使得超过1000层的大型神经网络推理算法能够成功应用于数据量有限的实际应用项目。

  总体来讲,与国内外友商相比,微链视觉在3D相机、视觉识别算法、抓取规划、运动避障、机器人配合等环节都性能超前,在货品拣选/播种、上料、装配、涂胶、检测等制造业、物流业场景应用游刃有余

  机器人视觉经历了三代的发展变化,第一代的视觉系统是按照规定流程对图像进行处理并输出结果,第二代是由计算机、图像输入设备、结果输出硬件构成视觉系统,目前最新的是采用高速图像处理芯片,进行算法,能模拟人的高度视觉功能。典型的机器人视觉系统组成包括:图像采集部分、图像处理部分、运动控制部分。

机器视觉.jpg

  机器人视觉主要存在的问题

  机器视觉系统主要应用在检测、识别、测量、定位等方面。目前机器人视觉主要存在的问题:

  1、如何准确、高速(实时)地识别出目标。

  2、如何有效地构造和组织出可靠的识别算法,并且顺利地实现。

  3、实时性是一个难以解决的重要问题。图像处理速度是影响视觉系统实时性的主要瓶颈之一。

  4、稳定性是所有控制系统首先考虑的问题,对于视觉控制系统,无论是基于位置、基于图像或者混合的视觉伺服方法都面临着如下问题:当初始点远离目标点时,如何保证系统的稳定性,即增大稳定区域和保证全局收敛;为了避免伺服失败,如何保证特征点始终处在视场内。

  机器人视觉应当进一步研究的问题

  1、图像特征的选择问题。

  视觉伺服的性能密切依赖于所用的图像特征,特征的选择不仅要考虑识别的指标,还要考虑控制指标。从控制的观点看,用冗余特征可抑制噪声的影响,提高视觉伺服的性能,但又会给图像处理增加难度。因此如何选择性能最优的特征,如何处理特征以及如何评价特征,都是需要进一步研究的问题。针对任务有时可能需要从一套特征切换到另一套,可以考虑把全局特征与局部特征结合起来。

  2、结合计算机视觉及图像处理的研究成果,建立机器人视觉系统的专用软件库。

  3、加强系统的动态性能研究。目前的研究多集中于根据图像信息确定期望的机器人运动这一环节上,而对整个视觉伺服系统的动态性能缺乏研究。

  4、利用智能技术的成果。

  5、利用主动视觉的成果。

  主动视觉是当今计算机视觉和机器人视觉研究领域中的一个热门课题。它强调的是视觉系统与其所处环境之间的交互作用能力。与传统的通用视觉不同,主动视觉强调两点,一是认为视觉系统应具有主动感知的能力,二是认为视觉系统应基于一定的任务(TaskDirected)或目的,主动视觉认为在视觉信息获取过程中,应更主动地调整摄像机的参数,如方向、焦距、孔径等并能使摄像机迅速对准感兴趣的物体。

  更一般地,它强调注视机制,强调对分布于不同空间范围和时间段上的信号采用不同的分辨率有选择性地感知,这种主动感知既可在硬件层上通过摄像机物理参数的调整实现,也可以在基于被动摄像机的前提下,在算法和表示层上通过对已获得的数据有选择性地处理实现。同时,主动视觉认为不基于任何目的的视觉过程是毫无意义的,必须将视觉系统与具有的目的(如导航、识别、操作等)相联系,从而形成感知/作用环。

  6、多传感器融合问题。视觉传感器具有一定的使用范围,如能有效地结合其它传感器,利用它们之间性能互补的优势,便可以消除不确定性,取得更加可靠、准确的结果。

返回列表