隨著機器人技術研究深入和“近人類”目標不斷推動，越來越多的學者和從業者更深刻認識到計算機視覺對機器人整個行業發展導向的重要性。目前，機器人技術逐漸由單一個體轉變為一個整體，擺動的手臂、移動的雙腳、閃爍的眼睛都使機器人整體形態看上去更像獨立個體。

　　我國機器視覺市場規模從2015年的31億元提升至2019年的103億元,年均復合增長率高達35.01%,遠高于全球市場2010-2020年11.61%的CAGR,顯示出國內機器視覺市場巨大潛力。另一方面,隨著國內機器視覺企業向工業領域滲透,工業視覺解決方案供應商向上游核心零部件領域拓展,國產品牌逐漸發揮出本土優勢,視覺裝備和解決方案的市場占有率逐漸攀升。2019年,國產品牌占工業機器視覺市場的比重上升至48.66%,預計國內企業將進一步發揮成本、反應力優勢,進一步實現國產替代。其中,北京微鏈道愛科技有限公司(以下簡稱:“微鏈視覺”)就是一股不容小覷的力量

　　據了解,微鏈視覺成立于2018年,是一家以深度學習和機器視覺為核心的新一代人工智能技術公司,在工業機器人智能引導和工業產品質量檢測的三維成像方面已有成就,多個已實施交付的項目是德國工業4.0和中國智能制造的標桿項目。

　　強團隊:人才與設備同在世界前列

　　在人才儲備上,微鏈視覺建立了完善的指導團隊、工程算法研發團隊的研發體系,本科及以上學歷達100%,團隊碩士及以上學歷約占50%,博士占比約為20%,強大的技術團隊背書是微鏈視覺產品實力的基礎。此外,微鏈視覺在溫哥華設有機器人認知技術研究院,擁有國際一流的研發人員和設備,曾名列加拿大國家前沿創新技術公司白皮書第六位、加拿大AI和德國工業4.0合作研發團成員企業,同時也是中國機器人產業聯盟理事單位。

　　不僅如此,微鏈視覺在“產學研”一體化發展正走在行業前列。據報道,微鏈視覺還與同濟大學聯合創辦了“微鏈同濟機器視覺聯合創新實驗室”,該課程也是同濟大學中德工程學院研究生的教學課程之一。“WELIINKIRT×DAOAI”認證也同步向同濟大學中德工程學院的碩士研究生和博士研究生發放。因此可見,由微鏈機器人視覺研究院主導與頒發的認證工程師,無疑是行業的標桿性資質認定。

　　硬實力:國際領先的三維成像和AI算法

　　我們知道,三維視野是人類的視野概念,機器要成為“有認知”的機器人,從而勝任更加復雜的自主工作,必須具備三維的視野,而不是二維的圖片和視頻。微鏈視覺致力于讓機器人看見、判斷、自主工作,團隊通過稀疏神經網絡算法對計算機進行模型訓練,讓機器人擁有了認知世界的能力,而機器人認知的概念,也是微鏈首次提出并獲得了革命性的突破并應用的,這無疑是引領了全球性的機器人認知技術的發展。

　　具體到產品上,為了讓智能制造擁有“眼睛和大腦”,微鏈視覺從成像系統和視覺認知系統入手進行技術突破,研發了微鏈DaoAI 3D視覺感知系統,并推出多款DaoAI 3D系列相機:DaoAI BP-S、DaoAI BP-L、DaoAI BP-M等。 其中,微鏈視覺推出的DaoAI BP-L 3D相機,可高精度識別3米以內的物體,點云識別速度0.8s,點云精度微米級,定位標定精度0.1mm?？蛇m用于3D料箱揀選、3D物料跟蹤涂膠、物流行業的拆垛、三維尺寸測量、質量檢測、三維模型重建。

　　核心技術方面,微鏈視覺擁有頂級的三維點云成像技術和自研專利I算法。微鏈提出了新的數學模型,可以實現運動下的高精度成像。DaoAI高精度3D相機可以識別細微的紋理,高質量的獲取黑色、白色、高反光物體的三維點云圖像,該圖像具有XYZ和RX、RY、RZ六個維度的數據。微鏈三維成像技術最高可以達到30fps,行業平均水平在3-5fps;而微鏈DaoAI稀疏聚合神經網絡算法,實現機器自主學習(AutoML)的物體自動識別技術系統,該技術使用龐大的通用數據集疊加特定的應用數據集,使得超過1000層的大型神經網絡推理算法能夠成功應用于數據量有限的實際應用項目。

　　總體來講,與國內外友商相比,微鏈視覺在3D相機、視覺識別算法、抓取規劃、運動避障、機器人配合等環節都性能超前,在貨品揀選/播種、上料、裝配、涂膠、檢測等制造業、物流業場景應用游刃有余

　　機器人視覺經歷了三代的發展變化，第一代的視覺系統是按照規定流程對圖像進行處理并輸出結果，第二代是由計算機、圖像輸入設備、結果輸出硬件構成視覺系統，目前最新的是采用高速圖像處理芯片，進行算法，能模擬人的高度視覺功能。典型的機器人視覺系統組成包括：圖像采集部分、圖像處理部分、運動控制部分。

　　機器人視覺主要存在的問題

　　機器視覺系統主要應用在檢測、識別、測量、定位等方面。目前機器人視覺主要存在的問題：

　　1、如何準確、高速(實時)地識別出目標。

　　2、如何有效地構造和組織出可靠的識別算法，并且順利地實現。

　　3、實時性是一個難以解決的重要問題。圖像處理速度是影響視覺系統實時性的主要瓶頸之一。

　　4、穩定性是所有控制系統首先考慮的問題，對于視覺控制系統，無論是基于位置、基于圖像或者混合的視覺伺服方法都面臨著如下問題：當初始點遠離目標點時，如何保證系統的穩定性，即增大穩定區域和保證全局收斂;為了避免伺服失敗，如何保證特征點始終處在視場內。

　　機器人視覺應當進一步研究的問題

　　1、圖像特征的選擇問題。

　　視覺伺服的性能密切依賴于所用的圖像特征，特征的選擇不僅要考慮識別的指標，還要考慮控制指標。從控制的觀點看，用冗余特征可抑制噪聲的影響，提高視覺伺服的性能，但又會給圖像處理增加難度。因此如何選擇性能最優的特征，如何處理特征以及如何評價特征，都是需要進一步研究的問題。針對任務有時可能需要從一套特征切換到另一套，可以考慮把全局特征與局部特征結合起來。

　　2、結合計算機視覺及圖像處理的研究成果，建立機器人視覺系統的專用軟件庫。

　　3、加強系統的動態性能研究。目前的研究多集中于根據圖像信息確定期望的機器人運動這一環節上，而對整個視覺伺服系統的動態性能缺乏研究。

　　4、利用智能技術的成果。

　　5、利用主動視覺的成果。

　　主動視覺是當今計算機視覺和機器人視覺研究領域中的一個熱門課題。它強調的是視覺系統與其所處環境之間的交互作用能力。與傳統的通用視覺不同，主動視覺強調兩點，一是認為視覺系統應具有主動感知的能力，二是認為視覺系統應基于一定的任務(TaskDirected)或目的，主動視覺認為在視覺信息獲取過程中，應更主動地調整攝像機的參數，如方向、焦距、孔徑等并能使攝像機迅速對準感興趣的物體。

　　更一般地，它強調注視機制，強調對分布于不同空間范圍和時間段上的信號采用不同的分辨率有選擇性地感知，這種主動感知既可在硬件層上通過攝像機物理參數的調整實現，也可以在基于被動攝像機的前提下，在算法和表示層上通過對已獲得的數據有選擇性地處理實現。同時，主動視覺認為不基于任何目的的視覺過程是毫無意義的，必須將視覺系統與具有的目的(如導航、識別、操作等)相聯系，從而形成感知/作用環。

　　6、多傳感器融合問題。視覺傳感器具有一定的使用范圍，如能有效地結合其它傳感器，利用它們之間性能互補的優勢，便可以消除不確定性，取得更加可靠、準確的結果。