机器视觉与计算机视觉区分

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/mango_haoming/article/details/79933809

文章同步于芒果浩明

机器视觉

机器视觉(Machine Vision),在维基百科上的解释为,

机器视觉是配备有感测视觉仪器(如自动对焦相机感测器)的检测机器,其中光学检测仪器占有比重非常高,可用于检测出各种产品的缺陷,或者用与判断并选择出物体,或者用来测量尺寸…等,应用在自动化生产线上对物料进行校准与定位。是计算机视觉中最具有产业化的部分,主要大量应用于工厂自动化检测及机器人产业等。将近80%的工业视觉系统主要用在检测方面,包括用于提高生产效率、控制生产过程中的产品品质、采集产品资料等。产品的分类和选择也集成于检测功能中。视觉系统检测生产线上的产品,决定产品是否符合品质要求,并根据结果,产生相应的信号输入上位机。图像获取设备包括光源摄像机等;图像处理设备包括相应的软件和硬件系统;输出设备是与制造过程相连的有关系统,包括可编程控制器和警报装置等。资料传输到电脑,进行分析和产品控制,若发现不合格品,则报警器告警,并将其排除出生产线。机器视觉的结果是CAQ系统的品质资讯来源,也可以和CIMS其他系统集成。

可以知道,机器是视觉与相机、光源、测量、检测、运动控制、定位等相关,其主要应用的领域也是与自动化工业相机方面相关。

计算机视觉

计算机视觉(Computer Vision),引用维基百科的解释,

计算机视觉是一门研究如何使机器“”的科学,更进一步的说,就是指用摄影机计算机代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图像处理,用计算机处理成为更适合人眼观察或传送给仪器检测的图像[1]

作为一门科学学科,计算机视觉研究相关的理论和技术,试图创建能够从图像或者多维数据中获取“信息”的人工智能系统。这里所指的信息指香农定义的,可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息,所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。

作为一个工程学科,计算机视觉寻求基于相关理论与模型来创建计算机视觉系统。这类系统的组成部分包括:

  1. 过程控制(例如工业机器人无人驾驶汽车
  2. 事件监测(例如图像监测
  3. 信息组织(例如图像数据库和图像序列的索引创建)
  4. 物体与环境建模(例如工业检查,医学图像分析和拓扑建模)
  5. 交感互动(例如人机互动的输入设备)

计算机视觉同样可以被看作是生物视觉的一个补充。在生物视觉领域中,人类和各种动物的视觉都得到了研究,从而创建了这些视觉系统感知信息过程中所使用的物理模型。另一方面,在计算机视觉中,靠软件和硬件实现的人工智能系统得到了研究与描述。生物视觉与计算机视觉进行的学科间交流为彼此都带来了巨大价值。

计算机视觉包含如下一些分支:画面重建,事件监测,目标跟踪,目标识别,机器学习,索引创建,图像恢复等

从维基百科可以了解到,计算机视觉与识别、图像处理、目标跟踪、机器学习等相关,应用领域监控、识别、安防等。

两者关系与区分

两者都是与视觉相关,都是通过使用机器或者计算机代替人眼去工作,完成人眼不方便或者难以完成的工作。但是两者的侧重和应用领域有所不同。

  • 机器视觉(machine vision)侧重的是视觉感官上去做人做不到的工作,测量定位这些,与光源镜头自动化控制相关。比如常会用在测量一个硬币的直径、检测产品的损坏与否等相关场景。机器视觉会更注重对视觉上的一个”量”的分析。相关的知识侧重相机镜头光源、图像处理、运动控制等相关。
  • 计算机视觉(computer vision)则更侧重利用计算机分析得到的图像,往往是对图像里面信息的一个分析处理。比如人脸识别、车牌识别、目标跟踪等,更加会侧重的是对视觉的一个”质”的分析。

两者本质上都是视觉,都是一门交叉学科。计算机视觉侧重计算机一些,电脑处理。机器视觉更侧重机器一些,相机选择比较重要。计算机视觉更加学术一些,CVPR很多论文。机器视觉更工程一些,自动化行业应用多。或者形象比喻地说,把摄像机对准人,就是计算机视觉。(说明计算机视觉与人工智能关系密切)。把摄像机对准机器(车间)就是机器视觉。

阅读更多
想对作者说点什么?

博主推荐

换一批

没有更多推荐了,返回首页