合作智能采集器在机器人视觉系统中面临的问题

　　合作智能采集器在机器人视觉系统中面临的问题

　　合作智能采集器可以在机器人视觉系统中提供准确的实时视频采集，让机器人自动找到不在场的人，甚至自动跟踪人。可以说，经常使用在人力方面的智能视觉系统如视觉定位、视觉导航和导航视觉，就已经越来越多地需要基于多传感器融合的自动化运营服务系统中的自动化以及视觉定位了。自动化视觉在物流运输、商场逛街、卡片识别等方面都需要有重要的应用。

　　其实，在自动化和视觉应用方面有很多技术或方法，有些使用大量的传感器，而有些是被低功耗的光学显微镜等设备所做的。而有一种技术或方法，可以将无线多传感器接入并优化某些参数，用户无需插入无线设备就可以收集真实的采集到的物体距离和位置信息，从而规避可能被外界干扰的干扰，达到实时动态定位的目的。现代物流所面临的问题是随着模式化、流程化、复杂化和依赖*敏*感*词*的生产，具有标定与位置的计算往往需要大量昂贵的硬件和成本不可挽回的错误率。

　　这些问题的根源是物流企业面临的监管和安全问题，导致了物流业的数据知识化和物流效率的逐渐降低。这也是整个物流行业面临的问题。为了解决这个问题，把高分辨率、低误差甚至可以比现有水平更低的监测设备、传感器和用户连接起来，以达到物流运营中标定与位置计算的目的就成为必要。【图1】图1是使用5g下一代无线移动视觉采集解决方案的一个经典案例。

　　当实时检测物体检测准确率得到了显著提高以后，自动化物流问题的主要挑战就是位置计算。考虑到图像分析的通用性和实际目标很容易误报的特点，该问题同样也遇到计算复杂度问题。如果处理连续检测的话，可以通过使用稠密采样的动态图像处理技术来提高可解释性，利用边缘/包围区域来产生物体检测的精度提高因子可以提高精度而在不增加采样次数的前提下尽可能减少误差。

　　采用局部区域随机采样技术可以解决通过数据密度尽可能小进行大采样率的问题，同时可以解决边缘/包围区域上的检测问题。但是对于问题中所讨论的视觉定位，除了采样精度外，就只能优化图像分辨率或压缩信息了。大量的标定信息包括视觉常数，水平、垂直或斜角度等信息，以及不同的阴影区域和透明度等信息，如果只有少量标定信息，就必须要对检测精度进行考虑。

　　考虑到在监测中对物体位置的抽象化和更重要的是，检测算法中对通常不直接获取物体的距离的要求，因此，采用预标定框架更合适，例如在三维空间中计算位置。然而，这种方法的计算复杂度太高，因此采用稀疏或近似方法从稀疏矩阵中算出位置很可能可以得到一个更好的检测结果。因此，许多低功耗光学显微镜（lemm），如opticfus。