2、机器人视觉、机器学习与软计算工具：技术原理与应用探索

机器人视觉、机器学习与软计算工具：技术原理与应用探索

1. 机器人视觉系统的发展与目标

最初，机器人视觉设计师的目标是构建尽可能简单的系统来解决特定任务，并利用其性能改进架构。例如，Horswill开发了名为POLLY系统的低成本导航视觉系统，开发团队运用了主动、有目的且基于任务的视觉技术，该技术能计算解决特定任务所需的特定信息。Murphy则为移动机器人引入了另一种名为面向行动感知的传感组织模型，多个传感器可执行移动任务。目前，机器人视觉和感知仍是重要的研究主题。

2. 视觉识别

识别是感知的重要组成部分。人类能在动态世界中轻松感知和移动，但机器人视觉在有限且静态的环境中却需要大量计算资源和背景知识。

2.1 视觉识别中的表示与搜索问题

视觉识别过程的主要问题包括表示和搜索，即如何为对象开发合适的表示，以及在识别时如何高效搜索匹配。不同理论在表示方面有多种假设，例如：
- 表示类型：特征空间、谓词、图等。
- 每个对象的表示数量：一个3D表示或从不同视角的多个2D表示。
- 映射到表示的类别数量。
- 对象及其组成部分之间的空间关系。
- 对初始视网膜图像匹配算法的预处理量和类型。

2.2 传统理论中的表示方法

• 模板匹配
  • 原理 ：将形状投射的视网膜刺激模式的副本存储在长期记忆（LTM）中，识别过程通过比较存储的对象模板与输入数组，根据匹配与不匹配对象的比例选择最佳匹配。
  • 问