机器人视觉是一种处理问题的研究手段。经过长时间的发展，机器人视觉在定位，识别，检测等多个方面发展出来各种方法。其以常见的相机作为工具，以图像作为处理媒介，获取环境信息。
相机是机器人视觉的主要**，也是机器人视觉和环境进行通信的媒介。相机的数学模型为小孔模型，其核心在于相似三角形的求解。其中有三个值得关注的地方：
1.1 1/f = 1/a + 1/b
焦距等于物距加上像距。此为成像定理，满足此条件时才能成清晰的像。
1.2 x = x * f/z
如果连续改变焦距f ，并同时移动相机改变z，则可以使得物体x在图像上所占像素数目不变(x)。此为dollyzoom原理。如果某个物体在该物体后方(更大的z)，可利用此原理任意调整两个物体在相片上的比例。
1.3 焦距越长，则视场越小，可以将远处的物体拍清晰。同时相片会有更大的景深。
消失点是相片中特有的。此点在相片中不直接存在，在现实中直接不存在。由于射影变换，相片中原本平行的线会有相交的趋势。如果求的平行直线在图像中的交点，则该点对应现实中无穷远出的一点。该点的图像坐标为[x1 x1 1]。此点成为消失点。相机光心与消失点的连线指向消失点在摄像机坐标系中的方向。
此外，同一平面上各个方向的消失点，会在图像中组成一条直线，称为水平线。该原理可以用于测量站在地上的人的高度。值得注意的是只有相机水平时，horizen的高度才是camera height.
如果我们能获得一幅图中的2个消失点。且这2个消失点所对应的方向是相互垂直的（网格），那么我们就可以估计出相机相对于此图像的姿态（靶标位姿估计）。 在获得相机相对于靶标的旋转向量后，如果相机内部参数已知，且已知射影变换矩阵，则可计算相机相对于靶标的距离，那么可以估计机器人的位置。h = k^-1*(h射影矩阵)
p1×p2 = l12
l12×l23 = p2
射影变化是空间中平面---平面的一种变换。对齐次坐标，任意可逆矩阵h均表达了射影变换。简而言之，可以表达为a = hb ，其中ab是[x y 1]形式的其次坐标。射影变换的一大作用就是将某一形状投射成其他形状。比如，制作相片中的广告牌，或者比赛转播中的广告牌，或者游泳比赛运动员到达后那个biu的一下出现的国旗。射影变换也是增强现实技术的基础。
射影变换的核心在于h的求取。普通的求解方法见机器视觉教材。
假设平面相片的四个点分别是a(0,0,1),b(0,1,1),c(1,1,1),d(1,0,1)。显然，这四个点需要投射到四个我们已知像素位坐标的图像区域中。此外，我们还可以依据像素位置计算两个有趣的点，v1(x1, y1, z1)，v2(x2,y2,z2)。这两个点都是图像点。他们对应的实际坐标假设是(0,1,0),(1,0,0)。那么我们就有三个很有趣的实际点了。分别是(1,0,0),(0,1,0),(0,0,1).恰好是一个identity matrix。这三个实际坐标经过射影变换会得到像素坐标。像素坐标又是已知的。那么h的第一列就应该对应beta*v2,第二列应该对应alpha*v1。第三列应该对应gama*【a的像素坐标】。alpha beta gama是常数。【射影变化后的坐标应为常数乘以其次坐标】。
如果能解得alpha beta gama，那么我们就获得了射影变换矩阵。显然把c点的像素坐标带入方程，我们则有3个方程，4个未知数（引入了一个lamda）。但是lamda并不影响，除过去后我们只要把alpha/lamda,beta/lamda,gama/lamda当作未知数即可解除射影矩阵。
所以，射影变换矩阵的第一列代表消失点v1,第二列代表消失点v2，第一列与第二列的叉乘，代表水平线方程（点线对偶）。
文章**：博客园。
声明：部分内容**于网络，仅供读者学习、交流之目的。文章版权归原作者所有。如有不妥，请联系删除。
什么是机器视觉？机器视觉概述
人眼与大脑的协作使得人们可以获取 理解及处理视觉信息。人类利用视觉感知外界环境信息的效率很高，事实上人类获取的环境信息中有 左右是通过视觉得到的。近年来，随着计算机技术和数字信号处理技术的迅猛发展，人们学会了用摄像机获取环境图像并将其转换成数字信号，并用计算机实现对视觉信息的处理，这样就形成了一门新...
解决方案 基于三维视觉引导机器人进行软包破袋系统应用
原创 文 bft机器人。前言 近年来，随着工业自动化与物流技术的不断发展，社会生活水平提高，各行各业持续稳定发展，生产规模不断扩大，传统的人工操作已难以适应大规模的作业需求。长此以往，如何使用自动化设备提高物流效率，减少人工成本，成为目前物流行业最关心的问题。三维视觉 自动化的不二之选 为实现更高效...
基于机器视觉和深度学习的智能制造缺陷检测技术与应用
摘 要 在工业智能制造行业中，质量缺陷检测工作面临一定的困难。在传统的物体表面缺陷检测中，人工目测不但过于主观，而且效率低下。基于机器视觉和深度学习的智能检测技术借助光学成像及图像处理等功能，能够准确计算待测物体的坐标信息，然后对物体实施自动定位并引导，同时完成自动装配。该检测技术具备非接触 无损伤...