机器视觉的前世今生

《机器视觉的前世今生》由会员分享，可在线阅读，更多相关《机器视觉的前世今生（10页珍藏版）》请在金锄头文库上搜索。

1、 机器视觉的前世今生机器视觉的前世今生 演讲人：演讲人：Perry West,凌云公司市场部翻译整理凌云公司市场部翻译整理 千百年来，对未来的预测是人类永恒的话题。当历史步入瞬息万变的现代社会，随着科学发展和技术变 革给人类社会带来翻天覆地的变化，占卜未来已经不再局限于的对宇宙和生命的探索，在市场化的社会 形态中，谁能够准确预知未来技术的发展，谁就能在激烈的竞争中赢得先机，从而获得飞速的发展。在 10 月 21 日召开的 Vision China2009 上， 前美国自动化工业协会主席 Perry West 先生为中国机器视觉人 带来了题为“The Future Starts Today”的演

2、讲，老先生用其 30 年机器视觉行业的丰富经验，与我们一同 分享了机器视觉行业的前世今生，并启发我们用如何用科学的视角来展望技术发展的未来。 下文是凌云公司的整理讲稿内容，与大家一起共享。 我非常高兴今天能参加本届 Vision China，尤其是在今天这个时刻。最近我们迎来了机器视觉行业一个 有一个的里程碑事件，图像与视觉行业正在发生着一场翻天覆地的变革，未来将从今天起航！ 相信我们在座的每个人怀着学习新知识的愿望相聚在这里，都希望能够能学到新的知识，因为我们都渴 望拥有美好的未来。那今天，我愿与大家分享我的观点，希望这些观点对你们有意义，并能帮助你们的 公司在未来拥有更好是优势。 首先给大

3、家讲一件我曾亲身经历的事。许多年前，我曾参加一家美国公司的紧急高层会议。那家公司在 当时美国的自动化行业机器视觉设备市场份额最高的企业，其产品客户满意度很好。但他们遇到了严重 的财务困难，没有资金引进新技术。他们问题是：如果不进行技术更新和产品升级，公司是否能够存活 下去？当时，尽管我知道我的观点会对他们的决策有很大影响，但我还是坦诚地说“不行，没有技术更 新，公司无法存活下去。”就这样，这个公司从此被关闭了。但我想说的是，希望不会有类似的情况发 生在我们这座各位的企业身上。 1/ 10 2/ 10 这个故事告诉我们，掌握未来的技术是企业成功的关键。那么，如何预测机器视觉行业的未来呢？让我

4、 们来从三个方面来考虑： 首先，以往哪些重要技术进步对我们现在的应用有着巨大的影响？ 其次，需要关注新技术的那些方面？ 最后，新技术的突破是可以预见的，如何找到线索？ 从这些角度考虑，会让我们更好的预见未来的技术趋势。 技术的发展分为两类，一类是技术的进步，另一类是技术变革。技术进步是指发展和优化现有的技术， 我们每一位同事可能都在为技术进步做着贡献。而技术变革是指翻天覆地变化，这些技术不仅彻底地改 变了产品形态，甚至改变人们的工作模式和企业的商业模式。 关于过去关于过去 回顾机器视觉的历史，为这个行业带来重大变革的三项技术是：电视机、半导体和电脑。 电视机电视机 电视机出现之前，人们最主要的

5、娱乐方式是听收音机，后来“WOO！”，电视机横空出世。在改变人类 娱乐方式的同时也开启了机器视觉行业的发展。 最早的机器视觉系统出现于 1967 年， 采用闭路电视成像， 然后将视频信号传输到电子电路中，来检测工件。当时采用电视机的理由仅仅是因为这是我们唯一可以 获得物体图像的途径，尽管隔行扫描，模拟信号，固定的分辨率都不是我们所喜欢的，但是我们别无选 择。 此后，又一次电视技术的变革同样给机器视觉带来巨大的影响，这就是高清电视 HDTV 制式。自从今年 年初美国强制推广 HDTV 以来，很多国家都有各自的 HDTV 计划，中国也正在进行。HDTV 为机器视觉 带来了更高的图像分辨率、逐行扫描

6、以及数字信号。 半导体半导体 图图 晶体管的诞生晶体管的诞生 1947 年贝尔实验室研制出第一个晶体管，拉开半导体行业的序幕。又过了 14 年，当 1961 年在德州仪器 的 Jack Kilby 和仙童半导体的 Rorbert Noyce 同时研发出集成电路时，才开始了这个行业的飞速发展历 程。由于 Kilby 的发明更早几天，而最终被授予了该项技术的专利。 半导体技术的发展给机器视觉奠定了重要的技术基础，早期的电视摄像机都是采用真空电子管进行成像， 而半导体技术给我们带来的真正的固态成像芯片（solid-state image sensor）。就在前几天，让我们整个 机器视觉业兴奋的是，W

7、illard Boyle 和 George Smith 因为他们在 1969 年发明了 CCD 图像传感芯片的 杰出贡献而被授予了 2009 年诺贝尔物理学奖。 CCD 技术和 CID 及 MOS 成像传感技术一同，让我们拥有了更加小巧、轻便、稳定和鲁棒相机，同时也 开启了一个新的行业领域，即数码摄像。 半导体技术不仅让我们更容易的能看到影像，同时也让系统拥有了会思考的大脑。 早期的机器视觉系统完全是依靠硬件电子电路来处理图像，这些电路的处理速度和图像采集速度同步， 而且灵活性很差。 这时有一个划时代的产品，处理微处理器出现了。 3/ 10 4/ 10 图：图：Intel 公司研制的授课微

8、处理器公司研制的授课微处理器 4004 Intel 公司在 1947 年开发处理微处理器 microprocessor，不仅在技术上获得了迅速的成功，而且真正开 启了数字处理时代。而在今天，开发一套没有应用一片微处理器的视觉系统，几乎是难以想象的事。 电脑：电脑： 个人个人微处理器的诞生衍生出另一个重要的行业，那就是“家用电脑”。“家用电脑”一开始仅仅是一个超级 宠物，当苹果公司基于他的可视化计算软件 VisiCalc 在家用电脑领域取得了巨大的商业成功后，人们才 开始意识到它的潜力。 1981 年，IBM 公司经过慎重的决策，决定全力进军个人电脑行业。这个计算机行业的蓝色巨人立刻给个 人 P

9、C 市场罩上了荣誉的光环，从此也稳步奠定了机器视觉行业的 PC 之路。 关于未来关于未来 以上，我们回顾了电视、半导体和电脑技术在机器视觉历史上发挥的巨大作用。面临如此多的机遇和挑 战，未来的机器视觉会如何发展呢？ 尽管对系统可能有各种各样的要求，但是如果能关注以下三个方面，可能让我们拥有更大的优势。 更高性能的图像传感器，高分辨率和高灵敏度； 系统在复杂环境下的稳定性和适应性； 系统的易用性，包括系统自身具有适应具体应用的自我学习能力。 动因素动因素 Five Future Enablers 五大驱五大驱为了更深入地探讨这三个方面，那就让我们来看看哪些行业的发展会给机器视觉行业带来重大的影响

10、吧。 我认为以下五个行业的发展会对视觉技术产生至关重要的影响，他们分别是： 数码摄影 半导体 自动驾驶 安防 互动娱乐 笑一下笑一下 数码摄影：数码摄影：Smile在机器视觉领域，我们销售数以万计的相机；而在数码影像领域应用的相机数量将是数千万的量级。很 显然，数码摄影将给图像传感行业带来的影响将远比机器视觉更重大。幸运的是，在数码摄影应用上对 芯片技术指标的期望和要求，与机器视觉行业的要求是基本一致的，我们都希望能够拥有更高的分辨率 和更高的灵敏度。 olution 分辨率分辨率 Res对于半导体成像芯片而言，有两种提高分辨率的途径，一是在不改变单个像元大小的前提下扩展芯片的 尺寸；另外就是

11、缩小单个像元的尺寸以在同样的芯片面积上拥有更多的像元。 下图是一张放大后的 CMOS 芯片，用方框标出的部分是一个成像单元。固态成像芯片的成本并非与他的 尺寸成正比。制造一个高分辨率的大面阵的芯片会大大增加芯片的成本。 5/ 10 通常，图像传感器芯片的像元尺寸都在 4um 到 7um 之间。尽管 Sony 公司一年前宣布他们正在设计开发 1.2um 像元的芯片，但这么小的像元并不能充分发挥它在分辨率上的优势。镜头光学分辨率的极限大概 是在 4um 到 7um 之间，目前还没有适合 1.2um 的像元普通光学镜头，在可接受的价格范围内镜头能做 到什么程度，是值得我们拭目以待的事情。 图：放大

12、后的图：放大后的 CMOS 芯片芯片 sitivity 灵敏度灵敏度 Sen那灵敏度又如何呢？在研究固态成像芯片的灵敏度前，我们先来看一下传统胶片的工作原理。如果放大 胶片，就能看到一个一个的卤化银液态颗粒。很多人不知道的是，这些颗粒有两种状态，当吸收了一个 光子后就变成黑色。而图像中灰度是有无数的这样的二值状态的颗粒的百分比来获得的。 图：放大后的胶片细节图：放大后的胶片细节 6/ 10 现在科学家们正在研制一种新型的成像芯片，他的工作原理和胶片相似，每个感光单元都是二值状态的， 一但感光就会改变状态，我们称之为盖革模式（Geiger）。理论上这种成像芯片的灵敏度可以做到单光 子探测。在传

13、统像元大小的面积上（如 4um 见方），将会有几千个这样的感光单元，通过他们的均值获 得图像灰度。下图显示的是一个图像阵列，其中每个像元工作在盖革模式下，通过改变每个成像单元面 积的大小，我们可以在灵敏度和分辨率之间进行平衡。 ctors 半导体：半导体：Semicondu自从 1971 年第一个微电子处理器 4004 问世以来，半导体工业给世界带来了翻天覆地的变化，现在普通 PC 中的 CPU 的运算能力已经提高了数百倍以上，并且还出现了专门针对图形处理微处理芯片 GPU。 GPU 可以并行处理 512 路信号，是高数据量密集型的复杂处理器，同时针对图像图形处理函数，适合大 数据量，阵列模式

14、的数据处理，能满足现有 CPU 因速度而无法满足的应用需求。 Intel 4004 标准标准 CPU 芯片芯片 GPU 芯片芯片 现在还有一种新兴处理方式叫做云计算。他是通过网络上的数百台计算机共同完成同一计算任务从而缩 短运算时间的方法。原来通过一台计算机需要 1 年半的时间完成的神经网络训练，通过云计算的方法可 以将时间缩短到 1 天以内。在机器视觉领域，如果能够将 GPU 和云计算相结合，运用几百台含有 GPU 处理芯片的网络计算机联合，将有可能将这样的训练过程最终缩短到几分钟以内。 说到半导体行业，我们不能不提及的是摩尔定律。戈登摩尔，Intel的创始人之一，指出：IC上可容纳的晶 体

15、管数目，约每隔 18 个月（后来被修正成 2 年）便会增加一倍，性能也将提升一倍。 图：摩尔定律曲线图：摩尔定律曲线 7/ 10 这是一个几何级数的曲线，增速非常快，从上图中我们可以看到，30 年间半导体的集成度从最早的单位 面积 1000 个晶体管发展到现在的 100 万个晶体管。半导体行业已经出人意料地遵循摩尔定律发展了 38 年，在这么高的基数上，半导体行业还能遵循摩尔定律继续发展下去吗？很多人都对此产生怀疑，包括 戈登摩尔本人。这不仅仅是因为技术本身，同时也是经济问题。因为每当半导体行业发生代跃迁的时候， 都需要巨大的投资，新设备的研制和新产线（Foundry）的投入。 但我还是相信有这种可能，因为在过去的半导体行业的发展过程中也遇到过很多困难，这些困难在当时 被人们认为是不可克服的，但最终都会由技术的突破得以实现。目前，半导体芯片还都是在二维的平面 上进行集成，未来可能出现三维的集成方式，如果这种技术得到突破，半导体行业就会遵照摩尔定律继 续发展下去。 半导体行业这种发展会对机器视觉有怎样的影响呢，那就是处理速度，在未来我们可以拥有系统更高的 运算能力，让以前不敢想象的复杂的算法变成现实。 igation 自动驾驶：自动驾驶：Autonomous Vehicle Nav接下来我们再来看一个新