1樓：basicbeyond
不知道你想問什麼？看了他人的答案，偏理論偏學術。我們在評估視覺專案時，關心的是檢測速度和精度要求。
這個精度是系統精度，除了演算法之外，還要考慮運動機構的精度，機械手的精度等。大部分視覺演算法可以做到1/10甚至幾十分之一的亞畫素精度，再配合大解析度相機，不考慮運動機構的話，純從影象角度來說，基本都能搞定。但是一旦考慮機構的運動精度，很多專案基本做不了，或者得用演算法去補償，很吃力很不穩定。
或許答非所問，僅供參考。
2樓：
你的問題不是很規範，我沒有準確了解你關心的內容，泛泛說幾句。計算機視覺是AI的重要分支，熱了很多年，吸引了大量聰明的頭腦，文獻浩如煙海，確如您所說，水很深，不過「影象處理」只是計算機視覺中的乙個前端環節，簡單說還有影象分割、特徵提取、分類識別、三維重建、場景理解、目標行為分析等很多事情，計算機視覺是應用驅動的，不同應用的要求千差萬別（說到測量，也有通過視覺進行環境測量的，如雙目立體視覺可以測量目標的空間位姿）。計算視覺中採用大量機器學習演算法（如近來很熱的deep learning），可以認為分類器的研究是這個領域的重點之一吧。
前面有人提到你是否指「視覺伺服」（一種把影象特徵作為反饋訊號的閉環控制方法），我覺得應該不是（如果知道視覺伺服，你會把問題提得更清楚些）。
3樓：王會計
關於取樣頻率和上面的專家請教一下，我對此比較外行，有些想法不知可不可行。取樣的時候能不能採用高低解析度交叉的方式進行，先用乙個正常取樣，經過分析關鍵區域之後下一次就用低解析度取樣探測場景的變化，然後多次對關鍵區域進行高解析度取樣，這樣可以大幅減少需要處理的資料。
全部過程就是多次對關鍵區域進行小範圍的高解析度取樣，中間夾雜少量低解析度大範圍的取樣，極少量的插入高解析度大場景的取樣。
4樓：呂朝陽
就現在機械人視覺而言，演算法重點往往在於精確性，但實現起來的困難主要是實時性。
對機械人測量和估計，往往解決兩點：
1.自己的姿態位置狀況
2.周圍環境的位置情況
最理想的狀況是兩者都可以告訴同步實現，近似連續的，這也符合我們世界巨集觀上的運動方式。但是實際實現上，兩者在演算法上是先後實現的。這就導致了乙個問題，所有的測量和估計都是離散的，而且相對於取樣頻率來說，計算的頻率更低。
而且這種計算還受制於環境的情況，比如說乙個動態的環境，單單測量環境就需要很複雜的計算和時間消耗。
機械人控制與機器視覺？
兩個領域各有千秋.簡單的容易出東西,複雜的出東西慢.但是好玩程度,最後都差不多,是你的智商 努力 方向感與競爭者的智商 努力 方向感對比的結果.愛好和職業是兩個概念,能做到做一行愛一行的人,才有突破和發展.現在機器視覺裡面做的很多東西,其他人分分鐘學會.工作之後,自己有台電腦,其他人有台電腦,幾天,...
機械人軌跡和路徑概念不同點在哪？
可以參考之前的一篇回答。機械臂的軌跡規劃，路徑規劃，運動規劃有什麼區別呢？路徑規劃，就是path planning，也就是通常所說的從起始位置到目標位置，是走直線，走圓弧，還是走曲線。需要根據設計的需求，選擇最終的路徑。軌跡規劃 則是在選好的路徑基礎上，如何來完成這條路徑。比如說走直線，如何實現走直...
基於動力學的機械人控制 機械人的力控制，這二者是不是乙個東西？又有什麼區別和聯絡？
notsure 完全不一樣，乙個是手段乙個是目的。從題目中就可以看出來，基於 動力學的控制和機械人的 力 控制，說明了動力學是機械人控制的一種手段，而力控制是機械人控制的其中一種目的。動力學說白了就是機械人驅動力和運動之間的關係，是客觀存在的機械人物理規律。如果可以掌握完整的機械人動力學資訊，我們就...