目前來(lái)看，這一領(lǐng)域?qū)C(jī)器人焊機(jī)維修視覺(jué)的要求是：快速、、。所以，一般是采用簡(jiǎn)單的邊緣提取+邊緣匹配/形狀匹配的方法；而且，為了性、一般會(huì)通過(guò)主要打光源、采用反差大的背景等，系統(tǒng)變量。對(duì)更復(fù)雜物體的完整位姿(x,y,z,rx,ry,rz)T估計(jì)也就成了機(jī)器視覺(jué)的研究。

有紋理的物體機(jī)器人焊機(jī)維修視覺(jué)領(lǐng)域是早開(kāi)始研究有紋理的物體的，如飲料瓶、零食盒等表面帶有豐富紋理的都屬于這一類。當(dāng)然，這些物體也還是可以用類似邊緣提取+模板匹配的方法。但是，實(shí)際機(jī)器人焊機(jī)維修操作過(guò)程中，環(huán)境會(huì)更加復(fù)雜：光照條件不確定（光照）、物體距離相機(jī)距離不確定（尺度）、相機(jī)看物體的角度不確定（、仿射）、甚至是被其他物體遮擋（遮擋）。

對(duì)于不會(huì)變形的物體，特征點(diǎn)在物體坐標(biāo)系下的位置是固定的。所以，我們?cè)讷@取若干點(diǎn)對(duì)之后，就可以直接求解出相機(jī)中物體與數(shù)據(jù)庫(kù)中物體之間的單應(yīng)性矩陣，如果我們用深度相機(jī)（如Kinect）或者雙目視覺(jué)方法，確定出每個(gè)特征點(diǎn)的3D位置。

這里就放一個(gè)實(shí)驗(yàn)室之前畢業(yè)的成果當(dāng)然，實(shí)際操作過(guò)程中還是有很多細(xì)節(jié)工作才可以讓它真正可用的，如：先利用點(diǎn)云分割和歐氏距離去除背景的影響、選用特征比較的物體（有時(shí)候SIFT也會(huì)變化）、利用貝葉斯方法加速匹配等，而且，除了SIFT之外，后來(lái)又出了一大堆類似的特征點(diǎn)，如SURF、ORB等。

那么，直接求解這個(gè)PnP問(wèn)題，就可以計(jì)算出物體在當(dāng)前相機(jī)坐標(biāo)系下的位姿。四．無(wú)紋理的物體好了，有問(wèn)題的物體容易解決，那么生活中或者工業(yè)里還有很多物體是沒(méi)有紋理的：我們?nèi)菀紫氲降木褪牵菏欠裼幸环N特征點(diǎn)，可以描述物體形狀，同時(shí)具有跟SIFT相似的不。

不幸的是，據(jù)我了解，目前沒(méi)有這種特征點(diǎn)，所以，之前一大類方法還是采用基于模板匹配的辦法，但是，對(duì)匹配的特征進(jìn)行了專門(mén)選擇（不只是邊緣等簡(jiǎn)單特征），這里，我介紹一個(gè)我們實(shí)驗(yàn)室之前使用和重現(xiàn)過(guò)的算法LineMod?。

當(dāng)然，這個(gè)算法在具體實(shí)施過(guò)程中還是有很多細(xì)節(jié)的：如何建立模板、顏色梯度的表示等。另外，這種方法無(wú)法應(yīng)對(duì)物體被遮擋的情況。（當(dāng)然，通過(guò)降低匹配閾值，可以應(yīng)對(duì)部分遮擋，但是會(huì)造成誤識(shí)別），針對(duì)部分遮擋的情況，我們實(shí)驗(yàn)室的張博士去年對(duì)LineMod進(jìn)行了改進(jìn)，但由于論文尚未發(fā)表，所以就先不過(guò)多涉及了。

深度學(xué)由于深度學(xué)在計(jì)算機(jī)視覺(jué)領(lǐng)域得到了非常好的效果，我們做機(jī)器人焊機(jī)維修的自然也會(huì)嘗試把DL用到機(jī)器人焊機(jī)維修的物體識(shí)別中，首先，對(duì)于物體識(shí)別，這個(gè)就可以照搬DL的研究成果了，各種CNN拿過(guò)來(lái)用就好了。在2016年的『抓取大賽』中，很多隊(duì)伍都采用了DL作為物體識(shí)別算法。