本文目录一览：
对于人类,军事机器人有什么样的优点和缺点？
除了例如无人机技术或者拆弹机器人等特殊军事机器以外，实际上在未来战争中机器人参与的可能性很小，其优点可能就是在耐久力和价格上优于人类，要培养出一个合格的军枝含陆人要付出的代价还是很高昂的，没有哪个国家的军队承受的起大规模猛顷的牺牲。军事机器人的缺点就是实战效果了，现在的世界上还没有那老颂个国家或者企业可以大规模仿造出跟人类肌肉神经一样灵活的机械，要知道随便人类一个细胞都堪比一台精密的计算机
机器视觉和计算机视觉的区别和联系
计算机视觉和机器视觉虽然在许多方面有相似之处，但它们之间缺启歼还是存在一些关键区别。
目标：
计算机视觉（Computer Vision）主要关注从数学、计算机科学和人工智能领域对视觉感知问题的研究。其目标是教会计算机理解和解析数字图像或视频，从而实现类似于人类视觉系统伏冲的功能。
机器视觉（Machine Vision）则更侧重于使用计算机视觉技术解旁启决实际工程应用中的问题，通常应用于工业环境，如自动检测、质量控制、制造流程监控等。
处理流程：
计算机视觉通常包括图像处理、特征提取、模式识别、图像理解等多个步骤，这些步骤可以通过不同算法和模型（例如深度学习模型）实现。
机器视觉则包括采集图像、预处理、特征提取、识别与定位、决策输出等步骤。它更注重对整个流程的优化和实际应用效果。
应用领域：
计算机视觉的应用领域非常广泛，包括自动驾驶、医疗诊断、安防监控、增强现实、计算机动画等。
机器视觉主要应用于工业领域，如自动化生产线的质量检测、工件定位、装配、包装等环节。
总之，计算机视觉和机器视觉在许多方面有重叠，但它们的侧重点和应用范围有所不同。计算机视觉更关注理论和算法，而机器视觉更注重实际应用和工程问题。
机器人视觉与计算机视觉：有什么不同
计算机视觉与机器视觉，首先是应用场景不一样，就像视远图像赵旭回答的那样：你把摄像头对着人就是CV，对着车间就是MV。
计算机视觉和机器视觉应用场景不同，就像拉货车和载客车是的，侧重点不同而已，一个侧重人工智能分支，一个侧重工业应用！简单说起来的话，计算机视觉偏重于深度学习并且偏向软件，机器视觉偏重于特征识别同时对硬件方面要求也比较高，不过随着对智能识别要求越来越高的发展，这两个方向毕竟会互相渗透互相融合，区别也仅仅限于应用领域不同而已。
其次，我感觉最大的区别，在于技术要求的侧重点不一样，甚至差别很大。
计算机视觉，主要是对质的分析，比如分类识别，这是一个杯子那是一条狗。或者做身份确认，比如人脸识别，车牌识别。或者做行为分析，比如人员入侵，徘徊，遗留物，人群聚集等。
机器视觉，主要侧重对量的分析，比如通过视觉去测量一个零件的烂哪乎直径，一般来说，对准确度要求很高。我记得以前接触过一个需求: 视觉测量铁路道岔缺口。哥刚毕业的时候在铁路上班，做过控制系统，还开过内燃机车，很清楚道岔缺口的重要性，这玩意儿你说要是测不准，呵呵:)
当然，也不能完全按质或量一刀切，有些计算机视觉应用也需要分析量，比如商场的人数饥悉统计。有些机器视觉也需要分析质，比如零件自动分拣。但，计算机视觉一般来说对量的要求不会很高，商场人数统计误差个百分之几死不了人的，但机器视觉真的会，比如那个道岔缺口测量。
既然要求这么高，是不是机器视觉就比计算机视觉难呢？也不是的，应该说各有各的难处。
计算机视觉的应用场景相对复杂，要识别的物体类型也多，形状不规则，规律性不强。有些时候甚至很难用客观量作为识别的依据，比如识别年龄，性别。所以深度学习比较适合计算机视觉。而且光线，距离，角度等前提条件，往往是动态的，所以对于准确度要求，一般来说要低一些。
机器视觉则刚好相反，场景相对简单固定，识别的类型少(在同一个应用中)，规则且有规律，但对准确度，处理速度要求都比较高。关于速度，一般机器视缓碰觉的分辨率远高于计算机视觉，而且往往要求实时，所以处理速度很关键，目前基本上不适合采用深度学习。
以上讨论的是技术，商业方面，计算机视觉的应用面更广一些，毕竟很多业务是跟人相关，比如人脸识别，行为分析等，很多垂直领域都有计算机视觉潜在需求，相对来说，更适合创业；
而机器视觉顾名思义，业务主要跟机器相关，而且对准确度甚至安全性要求很高，也就在资质品牌方面有较高的门槛，所以寡头垄断严重，一般来说，更适合上班而不是创业。
机器视觉（Machine Vision, MV） 计算机视觉(Computer Vision, CV)
从学科分类上， 二者都被认为是 Artificial Intelligence 下属科目.
有几个分支：
一个是图像处理，主要是信号与系统，统计，优化
一个是求解景物与图像之间的关系，如立体视觉、三维重建，主要是几何
一个是模式识别，例如如何分割图像、识别目标，主要是人工智能
但实际提及时， 主观感觉上
MV 更多注重广义图像信号（激光，摄像头）与自动化控制（生产线）方面的应用。
CV 更多注重（2D, 3D）图像信号本身的研究以及和图像相关的交叉学科研究（医学图像分析，地图导航）。
制智权成为战争核心制权对不对
对的。目的的正义性、时空的有利性、装备的先进性、资源的充实性、人员的精神性等一系列要素联合决定了一场战争的胜负。单就武器装备而言，信息获取力、战术机动力、火力打击力、战场生存力、指挥控制力、综合拿册保障力是考察武器装备先进性的主要维度。

在传感器、通信电子、自动化和人工智能技术的加持下，无人作战系统所呈现出的是一类全新的装备形态。以声音波、电磁场、引力场为工作介质的雷达、图像、声音传感器使无人作战系统拥有了明察秋毫的“千里眼”、“顺风耳”；以计算机视觉、自然语言处理、深度神经网络、机器学习为基础的自动目标识别与态势理解算法使无人作战系统拥有了一颗超强大脑；以自主感知、自主决策、自主执行为特点的自主机动、自主打击、精确制导技术使无人作战系统拥有了强大的行动能力。
有鉴于此，就武器装备先进性的角度，完全可以说“21世纪的核心武器是无人作战系统”。随着无人作战系统逐渐走向战争舞台中央，一场以无人作战系统为装备主力的智能化战争已经迎面走来，旧的对抗机制正在改变，旧的作战样式已被颠覆，新的制胜机理正在形成，新的军事革命正在孕育。
开启智能战争，改变对抗机制
科学技术和武器装备的每一次重大进步，都会推动战争对抗机制的重大变革。最近几十年，无人作战系统已逐渐在局部冲突中应用。虽然目前来看，无人作战系统尚处于比较初级的阶段，但无人作战系统的局部应用标志着机器战争的来临，随着军事智能科技及无人作战系统加速进入战场，战争对抗机制将在对抗重心、对抗控制、对抗空间等各个方面呈现出新的特点。

在对抗重心上，“制智权”将成为智能化战争夺取的制高点。随着人类作战空间向海洋、空中、太空、电磁领域拓展，“制海权”“制空权”“制天权”“制电磁权”相继成为作战争夺重点，并不断改写战争规则。无人作战系统的出现使得智能优势成为进阶优势，“制智权”代替制空间权成为作战重心。“制智权”的核心是对认知速度、质量优势的争夺。认知过程包括感知、理皮汪解和推理、决策三个不断复现的阶段。
“制智权”争夺，首先在感知阶段展开，智能技术能够对军事感知对抗进行广泛赋能，从传统的隐蔽伪装、电磁静默到电子对抗，再到黑客接管以及量子通信，目的是让对手无法进行感知或者感知到垃圾信息、虚假信息，确保己方准确、快速地感知对手和战场。其次，在理解和推理阶段，“制智权”的争夺则主要是在智能化手段辅助下通过战术、谋略运用，让己方能够制定合理的决策方案、计划，使对手无法或难以准确判断、理解我方行动意图。同时，也可以通过对脑机能干扰和影响人员思想意识、价值判断、心理情绪等，扰乱、破坏对手的认知，还可以通过攻击、破坏辅助决策和自主武器装备信息数据处理硬件，达到占据认知速度、获取质量优势的目的。最后，在决策阶段，无人作战系统将成为“智能参谋”，决策模式从“人+指控系统”转变为“人+人工智能”。以人工智能为主导，能够根据数据选择算法，以算法驱动决策，实现灵活高效的辅助决策。例如，在蜂群作战中，无人机之间通过高速无线网络交换标准化的数据包，包括各自坐标、航向、航速、功能等，并针对任务目标规划各自任务分工等，是限定的“以算法为核心”的“智慧云作战”，体现出强大的战术级自主决策能力。
在对抗控制上，无人作战系统的参与，将使控制更加精确直接。信息化时代，武器的杀伤特征主要体现在指挥控制的精确性和渗透性。但由于指挥体系的扁平化和网络化，指挥层次压缩，指挥跨度增加。指挥员虽然能够通过屏幕燃敏仔实时感知战场态度，但对具体行动的细节掌握不全面，很难对一线战场做出快速反应。未来无人作战平台的武器系统作战效能不断增强，利用智能化感知、智能化认知和智能化决策技术，实现高精度、强杀伤力、针对小范围打击，用更少的兵器装备、更短的时间实现战争目标。在作战中，各作战单元都可精准统一调度，指哪打哪，收放自如，战争局势将更加清晰可控。在伊拉克战争中，美军一位准将在指挥中心通过“捕食者”无人机实时传回的战场态势，直接向前线分队指挥官下达了包括部队如何部署甚至每一个战斗人员如何配置等超出其职责范围的战术命令。智能化时代，在无人作战系统的参与下，对抗控制更加精确直接的特点，在最近发生的几次军事行动中体现得淋漓尽致：美军2020年1月通过“死神”MQ-9无人机进行斩首行动，暗杀了伊朗特种部队高级指挥官苏莱曼尼少将；2020年4月对索马里东北部的巴里省实施的斩首行动中，使用无人机炸死了恐怖组织二号人物。
在对抗空间上，无人作战系统具有作战能力稳定、可长时间持续工作、不易受到伤害、可深入人类无法涉足地区的优势，在许多危险、恶劣环境中仍可执行各种复杂任务。比如在核生化感染地区、极地、深海、太空、外太空以及敌人内部的核心区域等等，无人作战系统具有“平台无人”的特点，因此能够快速部署到这些不便涉足的危险、恶劣环境中。2021年1月底，俄国防部为海军配备“URAN-6”扫雷机器人，并首次为黑海舰队服务，旨在清除近海区域中可能存在的爆炸装置，帮助俄军顺利进行登陆作战。无人作战系统的应用使得未来战争突破时空的限制，广泛渗透到多维全域的现代战争战场上，成为真正全天候、全方位的全维战争，陆、海、空、天、电、磁、网各领域都将成为双方激烈对抗的战场空间。
颠覆战争模式，改变作战样式
随着各类型无人作战系统成为新的作战要素，作为重要作战力量进入各军种，以多种形式编入部队，成建制地走上战场，军队的编制体制及作战样式也将发生巨大变化。

“混合编组，群体智能”的集群作战是无人作战系统的典型作战样式。数量庞大、成本低廉、结构简单的无人作战系统将部分取代高技术、高成本的信息化武器装备，并主要通过集群和数量优势战胜敌人。集群作战的本质是无人智能化作战平台通过物联网组成智能化作战体系，在集群作战算法的控制下，进行作战平台之间的自组织、自适应和自协同，实现集群自主作战的一种作战模式。人与武器将逐步分离，人由战争的前沿退向后方，主要负责战略决策和战役指挥。无人作战集群将逐步走向战争第一线，成为战术层面的主要执行者。当前，无人机“蜂群”作战是集群作战的典型代表，2020年1月，美军利用C-130A运输机成功发射并试飞了X-61A“小精灵”无人机，标志着美军即将具备利用“小精灵”“胶囊”““山鹑”这一类低成本无人机打造“蜂群”作战的能力，从而开启“天空母舰”时代。
“人机一体，有人-无人”的协同作战是无人作战系统的重点发展方向。人脑的优势在于具有创造性、灵活性和自主性，机器的优势在于速度快、精度高、抗疲劳。“人机一体，有人-无人”的协同作战本质上是机器的人工智能与人的自然智慧之间的协同。高层决策由人脑处理，大数据计算由机器完成。与蜂群协同相比，有人平台与无人平台的结合，难度更大，但更具实用性。“人机结合，协同行动”的优势主要体现在有人与无人平台各自特点上。比如，美军的“忠诚僚机”计划，就设想未来的有人机，如F-22、F-35等不再是另外一架F-22、F-35的僚机，而采用低成本、高机动性的无人机僚机。这种无人化僚机的角色是：充当武器发射平台，对有人长机指定目标发动攻击；对无人机感知的目标集实施打击；实施拦截来保护长机，必要时可以牺牲自己。
改变战争规则，重塑制胜机理
战争制胜机理是指为赢得战争胜利，战争诸因素发挥作用的方式及其相互联系、相互作用的内在机制、规律和原理。制胜机理因战争形态不同而相异。基于智能单元的信息化战争追求的是夺取“制智权”，双方将通过算法优势获得认知优势，通过信息的互联互通获得一体化作战优势，通过快速反应获得先发制人的优势，从而夺取战争主动权。
以算制胜是核心。算法是无人作战系统的核心，掌握更强算法的一方能够快速准确预测战场态势，创造出最优战法，实现“未战而先胜”。如果说信息化战争的核心是以“通信+传感器”构建起作战系统的网络，那么智能化战争的核心则是以“数据+算法”构建起作战系统的灵魂大脑。“算法战”是美国“第三次抵消战略”时提出来的，美国在智能武器、隐身飞机和网电空间的垄断地位被中国和俄罗斯打破之后，迫切需要构建自己的技术优势。算法作为人工智能的核心，以算制胜也成为了现代战争制胜机理的核心内容。
在战术层面，掌握算法优势的一方，能快速准确地预测战场态势，创造最优的作战方法，实现“未战而先胜”的作战目的。美国空军近年启动了从数据到决策的实验项目，2016年，美国辛辛那提大学开发了阿尔法超视距空战系统，该系统采用了模糊遗传算法，使得系统能够在与人类飞行员的无数次对抗中学习人类指挥决策经验，提取并生成决策机制。2017年，美国正式提出“算法战”概念，并组建“算法战跨职能小组”对其进行研究。2018年，美国前国防部长詹姆斯·马蒂斯披露，美军目前约有592个与人工智能相关的项目。其中，不乏存在与“算法战”密切相关的一些项目。借助这些算法，美军能够实现对目标的探测、分类和预警，为军事决策提供更多具有实际价值的情报。

在战役层面，算法可以通过战斗、演习、日常任务和模拟过程中得到的数据，在有监督或无监督条件下自主学习，从而实现对复杂和高不确定性的战场态势的快速识别、快速处理。美国海军在2017年10月的一次演习中，首次展示了MQ-9无人机执行反潜巡逻任务与长时间监视水下目标的能力。任务海区的声呐浮标将信号传输至巡逻的无人机，再将信号传输至地面控制站，地面控制站再将基于信号由人工智能算法自主生成的搜索方案传输给无人机。
以联制胜是基础。“联”究其本质，是按系统理论，变单平台为大体系，通过功能耦合和结构涌现，达到“聚能”和“增能”的目的。通过网络，战场上各要素形成一个24小时信息不断交流的一体化作战体系。通信技术的发展，为智能化战争奠定了“联通”基础。未来智能化战争中，无人战车、无人艇、无人机等武器装备与作战人员实施自主协同作战，其前提条件就是各武器平台之间能够实现信息实时共享。
在战术层面，无人机等先进无人单元作为高效能、低成本的作战单元，逐步改变信息化作战体系网络结构的性质，可以构建去中心化的作战网络。例如，无人机“蜂群”这样的智能无人集群，不仅作战效能更高，而且任务灵活性和生存能力提升明显，在一定程度上可以降低传统网络结构的脆弱性。在战役层面，传统武力平台受到指挥能力和信息传输通道的限制，能够部署的总体数量有限。而效能高、成本低的自主协同无人集群可以突破数量限制，并利用数量优势提升打击能力，实现低成本的饱和攻击。理论上，不考虑信息化作战体系和网络结构的加成，根据兰开斯特平方律可以大体上认为部队的战斗力与数量的平方成正比。因此，无人作战单元数量的增加，将带来火力打击能力的指数级增长。
以快制胜是关键。克劳塞维茨说: “一切行动都是或多或少以出敌不意为基础的，因为没有它，要在决定性的地点上取得优势简直是不可想象的。”在无人作战系统全面介入的未来战争中，态势感知、决策判断、行动执行的节奏和强度都将大大增加，武器装备在信息处理、战场机动、战术打击各方面的快速反应能力在夺取战场优势上的作用将进一步凸显。
在战术层面，无人作战系统加入战场，编队作战逐渐呈现出小规模、快进程、全联动、多样式的趋势，能够有效突然地对敌方重要目标进行全过程不间断的连续攻击。快速出击、隐蔽突袭的实质在于以高度信息化的无人作战系统为基础，在敌方尚未感知己方力量部署的前提下，采用敌方意想不到的战法，完成对敌方目标的突然袭击，制造敌方无法应对的战场局面，形成全面压倒性的战场优势。
在战役层面，从美国空军伯伊德上校在上世纪七十年代提出的“观察-判断-决策-行动”(OODA)来说，敌对双方在观察的基础上通过决策采取行动，任何一方的目标就是以比对手更快的速度完成OODA循环。无人作战系统的加入，能加速并提升部分环节的质量，如在观察环节，无人作战系统能明显提升获取信息的速度和质量，在判断环节，无人作战系统有助于高效地重构更高质量的战场态势，在决策环节，无人作战系统通过算法快速为战斗人员提供科学合理的决策。在行动环节，无人作战系统能对敌方目标实施超视距精准打击，对敌方力量部署形成全面压制，从而使己方战场态势对敌方形成“一边倒”的战场优势。在实际对抗中，一旦敌对一方的OODA循环速度大大快于对手，就会使对方无法跟上战争节奏，导致系统性崩溃。
联合出品：科普中国 光明军事
策 划：刘小兵
作 者：覃黎娜 杨爱华 孙振平
免责声明：本网站所提供的信息来源于科普中国、科普类微信公众号及互联网，转载目的在于传递更多信息及促进科学普及，并不代表本站赞同其观点 或对其真实性、准确性负责，也不构成任何其他建议。如果您发现网站上有侵犯您知识产权、肖像权、名誉权或其他权利的内容，请及时与我们取得联 系，我们会及时予以删除。
主办：上海市科学技术协会
沪ICP备10219502号-6
中国互联网举报中心
 沪公网安备 31010102006600号
Copyright © 2001-2022 上海科技报社版权所有
举报
举报内容
机器人的视觉传感器有哪些？
如今的机器人已具有类似人一样的肢体及感官功能,有一定程度的智能,动作程序灵活,在工作时可以不依赖人的操纵。而这一切都少不了传感器的功劳,传感器是机器人感知外界的重要帮手,它们犹如人类的感知器官,机器人的视觉、力觉、触觉、嗅觉、味觉等对外首培部环境的感知能力都是由传感器提供的,同时,传感器还可用来检测机器人自身的工作状态,以及机器人智能探测外部工作环境和对象状态。并能够按照一定的规律转换成可用输出信号的一种器件,为了让机器人实现尽可能高的灵敏度,在它的身体构造里会装上各式各样的传感器,那么机器人究竟要具备多少种传感器才能尽可能的做到如人类一样灵敏呢?以下是从机器人家上看到的，希望对你有用
根据检测对象的不同可将机器人用传感器分为内部传感器和外部传感器。
内部传感器主要用来检测机器人各内部系统的状况,如各关节的位置、速度、加速度温度、电机速度、电机载荷、电池电压等,并将所测得的信息作为反馈信息送至控制器,形成闭环控制。
而外部传感器是用来获取有关机器人的作业对象及外界环境等方面的信息,是机器人与周围交互工作的信息通道,用来执行视觉、接近觉、触觉、力觉等传感器,比如距离测量、声音、光线等。
具体介绍如下:
1、视觉传感器
机器视觉是使机器人具有感知功能的系统,其通过视觉传感器获取图像进行分析,让机器人能够代替人眼辨识物体,测量和判断,实现定位等功能。业界人士指出,目前在中国使用简便的智能视觉传感器占了机器视觉系统市场60%左右的市场份额。视觉传感器的优点是探测范围广、获取信息丰富,实际应用中常使用多个视觉传感器或者与其它传感器配合使用,通过一定的算法可以得到物体的形状、距离、速度等诸多信息。
以深度摄像头为基础的计算视觉领域已经成为整个高科技行业最热门的投资和创业热点之一。有意思的是,这一领域的许多尖端成果都是由初创公司先推出,再被巨头收购发扬光大,例如Intel收购RealSense实感摄像头、苹果收购Kinect的技术供应商PrimeSense, Oculus又收购了一家主攻高精确度手势识别技术的以色列技术公司PebblesInterfaces。在国内计算视觉方面的创业团队虽然还没有大规模进入投资者的主流视野,但当中的佼佼者已经开始取得了令人瞩目的成绩。
深度摄像头早在上世纪 80 年代就由 IBM 提出相关概念,这家持有过去、现在和未来几乎所有硬盘底层数据的超级公司,可谓是时代领跑者。2005年创建于以色列的 PrimeSense 公司可谓该技术民用化的先驱。当时,在消费市场推广深度摄像头还处在概念阶段,此前深度摄像头仅使用在工业领域,为机械臂、工业机器人等提供图形视觉服务。由它提供技术方案的微软Kinect成为深度摄像头在消费领域的开山之作,并带动整个业界对该技术的民用开发。
2、声觉传感器
声音传感器的作用相当于一个话筒(麦克风)。它用来接收声波,显示声音的振动图象。但不能对噪声的强度进行测量。声觉传感器主要用于感受和解释在气体(非接触感受)、液体或固体(接触感受)中的声波。声波传感器复杂程度可以从简单的声波存在检测到复杂的声波频率分析,直到对连续自然语言中单独语音和词汇的辨别。
据悉,从20世纪50年代开始,BELL实验室开发了世界上第一个语音识别Audry系统,可以识别10个英文数字。到20世纪70年代声音识别技术得到快速发展,动态时间规整(DTW)算法、矢量量化(VQ)以及隐马尔科夫模型(HMM)理论等相继被提出,实现了基于DTW技术的特定 人孤立语音识别系统。近年来,声音识别技术已经从实验室走向实用,国内外很多公司都利用声音识别技术开发出相应产品。比较知名的企业有思必驰、科大讯飞以及腾讯、百度等巨头,共闯语音技术领域。
3、距离传感器
用于智能移动机器人的距离传感器有激光测距仪(兼可测角)、声纳传感器等,近年来发展起来的激光雷达传感器是目前比较主流的一种,可用于机器人导航和回避障碍物,比如SLAMTEC-思岚科技研发的RPLIDARA2激光雷达可进行360度全方面扫描测距,来获取周围环境的轮廓图,采含芹庆样频率高达每秒4000次,成为目前业内低谈握成本激光雷达最高的测量频率。配合SLAMTEC-思岚科技的SLAMWARE自主定位导航方案可帮助机器人实现自主构建地图、实时路劲规划与自动避开障碍物。
4、触觉传感器
触觉传感器主要是用于机器人中模仿触觉功能的传感器。触觉是人与外界环境直接接触时的重要感觉功能,研制满足要求的触觉传感器是机器人发展中的技术关键之一。随着微电子技术的发展和各种有机材料的出现,已经提出了多种多样的触觉传感器的研制方案,但目前大都属于实验室阶段,达到产品化的不多。
5、接近觉传感器
接近觉传感器介于触觉传感器和视觉传感器之间,可以测量距离和方位,而且可以融合视觉和触觉传感器的信息。接近觉传感器可以辅助视觉系统的功能,来判断对象物体的方位、外形,同时识别其表面形状。因此,为准确抓取部件,对机器人接近觉传感器的精度要求是非常高的。这种传感器主要有以下几点作用:
发现前方障碍物,限制机器人的运动范围,以避免不障碍物収生碰撞。
在接触对象物前得到必要信息,比如与物体的相对距离,相对倾角,以便为后续动作做准备。获取物体表面各点间的距离,从而得到有关对象物表面形状的信息。
6、滑觉传感器
滑觉传感器主要是用于检测机器人与抓握对象间滑移程度的传感器。为了在抓握物体时确定一个适当的握力值,需要实时检测接触表面的相对滑动,然后判断握力,在不损伤物体的情况下逐渐增加力量,滑觉检测功能是实现机器人柔性抓握的必备条件。通过滑觉传感器可实现识别功能,对被抓物体进行表面粗糙度和硬度的判断。滑觉传感器按被测物体滑动方向可分为三类:无方向性、单方向性和全方向性传感器。其中无方向性传感器只能检测是否产生滑动,无法判别方向;单方向性传感器只能检测单一方向的滑移;全方向性传感器可检测个方向的滑动情况。这种传感器一般制成球形以满足需要。
7、力觉传感器
力觉传感器是用来检测机器人自身力与外部环境力之间相互作用力的传感器。力觉传感器经常装于机器人关节处,通过检测弹性体变形来间接测量所受力。装于机器人关节处的力觉传感器常以固定的三坐标形式出现,有利于满足控制系统的要求。目前出现的六维力觉传感器可实现全力信息的测量,因其主要安装于腕关节处被称为腕力觉传感器。腕力觉传感器大部分采用应变电测原理,按其弹性体结构形式可分为两种,筒式和十字形腕力觉传感器。其中筒式具有结构简单、弹性梁利用率高、灵敏度高的特点;而十字形的传感器结构简单、坐标建立容易,但加工精度高。
8、速度和加速度传感器
速度传感器有测量平移和旋转运动速度两种,但大多数情况下,只限于测量旋转速度。利用位移的导数,特别是光电方法让光照射旋转圆盘,检测出旋转频率和脉冲数目,以求出旋转角度,及利用圆盘制成有缝隙,通过二个光电二极管辨别出角速度,即转速,这就是光电脉冲式转速传感器。
加速度传感器是一种能够测量加速度的传感器。通常由质量块、阻尼器、弹性元件、敏感元件和适调电路等部分组成。传感器在加速过程中,通过对质量块所受惯性力的测量,利用牛顿第二定律获得加速度值。根据传感器敏感元件的不同,常见的加速度传感器包括电容式、电感式、应变式、压阻式、压电式等。
机器人要想做到如人类般的灵敏,视觉传感器、声觉传感器、距离传感器、触觉传感器、接近觉传感器、力觉传感器、滑觉传感器、速度和加速度传感器这8种传感器对机器人极为重要,尤其是机器人的5大感官传感器是必不可少的,从拟人功能出发,视觉、力觉、触觉最为重要,目前已进入实用阶段,但它的感官,如听觉、嗅觉、味觉、滑觉等对应的传感器还等待一一攻克。
