传统视觉的演进(上)

传统视觉技术作为计算机视觉的早期核心分支，其发展历程清晰呈现出从“规则驱动”到“几何驱动”的时代转型，这一跨越不仅是技术方法的革新，更是对视觉感知本质的认知深化——规则驱动时代以人工设计的固定规则为核心，实现简单场景下的目标检测与识别；几何驱动时代则以计算机几何、摄影测量原理为基础，突破了规则驱动的场景局限，实现了对目标空间位置、三维形态的精准感知，为传统视觉技术在工业检测、机器人导航等领域的深度应用奠定了核心基础。两个时代的技术逻辑、适用场景、核心能力存在本质差异，其演进动因与技术突破共同勾勒出传统视觉从“平面像素判断”到“空间几何感知”的发展路径，具体可从规则驱动时代的技术特征与局限、几何驱动时代的核心突破与技术体系、演进动因及行业影响四个维度展开详细解析。规则驱动时代是传统视觉的起步阶段，其核心逻辑是通过人工设计的固定规则，对图像的像素灰度、边缘、纹理等简单特征进行阈值判断与模板匹配，实现对特定目标的检测与识别。这一时代的技术核心是“人工定义特征+固定阈值判断”，无需复杂的数学模型与算力支撑，仅通过简单的算法逻辑即可完成视觉任务。例如，在工业场景的零件尺寸检测中，规则驱动的视觉系统会通过人工设定灰度阈值，将图像转化为黑白二值图像，再通过边缘检测算子（如Sobel算子、Canny算子）提取零件的边缘轮廓，最后通过预设的尺寸阈值判断零件是否合格；在简单的字符识别场景中，系统会预先存储标准字符的模板，通过模板匹配规则对比输入图像中的字符与标准模板的相似度，完成识别任务。规则驱动时代的技术优势在于结构简单、运算效率高、部署成本低，适用于目标形态固定、光照环境稳定、背景单一的场景，在早期工业自动化的简单工位检测、门禁系统的固定标识识别等领域得到了广泛应用。但随着应用场景的复杂化，规则驱动的固有局限逐渐凸显：一是泛化能力极差，人工设计的规则具有极强的场景依赖性，一旦场景发生微小变化（如光照强度改变、目标姿态偏移、背景出现干扰），固定规则就会失效，例如原本适用于明亮环境的灰度阈值，在低光照环境下会因图像整体灰度降低而无法有效提取目标边缘；二是检测维度单一，规则驱动仅能处理图像的二维平面特征，无法感知目标的三维空间信息，对于需要判断目标深度、立体形态的场景（如零件的三维缺陷检测、机器人抓取的目标定位）无能为力；三是特征表达能力薄弱，人工设计的规则仅能捕捉目标的简单特征（如灰度、边缘），无法应对复杂纹理、不规则形态的目标，例如对于表面存在复杂纹饰的零件，规则驱动的系统无法通过简单的边缘规则完成检测。规则驱动时代的技术局限，使得传统视觉技术难以满足复杂场景下的精准感知需求，推动了其向几何驱动时代的转型。几何驱动时代是传统视觉的成熟阶段，其核心逻辑是引入计算机几何、摄影测量、相机标定等数学与工程原理，通过建立图像像素与三维空间点的映射关系，实现对目标空间位置、三维形态的精准感知，核心是从“平面像素分析”升级为“空间几何建模”。这一时代的技术突破在于构建了“图像-相机-空间”的三维映射体系，通过相机标定获取相机内参（焦距、主点、畸变系数）与外参（相机在世界坐标系中的位置与姿态），建立像素坐标与世界坐标的几何转换模型，从而实现对目标三维信息的恢复。