Computervisie geeft robots de mogelijkheid om visuele informatie te interpreteren. Camera's leggen beelden vast. Algoritmen halen er betekenis uit: randen, vormen, objecten, gezichten, beweging. De robot gebruikt die betekenis om te navigeren, op te pakken, te inspecteren of te volgen.

De eerste computervisie was gebaseerd op handmatig gecodeerde regels. Randen vinden, sjablonen vergelijken, afstanden meten. Het werkte bij gecontroleerde verlichting, maar faalde in alle andere omstandigheden. Deep learning veranderde dat. Convolutionele neurale netwerken leren kenmerken uit gelabelde afbeeldingen. Ze kunnen een kat, een scheur in een lasnaad of een rijpe aardbei herkennen zonder te hoeven weten waarnaar ze moeten zoeken.

Wat computervisie mogelijk maakt

• Objectdetectie en -classificatie.
• Positieschatting voor grijpen.
• Visuele servobesturing voor nauwkeurige uitlijning.
• Defectdetectie in de productie.
• Gelijktijdige lokalisatie en kartering (SLAM).

Zien is lastig omdat de wereld complex is. De belichting verandert. Objecten overlappen elkaar. Reflecties verstoren camera's. Een robot die in het lab goed ziet, kan in de fabriek falen. Ingenieurs gebruiken meerdere camera's, gestructureerd licht en dieptesensoren om de robuustheid te vergroten. Ze trainen de robot ook met data uit de echte omgeving, niet alleen met schone datasets. Computervisie is niet voor niets het meest actieve onderzoeksgebied binnen de robotica. Als een robot kan zien, kan hij bijna alles. Als hij dat niet kan, is hij beperkt tot blinde, repetitieve bewegingen.