整体法则：

a,尺度落差法：当视觉中的物体，没有呈现尺度落差时，则判定为一个整体。尺度落差，并非指远近差距，而是指构成物体的色彩之间，是否出现空间间隔距离。

b,阴影法则：视觉中的物体，没有出现无光阴影对物体进行完全切割时，则判定为一个整体。

c,背景法则：视觉中的物体，没有出现贯穿性的背景色时，则判定为一个整体。

d,互动法：视觉中的多个物体，出现互动行为时，则判定为一个整体。

个体法则：

a，色彩法则：一个区域内持续坐标的颜色为同一种颜色，则判定该物体为一个单独的个体。

b，物质构成法：视觉判定一个区域内持续坐标的物体为同一物质时，则判定该物体为一个单独的个体。

整体内包含多个整体和个体，一个整体由多个整体和个体组成。

视觉上的识别，加经验主义，构成了人对整体与个体的识别。

这是人体视觉对整体法则的定义。那么机器视觉该对整体和个体如何划分呢？

计算机视觉，该如何达成场景识别呢？在二维图片的识别中，人眼采用的是经验主义。既然这样，那么计算机为什么就不能采用经验主义呢？

通过深度视觉，对物体进行定义。采集物体的立体特征数据，并对这类数据，进行人工定义。利用深度学习，让计算机可以对物体进行定义分类。

这是主流方法。那么还有非主流方法。

非主流方法，采用人为定义法。人为性的总结出各个物体之间的特征定义。

我们设定，人眼是色盲，视野中只有黑白两色和光线强弱。

那么环境中，只能分辨光线强度的能力有什么作用呢？就是通过光线的反射和景深结合，识别物体的角度以及阴影。

再设定，眼睛对弱光的分辨度比较低，在没有外部光源时，不能辨别细微处的阴影。

那就是，只能分辨黑白色和光线强度的眼睛处于黄昏的时间。

大家自行脑补这个场景。例如乡下的旷野黄昏。

人眼中并不能识别环境的具体状态，只有大体轮廓。人们通过对尺度和角度的识别，以及经验主义对物体轮廓的补充，来进行对环境的识别。

如果换个场景，把平原中生活的人放入黄昏的山区。那么这个人就会因为缺乏对环境的辨识，陷入恐慌中。

而目前的机器视觉就是如此，等于一个只能分辨黑白两色和光线强度的眼睛。

我们要想让这样一双眼睛进行工作，只有进行视觉代替。就是通过人眼告诉计算机环境中都有什么物体。这样的工作量是巨大的，所以说是笨办法。

但是，如果我们的目的是要求机器人在一定的空间单位内进行工作呢？如几十平米的室内或者车间。而机器人需要操作的物体也是有限的，只有几十甚至几百种。那么机器人就可以通过深度视觉，光线强度，以及经验主义来达到固定空间内的全识别。

经验主义的识别，主要是依靠物体轮廓在视网膜的投影进行。固定尺度的物体，在视网膜的投影是随着距离呈反比变化的。这个变化比例是线性的。

例如，厨房。对厨房的环境进行深度扫描三维建模。那么相对于摄像头来说，厨房内的固定物体距离和尺寸，以及物体的反光都是已知的。当厨房内出现新物体时，光线出现变化，红外测距对光线变化部分进行测距。根据角度和轮廓投影比例，计算出物体的方位和尺寸。

当知道物体尺寸，根据轮廓投影，就可以知道距离。已知尺寸，距离，比例，就可以为该物体建立三维模型。对三维模型进行形状特征提取，按照特征对物体进行定义和归类。

当机器人对物体接触时，会有一个触觉感应，包括温度识别和力度识别。每个物体的热量吸收速度和硬度，强度，以及平滑度，单位面积的压强都有细微的不同。以触觉对视觉进行辅助进行物品归类。

知道物体类别和尺寸，就可以对物体进行定义内的操作。

这就是笨办法。因为机器视觉的原因，不能对物体颜色进行区分，只能按照轮廓特征对物体进行经验主义的有限区分。但是对于一些特定的场景，有限的区分已经够用了。

再举例，厨师机器人对调料的识别。因为颜色问题，机器人不能准确识别包装袋的文字，所以可以直接告诉机器人，该调料属于什么，放在什么方位。如醋和酱油，酒精和水

最后一个视觉识别的本办法，我称之为刷油漆方式，也可以说成是堆栈方式。

设定，机器人在固定场所工作，场所处于光线恒定的场景中。

深度视觉扫描，设定该场景中长久固定的物体为背景物体。把单位空间场景内的固定和物体设定为一个整体A。该整体的颜色，标记为0层。0层的所有颜色设为背景色。标记为0。

在没有进行调色改变RBG值的时候，0层的颜色RBG值是恒定的。当固定场景内出现新的物体时，0层的颜色被覆盖，等于刷上一层油漆。设定RGB值改变的坐标，为物体轮廓边沿。

色彩识别出一堆物体的轮廓边沿。下面再对该堆物体进行细分。细分方式有监督学习方式，和瞎子摸象方式两种识别方式。

B.听觉信息。

听觉的识别，分为声线识别和方位识别。

对于机器人的听觉，声线识别和方位识别必须要具备其中一项能力。

在人体中，两者的结合，可以让人准确的判断出声源，对环境做出视线以外的环境识别。

如果要让机器人的智能程度更先进一些，则必须拥有声线和方位识别能力。例如，可以判断出语音命令是谁发出的，根据命令发出人的权重，选择执行或者不执行，以及执行程度和执行方法。

C，触觉识别。

触觉识别，主要包括温度识别，力度识别。通过温度识别，认知物体的温度，以及热的传递速度。通过力度识别，判断出物体的硬度，强度，质量，以及横向力平滑度和压强识别物体的平滑度。

例如，通过触觉识别黄瓜和苦瓜。

在物体识别中，通常会先以视觉识别归类，对归类好的物体赋予触觉的数值定义。

在触觉识别中，会根据机械手的方位自动，对物体的轮廓进行定义。如汽车可以根据行驶距离和转向角度，判断出在某个场景中的方位。

D，嗅觉和味觉。

在人体中，主要是判断物质的可食用性。但是在机器人中，就属于物质化验。在普通的通用型机器人中，添加这个功能，比较浪费成本，所以不再讲述。

上面是人体的硬件构成。接下来是软件构成，人类是如何通过对硬件采集的环境信息，来进行智能行为动作的。

人们通常认为智能行为主要是学习和思考，这是不对的。

举例说明，让机器人从广场A地到广场B地。在路径选择中，会有n条路径。直的，斜的，绕圈的。机器人可以选择n种方法过去，跑，走，爬，搭载交通工具。

在机器人选择路径和方式的过程中，该如何选择呢？当然是设计者赋予它的决策树。这个决策树是人类赋予它的，那是人类的决策。可是，人类的决策是如何产生的呢？人们当然会说这是智能行为。我再问，人类的智能，是以什么为参考标准进行智能选择的呢？

在路径规划中，在没有其它干涉条件时，两点间的路径规划，当然是以直线距离为路径规划的。直线路径规划的生成条件，不是智能的选择，而是情感的选择。因为直线距离行走最节省力气和时间。人类会自动选择最节省力气和时间的方式作为达成目标的行为方式。而智能呢，就是计算出最节省时间和体能的路径。

我把这一路径规划方式，成为直线法则。人类的一切行为，都是在直线法则下进行的。

直线法则：两点间行进，直线距离最短。两点间行进，消耗时间最短。两点间行进，能量消耗最少。两点间行进，性价比最高。

所以说，智能行为的前提条件就是直线法则。而直线法则的生成条件是节省力气和时间，是人体的选择，属于情感类目下的。所以，要讲智能，必须先讲情感。

在这里，把情感和感情做下区分。感情主要是指人体对外部环境中所有的物体产生的情感。而情感则包括了自身的感情生成。所以我用情感来描述感情的生成，称之为情感库。

在人类的情感库中，包含有下面几个基层情感。

生存（舒适生存（直线法则，物质摄取），危险规避，我是谁，生命延续）。

在情感设定里，我是谁的情感值，只有人类才有，机器人是设定不出来的。我是谁的外在表现是为了对自己存在的肯定，故意寻找一些刺激的事情来做。如冒险，个别行为的自残，围观心理等等。其实说真的，寻找刺激和围观心理，我真的不能理解。找到的资料解释，也都是其它方面情感值的外在表现。有人说，围观是从众心理，从众心理是学习行为的潜意识外在表现。至于漠视更不用说了，不能单独设定为一个情感值。好奇心理，我最奇怪的就是这个好奇心理。好奇心理到底是什么情感值的外在表现，我百思不得其解，也找不到任何资料来解释，讨论也讨论不出什么名堂。难道也是学习的行为机制？但是两者又在其它表现方面完全不同。所以我采用排除法，最后把寻找刺激和围观归类到我是谁的自我肯定中。但是在机器人设置中，不存在这两项心理，所以后面不做针对介绍。