美國制造工程師協會(SME)視覺分會和美國機器人工業協會(RIA)自動化視覺分會對機器視覺的定義為：是通過光學裝置和非接觸式的傳感器，自動的接受和處理一個真實物體的圖像，以獲得所需信息或用于控制機器人/機械運動的裝置。

本文引用地址：eepw/article/202003/411228.htm

機器視覺最a早被提出來是在20世紀60年代，直到20世紀80到90年代，機器視覺才迎來了蓬勃發展，而在21世紀之后，機器視覺技術才步入成熟期。

有公開數據顯示，在2018年，全球用于工業自動化領域的機器視覺技術市場規模達44.4億美元，預計2023年將達122.9億美元，其年復合增長率高達21%。

相較于全球機器視覺行業而言，中國的機器視覺相關產業起步較晚，但發展速度很快。自2011年到2019年，我國機器視覺市場從10億元躍升到百億級，每年都維持著兩位數的增速。目前，中國已成為僅次于美國和日本的世界第三大機器視覺市場。

而2020年新冠疫情的爆發，雖然對整個行業有一定的沖擊影響，但卻成為了機器視覺最大的“練兵場””——無人機噴灑消毒、機器人無接觸式配送等，加速了大眾對機器人的認知，長期來看，這無疑會加速機器視覺行業的發展進程，各行各業將會對機器視覺的功能特性運用更加多元化，助推行業的全面升級。

從目前的行業發展來看，機器視覺在功能上的應用主要表現在四個方面：

一、導航和定位

對于人眼而言，導航和定位，實則就是通過雙眼來目標物體的判定相對位置和絕a對位置。于機器而言，則需為其造一雙“眼睛”——3D視覺來實現的。

談到3D視覺，首先說說3D視覺的測量原理。目前市場上主流的有四種3D視覺測量技術：雙目視覺、TOF、結構光和激光三角測量。

1、雙目技術，是目前較為廣泛的3D視覺系統，它的原理就像我們人的兩只眼睛，用兩個視點觀察同一景物，以獲取在不同視角下的感知圖像，然后通過三角測量原理計算圖像的視差，來獲取景物的三維信息。

雙目視覺對于硬件要求低，因而能一定程度上控制成本。但它對于環境光照非常敏感，光照角度變化、光照強度變化等環境因素的影響，拍攝的圖片亮度差別會比較大，這無疑加大了對算法的要求。另外相機基線(兩個攝像頭間距)限制了測量范圍，測量范圍和基線關系很大：基線越大，測量范圍越遠;基線越小，測量范圍越近。

雙目視覺優劣勢決定了它更適合于制造現場的在線、產品檢測和質量控制。當然也有一些產品也會用此技術原理，如基于slam算法導航定位的終端產品、體感攝像頭等。

2、TOF(全稱：TimeOfFlight)飛行時間法成像技術，它的原理是通過給目標物連續發送光脈沖，然后用傳感器接收從物體返回的光，通過探測光脈沖的飛行時間來得到目標物距離。

TOF的核心部件是光源和感光接收模塊，它不需要類似雙目視覺算法來計算，通過特定的公式即可直接輸出物體的深度信息，因而具有響應快、軟件簡單、識別距離遠的特點，而且由于不需要進行灰度圖像的獲取與分析，因此不受外界光源物體表面性質影響，不過TOF技術的缺點是，分辨率低、不能精密成像。

這就決定了TOF技術更適合遠距離的3D信息采集，我們最a常見的就是自動駕駛領域的激光雷達，但由于自動駕駛行業的發展特點，從而導致在該領域的激光雷達公司并不多，市場份額都已被頭部企業占領，后入者的市場門檻就因此變得很高。近幾年來，隨著ToC市場掃地機器人市場份額的不斷壯大，很多企業都在考慮運用TOF技術進入該領域，在這里分得一杯羹。但擺在以TOF技術企業眼前最a主要的問題是如何降低成本，我們拭目以待。

3、由于雙目和TOF都有各自的缺點，所以就有了第三種方式——結構光技術，它通過一個光源投射出一束結構光，打到想要測量的物體上，因為不同的物體有不同的形狀，這就會因一些條紋或斑點發生不同的變形，有這樣的變形之后，就需要通過算法可以計算出距離、形狀、尺寸等信息，從而獲得物體的三維圖像。

結構光技術，既不需要用很精準的時間延時來測量，又解決了雙目中匹配算法的復雜度和魯棒性問題，所以具有計算簡單、測量精度較高的優勢，而且對于弱光環境、無明顯紋理和形狀變化的表面，同樣都可進行精密測量，所以越來越多的行業應用采用結構光技術。最a為常見的就是手機的面部識別。

4、激光三角測距技術，也是一種幾何測量方法，本質上講，是在利用物體之間的三角幾何關系進行測距。一個典型應用就是利用激光作為光源的測量方案，它也是基于光學幾何原理，根據光源、物體和檢測器三者之間的幾何成像關系，來確定空間物體各點的三維坐標。

這種方法通常用激光作為光源，用CCD/CMOS相機作為檢測器，具有結構光3D視覺的優點精準、快速、成本低的優點。根據幾何原理計算，被測物體越近，在CCD/CMOS上的位置差別就越大，分辨率和精度就越高，所以這種測量法在中近距離下的精度很高，特別適合中近距離測距，所以成為了室內機器人測距定位的首a選方案。

二、外觀檢查

外觀檢查是通過圖像處理技術來完成的，圖像處理其實是計算機對圖像信息進行處理。

對圖像進行處理的主要目的有三個方面：提高圖像的視感質量、提取圖像中所包含的某些特征或特殊信息、圖像數據的變換、編碼和壓縮，以便于圖像的存儲和傳輸。而這些正是生產線上檢查產品是否存在質量問題最a好的應用，這個環節也是取代勞動力最a重要的部分。

除此，它還在其它的一些領域有應用，如生成原圖的預覽圖、在小車或無人飛行器上裝載攝像頭，利用圖像處理技術處理攝像頭拍攝的畫面。

三、識別

識別，從字面上就可以看出，這是一個認識加辨別的過程，需要機器有類人的判斷。因此識別主要是通過圖像處理和深度學習的融合來實現這個功能。

圖像處理把外部物體信息轉換成機器語言，然后過視覺感知來完成信息的輸入，這一過程實質就是機器學習的過程，兩者疊加融合，從而使得識別功能變得智能。最a為常見的應用就是人臉識別和無人駕駛。

四、高精度檢測

高精度檢測其實和第一個導航定位功能原理相同，不同的是，它可能會把多個測量技術融合在一起，形成高精度的檢測系統。

因為運用到高精度檢測的行業一般都是在精密加工型產業與高端工業制造領域等高要求的行業，檢測精度要求達到um級，這些都是人眼無法檢測到，必須用機器完成的。而這也成為了工業4.0時代，工業自動化的關鍵應用。

人工智能和中國制造2025戰略的深入下行，勢必帶來機器視覺需求的不斷提升。

機器視覺屬于技術密集型行業，核心技術的積累和持續的技術創新是企業取得競爭優勢的關鍵因素之一，我們期待行業有更多的優秀者出現，一起為整個行業的發展添磚加瓦。