机器视觉是通过光学设备和非接触式传感器自动接收和处理真实物体的图像，以获得需要的信息或用于控制机器人/机械运动的设备。

　　机器视觉最早是在1960年代提出的。直到1980年代和1990年代，机器视觉才迎来了蓬勃的发展，而在21世纪之后，机器视觉技术进入了成熟时期。

　　根据公开数据，2018年，全球用于工业自动化领域的机器视觉技术市场规模达到44.4亿美元，预计2023年将达到122.9亿美元，复合年增长率为21％。

　　与全球机器视觉产业相比，中国的机器视觉相关产业起步较晚，但发展迅速。从2011年到2019年，中国的机器视觉市场已从10亿元跃升至100亿元，并保持每年两位数的增长速度。目前，我国已成为仅次于美国和日本的世界第三大机器视觉市场。

　　2020年新冠疫情的爆发，虽然对整个行业产生了一定影响，但却成了机器视觉最大的“训练场”，如：无人机喷洒消毒、机器人非接触式配送等，加速了公众对机器人的认知，从长远来看，这无疑将加速机器视觉行业的发展进程，各个行业将使用机器视觉的功能特性更加多样化，这将促进该行业的全面升级。

　　从当前的行业发展来看，机器视觉在功能中的应用主要体现在四个方面：

　　一、导航和定位

　　实际上，对于人眼来说，导航和定位是通过两只眼睛确定目标对象的相对位置和绝对位置。对于机器，它需要创建一对“眼睛”——3D视觉。

　　对于3D视觉，首先要谈谈3D视觉的测量原理。当前市场上有四种主要的3D视觉测量技术：双目视觉，TOF，结构光和激光三角测量。

　　1、双目技术，目前是相对广泛的3D视觉系统。它的原理就像我们的两只眼睛，用两个视点观察同一景物以获得不同视角的感知图像，然后使用三角测量原理计算图像的视差以获得景物的三维信息。

　　双目视觉对硬件的要求较低，因此可以在一定程度上控制成本。但是，它对环境照明非常敏感。受环境因素的影响，例如照明角度和照明强度的变化，将导致所拍摄图片的亮度差异很大，这无疑增加了算法的要求。另外，相机基线（两个相机之间的距离）限制了测量范围。测量范围与基线有很大关系：基线越大，测量范围越远；基线越小，测量范围越近。

　　双目视觉的优缺点决定了它更适合在生产现场的在线，产品检测和质量控制。当然，某些产品也使用此技术原理，例如基于slam算法导航和定位的终端产品，体感摄像头等。

　　2、TOF（全名：TimeOfFlight）飞行时间成像技术，其原理是连续向目标发射光脉冲，然后使用传感器接收从物体返回的光，通过探测光脉冲的飞行时间来获得目标物距离。

　　TOF的核心组件是光源和光接收模块。它不需要类似双目视觉算法即可进行计算。它可以通过特定公式直接输出对象的深度信息。因此，它具有响应速度快，软件简单，识别距离长的特点。因为不需要获取和分析灰度图像，所以它不受外部光源的表面特性的影响。但是，TOF技术的缺点是分辨率低且无法精确成像。

　　这就决定了TOF技术更适合于远程3D信息收集。最常见的是自动驾驶领域的激光雷达。但是，由于自动驾驶行业的发展特点，该领域的激光雷达公司并不多。主要公司已经占领了市场份额，后来进入者的市场门槛已经很高。近年来，随着扫地机器人在ToC市场中的市场份额不断增长，许多公司正在考虑使用TOF技术进入该领域，并在其中占有一定份额。但是，TOF技术公司面临的主要问题是如何降低成本，让我们拭目以待。

　　3、结构光技术，该技术是通过一个光源投射聘束结构光，打到要测量的对象上，因为不同的对象具有不同的形状，这将导致由于一些条纹或斑点而导致的不同变形。发生这种变形后，就需要通过算法计算出距离，形状，大小和其他信息，以获得物体的三维图像。

　　结构光技术不需要使用非常精确的时间延迟来测量，而且解决了双目匹配算法的复杂性和鲁棒性问题，因此具有计算简单，测量精度高的优点。而且由于没有明显的纹理和形状变化，因而同样可以精确测量，因此越来越多的行业应用使用结构光技术。最常见的一种是手机的面部识别。

　　4、激光三角测距技术，也是一种几何测量方法。本质上，它使用物体之间的三角几何关系进行距离测量。典型的应用是使用激光作为光源的测量方案，该方案也基于光学几何原理，并根据光源、物体和检测器三者之间的几何成像关系确定空间物体各点的三维坐标。

　　这种方法通常使用激光作为光源，并使用CCD/CMOS相机作为检测器，具有结构光3D视觉的准确，快速和低成本的优点。根据几何原理的计算，被测物体越近，CCD/CMOS上的位置差别越大，分辨率和精度越高。所以这种测量法在中近距离下的精度很高，特别适合中近距离测距，已成为室内机器人测距定位的首选。

　　二、外观检查

　　外观检查是通过图像处理技术完成的。图像处理实际上是图像信息的计算机处理。

　　图像处理的主要目的是三个方面：提高图像的视感质量，提取图像中包含的某些特征或特殊信息，对图像数据进行转换，编码和压缩，以便于图像的存储和传输。而这些是检查生产线上产品质量问题的最佳应用，这个环节也是替代劳动力的最重要部分。

　　此外，它在其他领域也有应用，例如生成原始图像的预览图，将相机安装在汽车或无人驾驶飞机上以及使用图像处理技术来处理相机拍摄的照片。

　　三、识别

　　从字面上可以看出，识别是一个认识加辨别的过程，需要对机器进行类似人的判断。因此，识别主要通过图像处理和深度学习的融合来实现此功能。

　　图像处理把外部对象的信息转换为机器语言，然后通过视觉感知完成信息的输入。这个过程本质上是机器学习的过程，将两者叠加融合以使识别功能智能化。最常见的应用是人脸识别和无人驾驶。

　　四、高精度检测

　　高精度检测实际上与第一个导航和定位功能原理相同。不同之处在于，它可能会把多种测量技术融合在一起，以形成一个高精度的检测系统。

　　因为使用高精度检测的行业通常在诸如精密加工和高端工业制造之类的高要求行业中，所以要求检测精度达到um级。这些是人眼无法检测到的，必须由机器完成。这也已成为工业4.0时代工业自动化的关键应用。

　　人工智能和“中国制造2025”战略的深入下行，势必给机器视觉需求带来持续增长。

　　机器视觉是一个技术密集型产业。核心技术的积累和持续的技术创新是企业获得竞争优势的关键因素之一。我们期待出现更多的行业杰出人士，为整个行业的发展做出贡献。