机器视觉是指利用相机、摄像机等传感器,配合机器视觉算法赋予智能设备人眼的功能,从而进行物体的识别、检测、测量等功能。

　　按照应用的领域与细分技术的特点,机器视觉进一步可大致分为工业视觉、计算机视觉两类,相应地,其应用领域可以划分为智能制造和智能生活两类。

　　（如果你想阅读本文33页完整报告，在网站搜索关键词”机器视觉”即可免费下载。）

　　机器视觉作为AI领域的重要分支,已经协同其他技术开始对社会产生重大影响。

　　虽然AI领域内的各个前沿技术存在着不同程度的交叉,难以细分,但依据主要是采用的技术类别,可以将AI行业分为:深度学习、机器视觉、自然语言处理、语音识别、情境感知计算、模式识别等等。

　　其中,深度学习、机器视觉、自然语言处理是优质公司参与最多的三大领域,也是人们在AI领域付诸探索实践最多、获得应用成果最为丰厚的主要领域。

　　在Venture Scanner追踪的1,118家人工智能公司中,其中有376家公司的产品属于深度学习领域,189家公司的产品属于机器视觉领域,155家公司的产品属于自然语言处理领域。

　　其中深度学习领域初创公司累计获得20亿美元的风险投资,机器视觉领域初创公司其次,累计获得9.6亿美元风险投资。

　　深度学习、机器视觉、自然语言处理这三大方向是计算机智能化发展的三大功能,分别代表着教会机器思考、教会机器观察外界、教会机器理解文字。

　　其中,机器视觉作为一种基础功能性技术,是机器人自主行动的前提,可以在一定程度上完成计算机系统对于外界环境的观察、识别以及判断等功能,相当于赋予了机器人视觉,对于人工智能的发展具有非常非常重要的作用。

　　近年来,国际巨头纷纷在机器视觉领域进行收购行动,提前在这一领域进行布局,抢占人才、技术、资源的优势。涉及未来生活智能化的所有的领域,如无人驾驶汽车、无人机等自主移动机器人领域、消费娱乐等领域、智能制造领域等。

　　一方面体现了机器视觉技术作为一种未来智能化的基础技术,其应用场景范围十分广泛,另一方面也体现了有名的公司对于该技术的重视程度。

　　1) 2016年,通用10亿美元收购无人驾驶汽车初创公司Cruise Automation,该公司致力于利用双目摄像头、激光雷达、GPS等传感器实现汽车的自主驾驶。

　　2) 2016年,英特尔正式公开宣布收购俄罗斯机器视觉公司Itseez,该企业成立于2005年,已经开发了面向驾驶员辅助系统的软件和服务。此次收购加强了英特尔在电子感知和图像理解领域的能力,有利于公司于汽车和物联网领域的创新。

　　3) 2016年,亚马逊收购了一家12人的欧洲机器视觉团队,该团队所掌握的技术将用于亚马逊的无人机送货Prime Air项目,以实现无人机自主避障到达目的地。

　　4) 2016年,福特收购以色列机器视觉和机器学习公司SAIPS,该公司开发的图像和视频算法解决方案、深度学习、信号处理及分类技术,可以帮助福特的无人驾驶汽车学习和适应周围的环境

　　视觉识别是机器与外界交互的前提。在未来,基于机器视觉的定位、避障、导航技术将是自主移动式机器人的必备基础功能之一,而其较低的生产应用成本也将成为该技术应用的相对优势之一。

　　谷歌曾收购Industrial Perception,该公司致力于研究用于工业机器人的3D视觉识别技术,能够准确对物体进行分类,可以使工业机器人对不一样的形状的物体进行精准的货物装卸。

　　2016年2月,埃斯顿发布了重要的公告称拟使用140万欧元(约合990万人民币)收购意大利Euclid Labs SRL,持有其20%股权,并计划于2018年将持股票比例增加至51%。该公司是一家掌握3D机器视觉技术的自动化生产线解决方案提供商。

　　1) 2015年,俄罗斯一家面部识别技术公司VisionLabs获得550万美元融资,并与Facebook、谷歌合作,开发出了一个开源计算机视觉平台,面向零售行业客户提供一种FACE_IS解决方案,可以识别消费者面部后销售个性化产品。

　　2) 2016年,移动电子设备芯片巨头ARM收购斥资3.5亿美元收购英国嵌入式计算机视觉技术公司Apical,该公司的图像处理技术已运用在全球15亿智能手机和超过3亿台无线月,英特尔宣布收购机器视觉公司Movidius,该企业能提供低功耗机器视觉芯片,而且已于谷歌、联想、大疆等公司签署协议,为无人机、安保摄像头、VR/AR头盔等设备提供技术服务。该公司已成立8年,融资总额达到8,650万美元。

　　一般而言,包括无人驾驶汽车、服务机器人等智能机器人拥有以下几个系统:感知系统,外界信息的关键入口,通过传感器接收来自外部环境的信息,进而达到与外界的交互;计算处理系统,对收集的信息进行计算处理并根据算法制定决策,以此来实现相应功能;控制执行系统,将计算处理系统输出的信号通过种种控制器执行器实现。智能装备的输入端有两个来源:一个是人工输入的设置参数,一个是通过自身的传感器组成的感知系统从外界环境获得的信息。人工输入的参数反映着使用者基于自身使用目的和预期,对于智能设备的设置;感知系统输入的数据反映着智能设备通过感知外界环境获得的有利于设备运转的信息。因此,感知系统的重要性可见一斑,起是智能设备除人工干预以外的唯一输入,也是智能设备能够自主获得信息、自主判断、自主行动的基础。

　　其中,机器视觉技术能实现智能机器人的视觉功能以及部分位置觉的功能,回答“是什么”和“在哪里”的问题。

　　从目前感知技术的研发现状来看,机器视觉已经成为智能机器人感知技术中最重要的技术之一,具有很多其他技术无法比拟的优势——从应用方面来讲,其功能覆盖范围极其广泛;

　　从硬件成本方面来讲,相对低廉的硬件具有经济性,不会对最终产品的成本构成形成太大成本压力。

　　此外,机器视觉的细分技术“人脸识别”,想象空间更为广阔,可应用于身份识别、消费、客户管理、智能安防等更多领域。

　　机器视觉应用于工业自动化领域,能轻松实现产品的检测、测量、识别以及工业机器人的定位引导等功能。

　　其中检测功能,主要为工件的瑕疵和色彩检测、部件的有无检测、目标位置和方向检测等;测量功能,主要为部件的尺寸和容量检测,预设标记的测量(如孔位到孔位的距离)等;识别功能不同于其他领域,主要为标准条形码、二维码的解码、字符的识别和确认等;工业机器人的定位引导功能,主要为输出空间坐标,引导机械手臂精确定位等。

　　机器视觉的灰度分辨力强,能分辨出人类分辨不出的灰度级;机器视觉的空间分辨力强,能看到人类看不到的微小目标;机器视觉的速度更快,快门时间可达到10微秒;

　　机器视觉对温度、湿度的适应性更强;机器视觉的感光范围更宽,能够观测到从紫外线到红外线的较宽光谱范围;工业相机可连续工作,不会出现松懈、疲劳现象。

　　工业自动化领域的机器视觉上游有光源、镜头、工业相机、图像采集卡、机器视觉软件的提供商,行业下游应用较广,主要下游市场是半导体及电子制造、汽车行业,以及食品与包装、制药行业,以上四个行业是国内外机器视觉应用的主要行业。

　　摄像头(机器视觉)、激光雷达、毫米波雷达、超声波雷达、GPS是无人驾驶汽车感知系统的五大重要传感器,出于安全的冗余性、硬件功能上的互补性等考虑,多传感器融合是未来的趋势。而机器视觉作为无人驾驶技术中非常非常重要的功能模块之一,其对于行人、交通信号、道路标志等关键目标的识别功能无可替代。

　　通用公司除积极收购无人驾驶技术团队,并利用Bolt EV车型测试无人驾驶技术之外,还曾斥资5亿美元投资美国打车应用Lyft,并收购在打车软件竞争中失败的共享乘车服务Sidecar公司的技术和资产。

　　福特除利用Fusion车队测试无人驾驶技术以外,也在密歇根试点打车服务——动态班车(dynamic shuttle)。

　　拥有Car2go汽车共享服务的戴姆勒公司也曾收购Mytaxi和Ridescout打车软件。

　　中国机器视觉产业起步较晚,虽然市场基数小,但发展速度快,2015 年全球占比 8.3%,已成为全世界第三大机器视觉市场。

　　主要下业半导体及电子制造、汽车制造等领域国内仍主要是采用人工检测,未来随着人力成本的逐步走高,机器换人的逻辑将在机器视觉领域逐步兑现,预计未来 5 年国内机器视觉市场将保持 15%以上的增长率,2018 年市场规模达到 33.4 亿人民币。

　　如果你想阅读本文35页完整报告，在网站搜索关键词”机器视觉”即可免费下载。