從業三年，行業新兵。

我認為機器視覺行業正處於一個上升期。

機器視覺和計算機視覺的區別：這個區別沒有明確的定義，而且二者也在越來越接近。但是現階段來講，機器視覺都是做一些預定義的事情，比如測量，檢測缺陷（一般是根據一個已經定好的標準，比如大小，周長，顏色等等），或者視覺引導機器人（輸出具體物理座標）。而計算機視覺一般都是做一些比較開放的東西，比如說動作檢測，人臉識別，這些沒有明確標準的東西。關於機器視覺行業的發展：其實機器視覺的歷史已經不短，在海外已經有20-30年的發展歷史了。第一次發展期在Dotcom泡沫時期也就是2000年左右，當時微電子行業有大量的機器視覺應用，比如檢測，測量等，但是Dotcom泡沫破碎之後，機器視覺行業沉寂了10年，這10年中沒有質的增長，這時很大程度上還是限於主機效能不高或價格太高，滿足不了一般製造業對於產能和成本的要求。第二次發展是到了2010年左右，隨著主機效能逐漸增強以及消費電子製造市場的景氣，很多視覺廠商開始進入end user領域，由於組裝線的數量龐大，這種銷量，使得很多廠商得到了很大的發展。

未來我認為機器視覺將會向更智慧化方向發展，計算機視覺和機器視覺將不會有很明顯的差異了。

當人們談論機器人視覺技術時，人們有時會混淆不清。他們會說他們正在使用“計算機視覺”或“影象處理”，事實上，他們的意思是“機器視覺”。這是一個完全可以理解的錯誤。所有不同術語之間的界限有時會模糊不清。

在本文中，我們分解了機器人視覺的“家譜”，並展示了它在更廣泛的訊號處理領域中的適用範圍。

什麼是機器人視覺？

在基本術語中，機器人視覺涉及使用相機硬體和計算機演算法的組合，以允許機器人處理來自世界的視覺資料。例如，您的系統可能有一個2D攝像頭，可以檢測機器人拾取的物件。更復雜的例子可能是使用3D立體相機引導機器人將輪子安裝到移動的車輛上。

沒有Robot Vision，您的機器人基本上是盲目的。對於許多機器人任務而言，這不是問題，但對於某些應用，機器人視覺是有用的甚至是必要的。

機器人視覺的家譜

機器人視覺與機器視覺密切相關，我們將在稍後介紹。它們都與計算機視覺密切相關。如果我們談論家譜，計算機視覺可以被看作是他們的“父母”。然而，為了理解它們在世界上的適用範圍，我們必須更進一步引入“祖父母” - 訊號處理。

訊號處理

訊號處理涉及處理電子訊號以清理它們（例如去除噪聲），提取資訊，準備它們輸出到顯示器或準備它們以進行進一步處理。任何東西都可以是一個訊號，或多或少。存在可以處理的各種型別的訊號，例如模擬電訊號，數位電子訊號，頻率訊號等。影象基本上只是兩個（或更多）維訊號。對於Robot Vision，我們對影象處理感興趣。所以，我們談的是影象處理，對吧？不對。

影象處理與計算機視覺

計算機視覺和 影象處理就像表兄弟一樣，但它們有著截然不同的目標。影象處理技術主要用於提高影象質量，將其轉換為另一種格式（如直方圖）或以其他方式更改以進行進一步處理。另一方面，計算機視覺 更多的是從影象中提取資訊以理解它們。因此，您可以使用“影象處理”將彩色影象轉換為灰度，然後使用“計算機視覺”檢測該影象中的物件。如果我們進一步觀察家譜，我們會發現這兩個域都受到物理學領域的影響，特別是光學領域。

模式識別與機器學習

到目前為止，這麼簡單。當我們將模式識別包含在家譜中，或者更廣泛地包括機器學習時，它開始變得更加複雜。該系列的這一分支專注於識別資料中的模式，這對於Robot Vision所需的許多更高階的功能非常重要。例如，為了能夠從其影象中識別物件，軟體必須能夠檢測它看到的物件是否與先前的物件類似。因此，機器學習是計算機視覺的另一個父母，同時也是訊號處理。

但是，並非所有計算機視覺技術都需要機器學習。您還可以對非影象的訊號使用機器學習。在實踐中，這兩個域通常組合如下：計算機視覺檢測影象中的特徵和資訊，然後將其用作機器學習演算法的輸入。例如，計算機視覺檢測傳送帶上部件的尺寸和顏色，然後機器學習根據其瞭解好部件應該是什麼樣的知識來決定這些部件是否有故障。

機器視覺

現在我們進入 機器視覺，一切都在變化。這是因為Machine Vision與之前的所有術語完全不同。它更多地是關於特定應用而不是技術。機器視覺是指用於自動檢測，過程控制和機器人引導的視覺的工業用途 。其餘的“家庭”是科學領域，而機器視覺是一個工程領域。

在某些方面，您可以將其 視為計算機視覺的孩子，因為它使用計算機視覺和影象處理的技術和演算法。但是，儘管它用於引導機器人，但它與機器人視覺並不完全相同。

機器人視覺

最後，我們來到Robot Vision。如果你一直關注這篇文章，你會發現Robot Vision結合了以前所有術語中的技術。在許多情況下，機器人視覺和機器視覺可以互換使用。但是，有 一些細微的差別。一些機器視覺應用，例如零件檢測，與機器人無關 - 該部件僅放置在尋找故障的視覺感測器前面。

此外，Robot Vision不僅是一個工程領域。這是一門具有自己特定研究領域的科學。與純粹的計算機視覺研究不同，機器人視覺必須將機器人技術的各個方面融入其技術和演算法中，例如運動學，參考框架校準和機器人物理影響環境的能力。 視覺伺服是一種技術的完美例子，它只能被稱為機器人視覺，而不是計算機視覺。它涉及透過使用由視覺感測器檢測到的機器人位置的反饋來控制機器人的運動。