机器视觉：寻找传统工业之外的机遇

上世纪70年代中，MIT人工智能实验室正式开设“机器视觉”课程，近半个世纪来机器视觉持续是一个非常活跃的研究领域，全球性的研究热潮，使得机器视觉获得了蓬勃发展，机器视觉在工业制造领域已获得了广泛的应用，比如在不适合人类工作的环境中，利用机器视觉代替传统人工测量/试；或用于需要高性能、精密机器视觉组件的专业设备制造领域。但总体来讲，机器视觉不仅依然一个相当新且仍有很多工作要做的研究领域，更是一个深藏无限潜力的金矿。

在此次采访中，大部分的厂商的关注焦点都更贴近大众生活相关，放在了消费电子、可穿戴产品、汽车ADAS以及智能化监控等领域。比如CEVA公司投资者关系与企业传播副总裁Richard Kingston就透露“我们已经将计算机视觉DSP授权许可予八家企业，其中包括三家移动领域的OEM厂商。”加拿大CogniVue公司业务开发副总裁Tom Wilson认为“可穿戴和汽车领域将存在非常强烈的增长机遇。”

视觉处理向3D跨越

随着谷歌正式发布了Project Tango后，3D机器视觉变得愈加热门。“我们认为消费领域3D处理的主要应用会是3D成像、自然用户界面(NUI)和3D视觉应用，比如PC、笔记本电脑、平板电脑、智能手机和其它消费类设备。”Kingston表示。

业界追寻3D视觉的最大原因还是为了解决2D机器视觉的固有局限，若能更好的实现在分割(分离近景和远景)、照明(用于人脸识别时)、相对位置(场景中的物体)等方面的功能，许多应用可以通过采用3D空间信息简化并提高视觉系统的精度和可靠性。

但无论是3D传感器(例如飞行时间法(ToF)相机)、或以2个2D图像传感器实现的立体传感器，他们对处理能力的要求都更高。“立体匹配(使用来自两个图像传感器输入)要求差异映射来生成3D景深图。这是一个非常困难的计算机视觉问题，学术界也积极研究来优化立体识别算法。”CogniVue公司业务开发副总裁Tom Wilson指出。每一种实现3D传感的方法都存在性能上的折衷，CogniVue目前在开发一种算法，能针对低成本3D传感器有效计算其视差图。

处理大量实时数据需要密集的计算能力。若是想实现稳定的3D传感地图是非常困难的，特别是对那些低功耗的设备来说。“CogniVue的APEX图像识别处理(ICP)技术能在电量有限的3D视觉应用中发挥关键作用。”他补充道。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@blueai.net.cn。