机器视觉的应用及发展趋势

机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能：从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。

一个典型的工业机器视觉应用系统，包括数字图像处理技术、机械工程技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。机器视觉广泛其他各个工业领域，可以提高自动化效率，降低企业成本。

发展瓶颈

机器视觉可以看作是与人工智能和模式识别密切相关的一个子学科或子领域，限制机器视觉发展的瓶颈是多方面的。其中最重要的可以归结为三个方面：计算能力不足、认知理论未明以及精确识别与模糊特征之间的自相矛盾。

1、机器视觉面向的研究对象主要是图像和视频，其特点是数据量庞大、冗余信息多、特征空间维度高。考虑到真正的机器视觉面对的对象和问题的多样性，单一的简单特征提取算法（如颜色、边界形状等等）难以满足算法对普适性的要求。因此设计普适性的特征提取算法时对计算能力和存储速度的要求是十分巨大的，这就造成了开发成本的大幅度提高。

2、目前较新的思想认为应该从分析、了解和模拟人类大脑的信息处理功能去构建智能机器视觉系统，但神经科学的发展目前只能做到了解和模拟大脑的一个局部，而不是整体。事实上，我们对人是如何对一个目标或场景进行认知的这一问题仍停留在定性描述而非定量描述上。

3、机器视觉系统经常被人诟病的问题之一就是准确性，目标越精细，越复杂，信息越大，则其模糊性和不确定性也越强。机器视觉在做的事情一方面想要借鉴人脑或人眼系统的灵感去处理复杂而庞大的信息流，另一方面又想摒除人脑在模式识别方面存在的精确性不足的缺陷。

综上，机器视觉的发展在短期内难有重大突破，当前的实用技术仍然会集中在特定性任务或特定性目标的识别算法的开发上。当前，机器视觉技术必须和应用光学、视觉认知、CV、人工智能等相关学科进行深度交叉。

提升三维技术

在现实生活中，我们越来越需要更多的三维模型来实现对物体或环境的信息全面掌握。三维模型能更加全面、精确地记录环境，可以直观地呈现物体的位置、距离、姿态等。通过初始化、特征点提取、动态模板特征点匹配、几何变化计算阶段后得到三维感兴趣区域的特征信息。

未来发展趋势

由于机器视觉是自动化的一部分，没有自动化就不会有机器视觉，机器视觉软硬件产品正逐渐成为协作生产制造过程中不同阶段的核心系统。

无论是用户还是硬件供应商都将机器视觉产品作为生产线上信息收集的工具，这就要求机器视觉产品大量采用标准化技术，直观地说就是要随着自动化的开放而逐渐开放，可以根据用户的需求进行二次开发。

随着中国加工制造业的发展，对于机器视觉的需求也逐渐增多。机器视觉产品的日益增多，技术的不断提高，国内机器视觉的应用状况将由初期的低端转向高端，由于机器视觉的介入，自动化将朝着更智能、更快速的方向发展。