上世紀70年代中，MIT人工智能實驗室正式開設“機器視覺”課程，近半個世紀來機器視覺持續是一個非常活躍的研究領域，全球性的研究熱潮，使得機器視覺獲得了蓬勃發展，機器視覺在工業制造領域已獲得了廣泛的應用，比如在不適合人類工作的環境中，利用機器視覺代替傳統人工測量/試；或用于需要高性能、精密機器視覺組件的專業設備制造領域。但總體來講，機器視覺不僅依然一個相當新且仍有很多工作要做的研究領域，更是一個深藏無限潛力的金礦。

在此次采訪中，大部分的廠商的關注焦點都更貼近大眾生活相關，放在了消費電子、可穿戴產品、汽車ADAS以及智能化監控等領域。比如CEVA公司投資者關系與企業傳播副總裁RichardKingston就透露“我們已經將計算機視覺DSP授權許可予八家企業，其中包括三家移動領域的OEM廠商。”加拿大CogniVue公司業務開發副總裁TomWilson認為“可穿戴和汽車領域將存在非常強烈的增長機遇。”

視覺處理向3D跨越

隨著谷歌正式發布了ProjectTango后，3D機器視覺變得愈加熱門。“我們認為消費領域3D處理的主要應用會是3D成像、自然用戶界面(NUI)和3D視覺應用，比如PC、筆記本電腦、平板電腦、智能手機和其它消費類設備。”Kingston表示。

業界追尋3D視覺的最大原因還是為了解決2D機器視覺的固有局限，若能更好的實現在分割(分離近景和遠景)、照明(用于人臉識別時)、相對位置(場景中的物體)等方面的功能，許多應用可以通過采用3D空間信息簡化并提高視覺系統的精度和可靠性。

但無論是3D傳感器(例如飛行時間法(ToF)相機)、或以2個2D圖像傳感器實現的立體傳感器，他們對處理能力的要求都更高。“立體匹配(使用來自兩個圖像傳感器輸入)要求差異映射來生成3D景深圖。這是一個非常困難的計算機視覺問題，學術界也積極研究來優化立體識別算法。”CogniVue公司業務開發副總裁TomWilson指出。每一種實現3D傳感的方法都存在性能上的折衷，CogniVue目前在開發一種算法，能針對低成本3D傳感器有效計算其視差圖。

處理大量實時數據需要密集的計算能力。若是想實現穩定的3D傳感地圖是非常困難的，特別是對那些低功耗的設備來說。“CogniVue的APEX圖像識別處理(ICP)技術能在電量有限的3D視覺應用中發揮關鍵作用。”他補充道。

更多資訊請關注機器視覺頻道