电工学习网

 找回密码
 立即注册

计算机视觉与机器视觉

2016-5-13 07:54| 编辑:电工学习网| 查看: 4543| 评论: 0

  首先,我们有必要理清楚机器视觉与计算机视觉之间的关系。从学科分类上,二者都被认为是ArtificialIntelligence下属科目,不过计算机视觉偏软件,通过算法对图像进行识别分析,而机器视觉软硬件都包括(采集设备,光源,镜头,控制,机构,算法等),指的是系统,更偏实际应用。简单的说,我们可以认为计算机视觉是研究“让机器怎么看”的科学,而机器视觉是研究“看了之后怎么用”的科学。

  计算机视觉与机器视觉的问题是,前者太学术,后者太工业,因而一直以来在消费级市场缺乏好的产品。图漾创始人费浙平向雷锋网(搜索“雷锋网”公众号关注)编辑说,机器视觉的很多核心技术和原理多年前就比较成熟了,近年来的进展主要集中在工程化,比如GPU和视觉计算加速器的出现解决了计算量问题。但与此同时,要想把视觉技术实现真正产品落地,中间还有不少其他问题,他们也在摸索中。

  视觉技术在消费级市场最早的尝试是微软的Kinect。2010年,微软联合深度摄像头技术方案提供方PrimeSense正式对外推出Kinect,利用骨骼捕捉技术,Kinect可以捕捉游戏玩家的骨骼动作,从而让游戏玩家可以不接触屏幕即可玩游戏。在Kinect之后,华硕、Intel、谷歌以及苹果也相继在深度摄像头的应用场景上跟进,一切都看起来往好的方向发展。

  但深度摄像头作为独立产品,市场化难度颇大。例如Intel在13年在开发者会议上宣布,将推出自己的微型深度感知模块,华硕、戴尔、惠普、联想等多家PC厂家都将从2014年下半年开始在产品线中部署这款深度感知模块。而两年多过去了,曾经预言的集成深度摄像头的产品迟迟未见。

  那么,处于计算机视觉和机器视觉交叉部分的深度摄像头,应该如何打开消费级市场?

  “机器视觉在消费市场落地,技术上是人工智能技术和机器人硬件有效融合的问题,有两条路:

  1.自上而下。以人工智能技术应用为主,要求机器人硬件尽可能符合人工智能技术工程化的条件。这意味着,产品得增加传感器,以保障智能算法数据供给,得提高成本,有良好的计算资源让复杂的智能算法“跑”起来。还意味着产品具有不稳定性,人工智能技术以概率为主,产品功能依赖人工智能技术的比例越大,产品功能越不稳定。机器视觉应用里面,人脸检测是很稳定的,但遇到黑人也难打包票。

  2.自下而上。以机器人硬件为主,在功能上应用人工智能技术辅助。这意味着,产品比较可靠,但同时也失去了一些智能化的特性。当产品需要某些智能化的功能时,要花费大量人力针对某个“智能算法”做移植,将本来在不稳定环境中运行的算法应用在可控、高效而且低成本的嵌入式环境中,这点让很多专注理论算法的工程师头疼。

  机器视觉技术落实在产品上,有时候是自下而上做产品的过程中,给了“智能算法”太多的束缚,大家总是优先考虑成本和稳定性,而不是技术应用本身。我们从人工智能领域出来做机器人,希望两者做个折衷,以自上而下的愿景给智能技术找一个市场立足点。市场对智能产品需求的不明晰,也是机器视觉难落地市场的一大因素。”

看过《计算机视觉与机器视觉》的人还看了以下文章:

发表评论

最新评论

  • 电表怎么看度数
  • 插座烧毁原因_插座烧后还可以继续使用吗?
  • 注册电气工程师考试挂靠,到底富了谁?
  • 电工证可以“挂靠“吗
  • 电工证怎么考?如何自考电工证
  • 电工证种类和图片大全
热门资讯

电工学习网 ( )

GMT+8, 2021-12-6 20:46

Powered by © 2011-2021 www.shop-samurai.com 版权所有 免责声明 不良信息举报

技术驱动未来! 电工学习网—专业电工基础知识电工技术学习网站。

栏目导航: 工控家园 | 三菱plc | 西门子plc | 欧姆龙plc | plc视频教程

返回顶部