【儀表網 儀表下游】導讀：機器視覺被比喻為智能制造之眼，通過以圖像識別為核心的程序、算法來模擬人的視覺功能，讓機器代替人眼實現產品檢測、精密測控等功能，從而提高生產效率和生產自動化程度，對工業數字化、智能化轉型至關重要。機器視覺在工業領域的應用想必大家已非常熟悉，但是它在自動駕駛領域的應用也許你還不了解。
兩大應用，提高自動駕駛準確性
自動駕駛是智能交通的一種，主要依靠車內的以計算機系統為主的智能駕駛儀來實現無人駕駛的目標。機器視覺是人工智能的一個重要分支，其核心是使用“機器眼”來代替人眼。將機器視覺應用到自動駕駛領域，無疑會大幅度提高自動駕駛的準確性，障礙物檢測及道路檢測都離不開機器視覺技術。
1、障礙物檢測
障礙物檢測的準確率是車輛自動駕駛過程中安全性的重要保證。在行駛過程中，障礙物的出現是不可預知的, 也就無法根據現有的電子地圖避開障礙物，只能在車輛行駛過程中及時發現, 并加以處理。
2、道路檢測
自動導航是自動駕駛的必要條件，自動駕駛過程中，道路檢測主要是為了確定車輛在道路中的位置和方向，以便控制車輛按照正確的路線行駛。由于現實中的道路多種多樣，在加上光照、氣候等各種環境因素的影響，道路檢測是一個十分復雜的問題。
雷達or視覺，不同場景選擇不同
激光雷達、純機器視覺，一直是自動駕駛技術中區別明顯的兩大方向，其實二者都是自動駕駛車輛感知所處環境的一種方式，差別只在于實現方式不同。機器視覺路線以攝像頭為主導，配合毫米波雷達、超聲波雷達、低成本激光雷達等。激光雷達路線以激光雷達為主導，配合毫米波雷達、超聲波傳感器、攝像頭等。
相比于激光雷達，視覺傳感器低成本的特性，也讓其成為了在自動駕駛解決方案中不可或缺的存在。但是，機器視覺對于算法的要求非常高，讓很多車企望而卻步。在未來，激光雷達和視覺算法之間的市場競爭依舊會存在，同時成本收益問題仍舊是需要考慮的一個重要方面。不同應用場景下對感知系統的要求不同，技術的選擇也會有差別。
前景廣闊，使無人駕駛成為可能
2016-2019年，全球機器視覺市場規模不斷擴大，據markets and markets預測，全球機器視覺市場規模至2025年有望達到147美元；據GGII預測，機器視覺產業未來三年，復合增速接近24%，是巨大的藍海市場。國內機器視覺行業快速發展，中國正在成為世界機器視覺發展最活躍的地區之一。
目前，視覺傳感器及機器視覺技術被廣泛應用到了各類先進輔助駕駛系統中，其中行車環境的感知是基于機器視覺的先進輔助駕駛系統的重要組成部分之一。行車環境的感知主要是依靠視覺技術感知車輛行駛時的道路信息、路況信息和駕駛員狀態，為輔助駕駛系統提供決策所必需的基礎數據。
通過機器視覺的廣泛應用，能夠大大提升智能交通系統的感知精度與維度，讓智能交通系統更加智慧。機器視覺的快速發展促進了自動駕駛技術的成熟，使無人駕駛在未來成為可能。
結語：目前，機器視覺仍然廣泛應用于工業制造和物流領域，還沒有大規模應用到自動駕駛中，但是隨著AI技術在智能交通領域的加速落地，機器視覺在自動駕駛應用中有望迎來更大的發展。
所有評論僅代表網友意見，與本站立場無關。