机器视觉

相比能够完成大量任务的通用型机器人，针对特定场景、执行明确任务、部署成本更低的机器人，更容易形成规模化应用。

人工智能驱动的机器视觉正成为机器人智能化发展的关键引擎。

计算机视觉是人工智能领域中的一个分支，涉及图像处理、模式识别、机器学习、深度学习等多个领域。

常用的机器视觉领域图像算法有运动目标检测算法、基于深度学习的人脸算法等。

视觉常用的目标识别方法有三种：Blob分析法（BlobAnalysis）、模板匹配法、深度学习法。本文就三种常用的目标识别方法进行对比。

详细介绍2D和3D视觉技术的不同特点、应用场景以及它们能够解决的问题。

文章介绍了机器视觉的图像目标识别方法操作要点，如提升图像的预处理效果，图像的分割，明确特征提取要点等

适用于初学者的机器视觉学习路线

机器视觉进一步可以分为工业视觉、计算机视觉两类，相应地，其应用领域可以划分为智能制造和智能生活两类。

机器视觉系统非常复杂。即使在最简单的系统中，硬件和软件也可以协同工作以产生结果。