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(xiàn)產(chǎn)品檢測、精密測控等功能，從而提高生產(chǎn)效率和生產(chǎn)自動化程度，對工業(yè)數(shù)字化、智能化轉(zhuǎn)型至關重要。機器視覺在工業(yè)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(nèi)的以計算機系統(tǒng)為主的智能駕駛儀來實現(xiàn)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(xiàn)是不可預知的, 也就無法根據(jù)現(xiàn)有的電子地圖避開障礙物，只能在車輛行駛過程中及時發(fā)現(xiàn), 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(xiàn)實中的道路多種多樣，在加上光照、氣候等各種環(huán)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(qū)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(huán)境的一種方式，差別只在于實現(xiàn)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http://www.app17.com/c153486/products/d10099324.html、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(tǒng)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(guī)模不斷擴大，據(jù)markets ａnd markets預測，全球機器視覺市場規(guī)模至2025年有望達到147美元；據(jù)GGII預測，機器視覺產(chǎn)業(yè)未來三年，復合增速接近24%，是巨大的藍海市場。國內(nèi)機器視覺行業(yè)快速發(fā)展，中國正在成為世界機器視覺發(fā)展最活躍的地區(qū)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(tǒng)中，其中行車環(huán)境的感知是基于機器視覺的先進輔助駕駛系統(tǒng)的重要組成部分之一。行車環(huán)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(tài)，為輔助駕駛系統(tǒng)提供決策所必需的基礎數(shù)據(jù)。
通過機器視覺的廣泛應用，能夠大大提升智能交通系統(tǒng)的感知精度與維度，讓智能交通系統(tǒng)更加智慧。機器視覺的快速發(fā)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(jié)語：目前，機器視覺仍然廣泛應用于工業(yè)制造和物流領域，還沒有大規(guī)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(fā)展。
