施努卡苏州智能装备有限公司 2021-01-26 10726
机器视觉我觉得可以分为成像和识别两部分,缺一不可,但这两部分又是完全不同的两个方向。
首先成像更加偏向于光学,不管是那种视觉技术,都是以光学作为基础,光源 探测器 镜头的选择 位置 校准 调节,都是需要深厚光学背景的。如果是3d视觉的话还可能要考虑到三维重构,如果从底层介入的话还需要数学家。
识别的话更加偏向于图像算法,也就是计算机视觉,这个的难度丝毫不亚于3d视觉成像,甚至更高。
国外公司里可以称得上技术顶尖的我觉得也就dwf,isra虽然技术也不错但离工厂级应用还差得很远。
至于前景我觉得一般,低端的2d和激光3d过几年肯定是红海一片,本来就没啥技术含量,高端的3d视觉难度又太大,国内没人会去做也没钱去做这种设备。总体而言你就把机器视觉看作是自动化的一个组成部分就可以了。
机器视觉中的人脸识别,大家每天打交道最多的就是iPhone的FaceID,又称刷脸解锁。但是苹果这个刷脸解锁系统类似于手机的保安,负责识别主人,更多的应用就没有了,比如分析主人。
这方面,国内科技公司已经走在苹果前面,或者说在应用机器视觉方面走的很激进。利用人脸识别,随时采集学生听课状态,包括趴桌子、玩手机、睡觉、听讲、阅读、举手等细项,都有详细的数据统计,学生只要坐到课桌前,一举一动都逃不过机器的眼睛。看到这里,可能大家都明白了,方案提供商明显没有考虑到学生因此产生的心理健康问题,缺乏人文关怀,所以点歪了科技树。