2017年机器视觉行业现状及发展趋势展望报告

2017年机器视觉行业现状及发展趋势展望报告(此文档为word格式，可任意修改编辑！）2017年8月一、作为人工智能重要分支，机器视觉备受关注 (5)1.1 机器视觉：人工智能范畴最重要的前沿分支之一 (6)1.2 事件频频：国内外企业前瞻性布局机器视觉领域 (8)1.3 特性分析：三方面优势树立机器视觉的“重中之重” (11)二、机器视觉在应用方面具有广泛性 (13)2.1 应用广泛：高度扩展应用属性可满足不同诉求 (13)2.2 智能制造领域：机器视觉取代重复劳动，大幅提高作业效率 (14)2.3 扫地机器人领域：机器视觉与激光雷达导航，共同引领行业未来 (16)2.4 无人驾驶汽车领域：机器视觉是多传感器融合中的必备技术模块 (21)2.5 新兴服务机器人领域：机器视觉是智能装备环境交互的重要基础 (25)2.6 定制化消费、智能安防等领域：实现身份识别功能，想象空间巨大. 30三、机器视觉在技术方面具有独特性 (32)3.1 机器视觉识别物体：唯一非接触式识别物体的前沿技术 (32)3.2 智能生活领域技术案例：Mobileye行人检测技术与测距技术 (34)3.3 智能制造领域技术案例：基于机器视觉的工业机器人定位技术 (38)四、机器视觉在硬件方面具有经济性 (38)4.1 智能生活领域：低硬件依赖程度保证产品成本高度可控 (39)4.2 智能制造领域：硬件成本相对较低，属技术密集型产业 (41)五、机器视觉技术背后的行业趋势 (44)5.1 未来：机器视觉能在多个领域灵活展开关键性应用 (44)5.2 智能生活领域：技术团队群雄割据，终端优秀品牌或抢占先机 (45)5.3 智能制造领域：中国市场将成主要增长点，国内企业竞相布局 (47)六、相关建议及风险提示 (50)图1：机器视觉可以分为工业视觉和计算机视觉 (6)图2：深度学习、机器视觉、自然语言处理是人工智能公司最多的三个领域7 图3：通用收购的Cruise Automation测试的Bolt自动驾驶原型车 (9)图4：埃斯顿入股的Euclid Labs研发的随机仓拾取系统 (10)图5：VisionLabs面向零售行业客户提供的FACE_IS解决方案 (11)图6：智能装备的五大系统及其数据输入 (12)图7：机器视觉的应用极其广泛 (14)图8：机器视觉应用于智能制造领域的功能 (15)图9：机器视觉产业链及下游应用占比情况 (16)图10：不同技术方案的扫地机器人的特点 (17)图11：iRobot 980的VSLAM视觉定位技术 (18)图12：Dyson 360 eye的摄像头 (19)图13：全球及中国扫地机器人市场空间预测（亿美元） (20)图14：我国扫地机器人渗透率横纵向对比 (21)图15：摄像头（机器视觉）与其他四类无人驾驶汽车传感器的特性对比功能 (22)图16：用车服务公司Uber、Lyft于无人驾驶产业的布局 (23)图17：各类参与者积极尝试将无人驾驶技术应用于用车服务领域 (24)图18：无人驾驶产业化发展的阶段及重要节点预测 (25)图19：BigDog依靠摄像头识别障碍物并调整运动姿态 (26)图20：BigDog机器人配置的传感器 (27)图21：BigDog机器人配置的传感器一览 (27)图22：Atlas机器人在外界干预下重新定位物体并完成搬运任务 (28)图23：人型机器人NAO配置的传感器 (29)图24：Pepper机器人配置的传感器 (30)图25：旷视科技机器视觉项目应用案例（部分） (31)图26：机器视觉识别物体的过程 (33)图27：图像识别顶尖比赛的历年优秀参赛团队成绩 (34)图28：Mobileye行人子窗口检测的分类与组合 (35)图29：Mobileye行人检测流程 (36)图30：Mobileye测距结果 (37)图31：Mobileye车距车速计算原理 (37)图32：基于机器是觉得工业机器人定位技术流程 (38)图33：摄像头模组的结构和成本构成 (40)图34：Mobileye的单目摄像头分辨率为36万像素 (41)图35：工业机器视觉系统的组成部分 (42)图36：劲拓股份的AOI检测设备 (43)图37：劲拓股份AOI设备营业收入及毛利率 (43)图38：机器视觉技术能够在多个领域灵活展开关键性应用的逻辑分析 (45)图39：全球机器视觉部件及系统市场空间 (47)图40：全球机器视觉部件及系统市场空间 (48)图41：中国机器视觉部件及系统市场空间及预测 (48)图42：参与机器视觉布局的主要国内公司一览 (49)一、作为人工智能重要分支，机器视觉备受关注1.1 机器视觉：人工智能范畴最重要的前沿分支之一机器视觉是指利用相机、摄像机等传感器，配合机器视觉算法赋予智能设备人眼的功能，从而进行物体的识别、检测、测量等功能。

按照应用的领域与细分技术的特点，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。

因为工业视觉和计算机视觉在功能目标、硬件需求、算法侧重、产业成熟度上有一定差异。

在功能目标上，工业视觉主要解决以往需要人眼进行的工件的定位、测量、检测等重复性劳动；计算机视觉的主要任务是赋予智能机器人视觉，利用测距、物体标定与识别等功能实现对于外界位置信息、图像信息等的识别与判断。

在硬件需求上，工业视觉相对较高，需要对工业相机的帧频、分辨率等指标依据自身的需求进行筛选；而计算机视觉则除少部分特殊情况外，大部分对于相机或摄像头的要求并不高。

在算法侧重上，工业视觉的算法往往侧重于精确度的提高；而计算机视觉的算法难度相对较高，侧重于或采用数学逻辑或采用深度学习方法进行物体的标定与识别。

在产业成熟度上，工业视觉已经相对较为成熟，在半导体、包装等行业的测量检测已有较为广泛的应用；而计算机视觉整体来讲还是一个刚起步的状态，初创企业层出不穷。

图1：机器视觉可以分为工业视觉和计算机视觉机器视觉作为人工智能领域的重要分支，已经协同其他技术开始对社会产生重大影响。

虽然人工智能领域内的各个前沿技术存在着不同程度的交叉，难以细分，但依据主要采用的技术类别，可以将人工智能行业分为：深度学习、机器视觉、自然语言处理、语音识别、情境感知计算、模式识别等等。

其中，深度学习、机器视觉、自然语言处理是优质企业参与最多的三大领域，也是人们在人工智能领域付诸探索实践最多、获得应用成果最为丰厚的主要领域。

在Venture Scanner追踪的1,118家人工智能公司中，其中有376家公司的产品属于深度学习领域，189家公司的产品属于机器视觉领域，155家公司的产品属于自然语言处理领域。

其中深度学习领域初创公司累计获得20亿美元的风险投资，机器视觉领域初创公司其次，累计获得9.6亿美元风险投资。

图2：深度学习、机器视觉、自然语言处理是人工智能公司最多的三个领域深度学习、机器视觉、自然语言处理这三大方向是计算机智能化发展的三大功能，分别代表着教会机器思考、教会机器观察外界、教会机器理解文字。

其中，机器视觉作为一种基础功能性技术，是机器人自主行动的前提，能够实现计算机系统对于外界环境的观察、识别以及判断等功能，相当于赋予了机器人视觉，对于人工智能的发展具有极其重要的作用。

1.2 事件频频：国内外企业前瞻性布局机器视觉领域近年来，国际巨头纷纷在机器视觉领域进行收购行动，提前在这一领域进行布局，抢占人才、技术、资源的优势。

涉及未来生活智能化的各个领域，如无人驾驶汽车、无人机等自主移动机器人领域、消费娱乐等领域、智能制造领域等。

一方面体现了机器视觉技术作为一种未来智能化的基础技术，其应用范围十分广泛，另一方面也体现了知名企业对于该技术的重视程度。

A．无人驾驶汽车、无人机等自主移动机器人领域1) 2016年，通用10亿美元收购无人驾驶汽车初创公司Cruise Automation，该公司致力于利用双目摄像头、激光雷达、GPS等传感器实现汽车的自主驾驶。

2) 2016年，英特尔正式宣布收购俄罗斯机器视觉公司Itseez，该公司成立于2005年，已经开发了面向驾驶员辅助系统的软件和服务。

此次收购加强了英特尔在电子感知和图像理解领域的能力，有利于公司于汽车和物联网领域的创新。

3) 2016年，亚马逊收购了一家12人的欧洲机器视觉团队，该团队所掌握的技术将用于亚马逊的无人机送货Prime Air项目，以实现无人机自主避障到达目的地。

4) 2016年，福特收购以色列机器视觉和机器学习公司SAIPS，该公司开发的图像和视频算法解决方案、深度学习、信号处理及分类技术，能够帮助福特的无人驾驶汽车学习和适应周围的环境。

图3：通用收购的Cruise Automation测试的Bolt自动驾驶原型车视觉识别是机器与外界交互的前提。

在未来，基于机器视觉的定位、避障、导航技术将是自主移动式机器人的必备基础功能之一，而其较低的生产应用成本也将成为该技术应用的相对优势之一。

B．智能制造领域1) 谷歌曾收购Industrial Perception，该公司致力于研究用于工业机器人的3D视觉识别技术，能够准确对物体进行分类，可以使工业机器人对不同形状的物体进行精准的货物装卸。

2) 2016年2月，埃斯顿发布公告称拟使用140万欧元（约合990万人民币）收购意大利Euclid Labs SRL，持有其20%股权，并计划于2018年将持股比例增加至51%。

该公司是一家掌握3D机器视觉技术的自动化生产线解决方案提供商。

图4：埃斯顿入股的Euclid Labs研发的随机仓拾取系统C．消费、娱乐等领域1) 2015年，俄罗斯一家面部识别技术公司VisionLabs获得550万美元融资，并与Facebook、谷歌合作，开发出了一个开源计算机视觉平台，面向零售行业客户提供一种FACE_IS解决方案，可以识别消费者面部后销售个性化产品。

2) 2016年，移动设备芯片巨头ARM收购斥资3.5亿美元收购英国嵌入式计算机视觉技术公司Apical，该公司的图像处理技术已运用在全球15亿智能手机和超过3亿台无线监视器等装置中。

3) 2016年9月，英特尔宣布收购机器视觉公司Movidius，该公司可以提供低功耗机器视觉芯片，而且已于谷歌、联想、大疆等公司签订协议，为无人机、安保摄像头、VR/AR头盔等设备提供技术服务。

该公司已成立8年，融资总额达到8,650万美元。

图5：VisionLabs面向零售行业客户提供的FACE_IS解决方案由于该领域视觉技术功能的多样性，创业者于该领域进行了广泛的探索与创新，此前于该领域的初创型机器视觉技术团队的收购非常频繁。

例如，Twitter收购了基于深度学习的机器视觉公司Madbits，以实现自主理解图片内容的功能；雅虎收购LookFlow和IQ Engine，以增强Flickr的搜索及内容发现体验；谷歌收购图像识别公司Moodstock以及人脸识别公司Viewdle等；高通公司收购基于图像识别的移动搜索公司Kooaba等等。