機器人視覺使機器人具有視覺感知功能的系統，是機器人系統組成的重要部分之一。機器人視覺可以通過視覺傳感器獲取環境的二維圖像，并通過視覺處理器進行分析和解釋，進而轉換為符號，讓機器人能夠辨識物體，并確定其位置。

　　隨著科學技術的不斷進步，具有類似于人類視力的機器人系統不再是科幻小說中的夢想。今后，3D視覺系統將成為機器人系統的標準附加設備，攜手機器人共同打造夢幻般視覺。

　　過去幾年來，這個以知識為導向的產業經歷機器視覺系統的元件與模組日益復雜化;另一方面，與機器視覺系統相關的市場應也持續擴展到超越工業制造以外的新應用領域，特別是如今當硬體尺寸縮減以及嵌入式系統持續展現動能之際，即將來臨的奈米技術、先進感測器、機器對機器(M2M)通訊系統以及物聯網(IoT)等新興技術發展，將進一步推動機器視覺應用擴展至消費性電子、可穿戴式裝置、汽車先進駕駛輔助系統(ADAS)以及智能化監控等更貼近大眾生活的領域。

　　全球機器視覺市場可望在2018年以前超越50億美元大關。

　　視覺處理向3D跨越

　　隨著Google正式發布ProjectTango后，3D機器視覺變得更熱門。Kingston表示，“消費領域的3D處理主要瞄準3D成像、自然使用者界面(NUI)和3D視覺應用，如PC、筆記型電腦、平板電腦、智能手機和其它消費性設備。”

　　業界追尋3D視覺的主要原因在于解決2D機器視覺的固有局限，若能更有效地實現在分割(分離近景和遠景)、照明(用于人臉辨識)、相對位置(場景中的物體)等方面的功能，就能讓更多應用透過3D空間資訊來簡化并提高視覺系統的精密度與可靠性。

　　但無論是3D感測器(例如TOF相機)或以2個2D影像感測器實現的立體感測器，對于處理能力的要求也更高。Wilson指出，“立體匹配(使用兩個影像感測器的輸入)要求差異映射來產生3D景深圖。這是一個非常困難的電腦視覺問題，學術界也積極研究最佳化立體辨識演算法。”由于實現3D感測的每一種方法都存在性能的折衷，CogniVue目前正開發一種新的演算法，期望針對低成本3D感測器計算其視差圖。

　　處理大量即時資料需要密集的運算能力。若是想實現穩定的3D感測映射是非常困難的，特別是對于低功耗的設備來說。為此，他強調，“CogniVue的APEX影像辨識處理(ICP)技術能在電量有限的3D視覺應用中發揮關鍵作用。”

　　對于系統設計人員來說，設計一款能有效執行不同視覺演算法的硬體是一項艱巨的挑戰。系統廠商選擇影像/視訊處理解決方案時，可以選擇全部集中在CPU完成，也可以選擇卸載一部份影像處理工作給GPU，或者專為影像處理增加硬體邏輯。在需要3D處理的應用中，GPU已經讓系統的一部份執行多種電腦視覺演算法，從而有助于為通用CPU分擔工作負載。

　　“i.MX6擁有強大的GPU運算能力，其3D引擎GC2000內含4個渲染核心，可提供高達30GFLOPS的運算能力，支援OpenCL1.1EP，”飛思卡爾(Freescale)微控制器事業部亞太區市場行銷和業務拓展經理李星宇介紹，“此外，i.MX6Q還擁有一個專用的2D引擎(1Gpixel/s)和一個向量繪圖處理引擎。”

　　針對影像擷取領域，經常利用2D相機感測器或其他光學感測技術來分析運算3D資料。除了飛行時間法(TOF)3D成像(為目標物連續發送光線脈沖，根據光線脈沖與感測器接收反射光線之間的時間，計算出目標物距離)，在工業制造檢測方面較廣泛應用的是3D雷射三角法，差別在于3D雷射感測器采用逐點掃描，而TOF相機則同時得到整幅影像的深度資訊。

　　相較于雷射三角的3D成像方式，美商國家儀器(NI)技術行銷工程師黃翔鉎介紹，NILabVIEW可為3D視覺應用提供雙目立體視覺功能，工程師可將2部相機安裝在物體的不同角度后，使用校準技術調校兩部相機之間的畫素資訊以及擷取資料，并透過LabVIEW的3D工具庫進行數學運算分析。透過一個軟硬體無縫整合的繪圖開發環境來設計3D視覺應用，更能簡化工程師的工作。