这个上涨的速度看上去似乎并不算抢眼，但要知道这一个市场从2002年开始从始至终保持着年均两位数的增长，由此你就能够准确的看出其背后强劲的动力了。
而且有必要注意一下的是，如今整个机器视觉市场的发展动力正在发生着两个深刻的转变，这两个转变将有望让整个机器视觉市场的增长迎来一个更为陡峭的上升拐点。
其中一个转变就是机器视觉的主流技术架构从PC式向嵌入式的转变。传统的PC式视觉系统经过多年的发展，已经十分成熟，优势也很明显：其性能高，可以在一定程度上完成较为复杂的系统功能，而且配套的软硬件生态资源也比较丰富。相比较而言，嵌入式视觉系统性能有限，还往往会受到成本、功耗、外观尺寸等因素的制约，技术上需要逾越的门槛也不少；不过，嵌入式视觉的理想是将视觉功能植入到各式各样的嵌入式系统中，让以往“高冷”的机器视觉渗透到生活的方方面面，变得触手可及、随手可用。这种“无处不在”的未来市场发展的潜力确实诱人，所以近年来聚焦和深耕嵌入式视觉的玩家为数不少，他们一同推动着机器视觉主流技术的更迭。
机器视觉市场的第二个转变，是由AIAI）引起的。视觉处理一直是机器学习AI技术典型的应用场景，机器学习乃至深度学习的引入，将使得嵌入式视觉产品的角色定位发生深刻的变化：嵌入式视觉产品的作用将从简单的环境感知，进化出更智能的视觉引导的自动化功能。一个典型的例子就是汽车无人驾驶技术的进步：在级别较低的辅助驾驶系统中，嵌入式视觉通常起到的是一个侦测和提醒的被动安全功能，而到了级别更高的自动驾驶系统，嵌入式视觉则会和更多的主动安全功能深度耦合在一起，代替驾驶员做出快速、可靠的响应。
在可以预见的未来，上述这两个“转变”将不断为机器视觉市场积聚能量，在更广泛的市场上形成“爆点”。
安全监控：该领域一直是机器视觉的主要应用市场，也是过去10年中机器视觉行业发展最主要的推手。而上述两种新动能的出现，会让这一市场仍然充满潜力。从增量市场来看，嵌入式视觉技术的发展会让慢慢的变多消费级的应用成为可能，比如智能锁、可视门铃等，市场渗透力依然不减。从存量市场来看，对现有安全监控设备的智能化升级，让它们的能力从“看得见”提升到“看得懂”，这其中也蕴含着巨大的需求。
智能制造：工业领域应该算是机器视觉的市场起点，而慢慢的变多基于AI技术的嵌入式视觉系统的采用，势必会提升整个制作的完整过程的智能化水平，加速工业4.0的部署和实现。比如以往生产线上的机器人由于视觉感知和判断能力有限，只能被关在“笼子”里，独自完成特定、有限的工作；而未来更加智能的嵌入式视觉，会推动协作机器人的出现，它们将有能力应对更复杂的场景，并可以与人一起工作，这将是一幅理想的人机一体化智能系统的图景。
智能驾驶：汽车电子领域是一个能确定的高成长的嵌入式视觉市场。在无人驾驶的蓝图中，嵌入式视觉系统不仅和激光雷达、毫米波雷达一起承担着外部环境感知的工作，在汽车内部也随处可见其身影——比如疲劳检测、手势识别等应用——让驾舱的智能化成为现实。
此外，此应用程序将车辆安全性推升到全新境界，许多私人车的车主也会对此感到高度兴趣。透过先进的防盗系统和内建外部车用摄影机的监控功能支持，Telematics Box 应用程序为智能车用网关系统奠立了基础，让此系统能够收集车辆上的智能数据并进行同步。可与您车辆的操作系统无缝同步，管理车辆的追踪能力，将吸引许多企业的兴趣。
无人机：无人机与视觉处理有着天然的联系，目前围绕无人机展开的应用探索也是层出不穷。尽管和汽车相比其市场容量会有数量级的差异，但一定会成为某些嵌入式视觉业者安身立命的重要垂直市场。
图3，电商巨擘纷纷试水无人机物流，也在加速这个嵌入式视觉细分市场的成长（图片来自：网络）
新零售：在这样的领域，Amazon Go正在为他人提供一个示范——在无人商店中，上百个嵌入式摄像头及其后端的视觉处理系统，承担着用户行为捕捉和分析的工作。尽管Amazon Go有着非常强的试验性质，最终能否成功还难定论，但此举一定会为嵌入式视觉向零售和商业领域的挺进铺平道路。
图4，Amazon Go无人商店天花板上密布的监控摄像头，实时捕捉和分析着顾客的行为数据（图片来自：网络）
娱乐和游戏：提到嵌入式视觉在娱乐和游戏上的应用，人们一定会想到微软的Kinect和任天堂的Wii。而嵌入式视觉在消费级的试水，这仅仅是一个开始，有朝一日将嵌入式视觉功能与智能手机完美结合在一起，找到一个杀手级的应用，才是人们的终极目标。
VR/AR：经过前两年的喧嚣，VR/AR如今已经明显冷却下来。不过，它们毕竟已经真实地出现在人们眺望未来科技的视野中，未来VR/AR在人机交互、信息传递方面引发的变革，其影响力将是不可估量的。嵌入式视觉作为VR/AR一个基础性的技术，必然不会缺席即将到来的这场盛宴。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉机器视觉机器视觉+关注
这一挑战的难度。在无线应用中，标准意味着不同手机之间的基带算法不会有太大的变化，与
应用中，通过独特的算法，有可能得到更好的结果——实现更有价值的功能。 图2.
系统建议了多种方法，以及使这些输入发挥作用所需要的各种算法和硬件实现。应用包括了简单的静态
系统也迎来了更多的挑战，比如功耗、复杂的算法、处理器的性能、更高的图像分辨率等，人们需要的是更加智能化的系统，
r随着功能越来越强大的处理器、图像传感器、存储器和其他半导体器件和相关算法的出现，可以在多种
人，到无人机消防或用于农业，再到生物特征面部识别，再到家庭中的护理点手持医疗设施。出现这些新应用程序的一个重要的条件是，
、航空测绘、反求工程、军事运用、医学成像和工业检测等领域中的运用越来越广,但是双目立体
中有什么样的应用 /
系统设计 /
中的应用讲解 /
中的应用 /
先大概说一下ATK-DLRV1126这款开发板的硬件资源，开发板的核心板是采用了Rockchip RV1126作为主CPU，这款CPU是4核Cortex-A7架构，最高主频1.5GHz，带有2.0TOPS NPU，ISP图像处理器，内置H264/H265硬件编解码器，等等。
和音视频处理 /
使用PSoC4 CY8C4248LQI-BL583在初步add file进行编译的时候报错怎么解决？
请问为什么我在使用ADAU1452芯片时，数字信号通过SDATA_IN2然后从SDATA_OUT2输出时使用AP采集这两端的THD+N的值不对呢？
