2017年机器视觉行业市场分析报告

2017年机器视觉行业市场分析报告

目录

第一节作为人工智能重要分支，机器视觉备受关注 (6)

一、机器视觉：人工智能范畴最重要的前沿分支之一 (6)

二、事件频频：国内外企业前瞻性布局机器视觉领域 (7)

1、无人驾驶汽车、无人机等自主移动机器人领域 (8)

2、智能制造领域 (9)

3、消费、娱乐等领域 (9)

三、特性分析：三方面优势树立机器视觉的“重中之重” (11)

第二节机器视觉在应用方面具有广泛性 (13)

一、应用广泛：高度扩展应用属性可满足不同诉求 (13)

二、智能制造领域：机器视觉取代重复劳动，大幅提高作业效率 (13)

三、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 (15)

四、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 (19)

五、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 (22)

1、载重越野机器人——波士顿动力BigDog机器人 (22)

2、人型搬运机器人——波士顿动力Atlas机器人 (24)

3、仿人型机器人编程平台——NAO (25)

4、情感交互型机器人——Pepper等 (25)

六、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 (26)

第三节机器视觉在技术方面具有独特性 (28)

一、机器视觉识别物体：唯一非接触式识别物体的前沿技术 (28)

二、智能生活领域技术案例：Mobileye行人检测技术与测距技术 (29)

三、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 (32)

第四节机器视觉在硬件方面具有经济性 (34)

一、智能生活领域：低硬件依赖程度保证产品成本高度可控 (34)

二、智能制造领域：硬件成本相对较低，属技术密集型产业 (35)

第五节机器视觉技术背后的行业趋势 (38)

一、未来：机器视觉能在多个领域灵活展开关键性应用 (38)

二、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 (39)

三、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 (39)

图表目录

图表1：机器视觉可以分为工业视觉和计算机视觉 (6)

图表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)

图表3：通用收购的CruiseAutomation测试的Bolt自动驾驶原型车 (8)

图表4：埃斯顿入股的EuclidLabs研发的随机仓拾取系统 (9)

图表5：VisionLabs面向零售行业客户提供的FACE_IS解决方案 (10)

图表6：智能装备的五大系统及其数据输入 (11)

图表7：机器视觉的应用极其广泛 (13)

图表8：机器视觉应用于智能制造领域的功能 (14)

图表9：机器视觉产业链及下游应用占比情况 (15)

图表10：iRobot980的VSLAM视觉定位技术 (16)

图表11：Dyson360eye的摄像头 (17)

图表12：全球及中国扫地机器人市场空间预测（亿美元） (18)

图表13：我国扫地机器人渗透率横纵向对比 (18)

图表14：用车服务公司Uber、Lyft于无人驾驶产业的布局 (20)

图表15：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 (21)

图表16：无人驾驶产业化发展的阶段及重要节点预测 (21)

图表17：BigDog机器人配置的传感器 (23)

图表18：Atlas机器人在外界干预下重新定位物体并完成搬运任务 (24)

图表19：人型机器人NAO配置的传感器 (25)

图表20：Pepper机器人配置的传感器 (26)

图表21：旷视科技机器视觉项目应用案例（部分） (27)

图表22：机器视觉识别物体的过程 (28)

图表23：Mobileye行人子窗口检测的分类与组合 (30)

图表24：Mobileye行人检测流程 (31)

图表25：Mobileye测距结果 (31)

图表26：Mobileye车距车速计算原理 (32)

图表27：基于机器是觉得工业机器人定位技术流程 (32)

图表28：摄像头模组的结构和成本构成 (34)

图表29：Mobileye的单目摄像头分辨率为36万像素 (35)

图表30：工业机器视觉系统的组成部分 (36)

图表31：劲拓股份的AOI检测设备 (36)

图表32：劲拓股份AOI设备营业收入及毛利率 (37)

图表33：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 (38)

图表34：全球机器视觉部件及系统市场空间 (39)

图表35：全球机器视觉部件及系统市场空间 (40)

图表36：中国机器视觉部件及系统市场空间及预测 (41)

表格目录

表格1：不同技术方案的扫地机器人的特点 (16)

表格2：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 (19)

表格3：BigDog依靠摄像头识别障碍物并调整运动姿态 (23)

表格4：BigDog机器人配置的传感器一览 (23)

表格5：图像识别顶尖比赛的历年优秀参赛团队成绩 (29)

表格6：参与机器视觉布局的主要国内上市公司一览 (41)

第一节作为人工智能重要分支，机器视觉备受关注

一、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。

图表1：机器视觉可以分为工业视觉和计算机视觉