作為人工智能的兩個(gè)分支，計(jì)算機(jī)視覺(jué)與機(jī)器視覺(jué)在近年都取得了長(zhǎng)足的進(jìn)步。前者自2010年以來(lái)，隨著深度學(xué)習(xí)再度流行并用于目標(biāo)識(shí)別，在人臉識(shí)別等方面已經(jīng)超過(guò)了人類(lèi)；而后者在工業(yè)應(yīng)用方面，也有不少突破性的應(yīng)用。
但是，在消費(fèi)級(jí)市場(chǎng)方面，計(jì)算機(jī)視覺(jué)與機(jī)器視覺(jué)的進(jìn)展并不大。不少人對(duì)于計(jì)算機(jī)視覺(jué)與機(jī)器視覺(jué)在消費(fèi)級(jí)市場(chǎng)能有多大實(shí)質(zhì)性地應(yīng)用，存在深深地?fù)?dān)憂。
計(jì)算機(jī)視覺(jué)與機(jī)器視覺(jué)
首先，我們有必要理清楚機(jī)器視覺(jué)與計(jì)算機(jī)視覺(jué)之間的關(guān)系。從學(xué)科分類(lèi)上， 二者都被認(rèn)為是 Artificial Intelligence 下屬科目，不過(guò)計(jì)算機(jī)視覺(jué)偏軟件，通過(guò)算法對(duì)圖像進(jìn)行識(shí)別分析，而機(jī)器視覺(jué)軟硬件都包括（采集設(shè)備，光源，鏡頭，控制，機(jī)構(gòu)，算法等），指的是系統(tǒng)，更偏實(shí)際應(yīng)用。簡(jiǎn)單的說(shuō)，我們可以認(rèn)為計(jì)算機(jī)視覺(jué)是研究“讓機(jī)器怎么看”的科學(xué)，而機(jī)器視覺(jué)是研究“看了之后怎么用”的科學(xué)。
機(jī)器視覺(jué)離消費(fèi)市場(chǎng)有多遠(yuǎn)？
計(jì)算機(jī)視覺(jué)與機(jī)器視覺(jué)的問(wèn)題是，前者太學(xué)術(shù)，后者太工業(yè)，因而一直以來(lái)在消費(fèi)級(jí)市場(chǎng)缺乏好的產(chǎn)品。圖漾創(chuàng)始人費(fèi)浙平向雷鋒網(wǎng)(搜索“雷鋒網(wǎng)”公眾號(hào)關(guān)注)記者說(shuō)，機(jī)器視覺(jué)的很多核心技術(shù)和原理多年前就比較成熟了，近年來(lái)的進(jìn)展主要集中在工程化，比如GPU和視覺(jué)計(jì)算加速器的出現(xiàn)解決了計(jì)算量問(wèn)題。但與此同時(shí)，要想把視覺(jué)技術(shù)實(shí)現(xiàn)真正產(chǎn)品落地，中間還有不少其他問(wèn)題，他們也在摸索中。
視覺(jué)技術(shù)在消費(fèi)級(jí)市場(chǎng)最早的嘗試是微軟的Kinect。2010年，微軟聯(lián)合深度攝像頭技術(shù)方案提供方PrimeSense正式對(duì)外推出Kinect，利用骨骼捕捉技術(shù)，Kinect可以捕捉游戲玩家的骨骼動(dòng)作，從而讓游戲玩家可以不接觸屏幕即可玩游戲。在Kinect之后，華碩、Intel、谷歌以及蘋(píng)果也相繼在深度攝像頭的應(yīng)用場(chǎng)景上跟進(jìn)，一切都看起來(lái)往好的方向發(fā)展。
但深度攝像頭作為獨(dú)立產(chǎn)品，市場(chǎng)化難度頗大。例如Intel在13年在開(kāi)發(fā)者會(huì)議上宣布，將推出自己的微型深度感知模塊，華碩、戴爾、惠普、聯(lián)想等多家 PC廠家都將從2014年下半年開(kāi)始在產(chǎn)品線中部署這款深度感知模塊。而兩年多過(guò)去了，曾經(jīng)預(yù)言的集成深度攝像頭的產(chǎn)品遲遲未見(jiàn)。
那么，處于計(jì)算機(jī)視覺(jué)和機(jī)器視覺(jué)交叉部分的深度攝像頭，應(yīng)該如何打開(kāi)消費(fèi)級(jí)市場(chǎng)？
深度攝像的瓶頸
深度攝像頭也稱(chēng)RGBD攝像頭。我們常用的攝像頭是RGB攝像頭，單一個(gè)攝像頭便能感知彩色可見(jiàn)光信息（Red、Green、Blue），而RGBD攝像頭是在我們常見(jiàn)的RGB攝像頭基礎(chǔ)上，增加了深度信息。
深度攝像頭獲取圖像方式分為主動(dòng)式獲取和被動(dòng)式獲取。二者的主要區(qū)別集中在觀測(cè)傳感器是否主動(dòng)向環(huán)境發(fā)出探測(cè)光。如大疆精靈4上的雙目視覺(jué)便是被動(dòng)式獲取深度圖像，其技術(shù)特點(diǎn)是攝像頭不主動(dòng)向環(huán)境中發(fā)射能量，而通過(guò)兩個(gè)以上攝像頭計(jì)算特征點(diǎn)的坐標(biāo)差得出感知環(huán)境中現(xiàn)有能力得到信息，這一方式與人類(lèi)雙眼獲得時(shí)差的方式最為相近，但最大的弊端在于限于目前的技術(shù)，目前的識(shí)別精度還不高，過(guò)于依賴光線，而且無(wú)法處理特征不明顯的場(chǎng)景，所以強(qiáng)光暗光都會(huì)導(dǎo)致深度計(jì)算的失效。
主動(dòng)式獲取所采用的方式則是從蝙蝠等生物上尋找靈感，通過(guò)主動(dòng)發(fā)射探測(cè)光通過(guò)計(jì)算獲取深度圖像。這當(dāng)中又分為三類(lèi)：“RF-modulated light sources with phase detector”、“Range gated imagers”、“Direct Time-of-Flight imagers”，如Kinect一代所采用的PrimeSense就屬于第二類(lèi)，隨著蘋(píng)果收購(gòu)PrimeSense，微軟也在Kinect二代中改為微軟自有技術(shù)，一般認(rèn)為二代采用的是直接TOF的技術(shù)。
以Kinect的深度攝像頭為例，它包含了一個(gè)紅外投射器、一個(gè)RGB攝影頭和一個(gè)紅外感應(yīng)器，由于深度攝像頭自帶光源，而且是不可見(jiàn)的紅外光，對(duì)我們的生活無(wú)任何影響。似乎深度攝像頭獲取景深信息就已經(jīng)完美了，但也有他的弊端。由于是主動(dòng)方式，兩個(gè)同波段紅外光會(huì)出現(xiàn)干涉，導(dǎo)致兩臺(tái)一樣的深度攝像頭沒(méi)有辦法一起使用，而且受發(fā)射功率的影響，檢測(cè)距離也會(huì)受到很大影響。
市面上常見(jiàn)的深度攝像頭，Kinect距離最遠(yuǎn)，但也需要最高達(dá)到12W的用電供給，拖一根供電線很是累贅。同時(shí)，深度攝像頭還難以應(yīng)用于戶外，因?yàn)殛?yáng)光中也有紅外成分，會(huì)對(duì)主動(dòng)紅外光部分造成干擾。紅外光對(duì)于玻璃情景，也無(wú)計(jì)可施，出現(xiàn)無(wú)法探測(cè)距離的情況。
機(jī)器視覺(jué)離消費(fèi)市場(chǎng)有多遠(yuǎn)？
Kinect獲取的深度圖像
艱難中的嘗試
Kinect一代售罄一空之后，對(duì)Kinect二代的綁定更加嚴(yán)厲，這更加抑制了銷(xiāo)售量；Leap Motion兩年前由于銷(xiāo)售情況不如預(yù)期，不得不解雇了 10% 的員工，切入虛擬現(xiàn)實(shí)；蘋(píng)果收購(gòu)了Primesense之后也不知道在盤(pán)算什么小九九，有分析稱(chēng)蘋(píng)果打算放在iPhone上，這樣我們拍照時(shí)就能拍出3D效果的了；另一邊Intel則將目標(biāo)對(duì)準(zhǔn)了機(jī)器人無(wú)人機(jī)，比如小米的機(jī)器人Segway Robot以及昊翔的無(wú)人機(jī)Typhooon H。機(jī)器人和無(wú)人機(jī)正是這兩年的大熱產(chǎn)品，看起來(lái)Intel可能會(huì)成為贏家，但因?yàn)镾egway Robot和Typhooon H都還未正式上市，因此效果如何還有待驗(yàn)證。也就是說(shuō)，在消費(fèi)級(jí)市場(chǎng)還沒(méi)有一個(gè)特別成功的案例。
機(jī)器視覺(jué)離消費(fèi)市場(chǎng)有多遠(yuǎn)？
而在國(guó)內(nèi)，Intel的RealSense出來(lái)之后，給了國(guó)內(nèi)一些創(chuàng)業(yè)者的信心，因此催生了一批相關(guān)的創(chuàng)業(yè)企業(yè)，但目前成規(guī)模的應(yīng)用也寥寥無(wú)幾。
奧比中光是其中最早實(shí)現(xiàn)量產(chǎn)的，其深度攝像頭與Kinect一樣，主要應(yīng)用在一些電視游戲上；與奧比中光有直接競(jìng)爭(zhēng)的是華捷艾米，只不過(guò)在產(chǎn)品量產(chǎn)上，華捷艾米的進(jìn)度慢了一步；圖漾的產(chǎn)品則正在準(zhǔn)備量產(chǎn)階段中，瞄準(zhǔn)的方向都是些行業(yè)應(yīng)用，似乎對(duì)消費(fèi)應(yīng)用還在觀望階段；格靈深瞳正在做應(yīng)用在自動(dòng)駕駛汽車(chē)上的深度攝像頭；速感看好機(jī)器人；
機(jī)器人是目前熱門(mén)的應(yīng)用領(lǐng)域，目前機(jī)器人的路徑規(guī)劃大多使用雷達(dá)，雷達(dá)雖然只能建立平面的深度圖像，但市場(chǎng)上已經(jīng)有公開(kāi)產(chǎn)品，而且雷達(dá)的導(dǎo)航所用到的SLAM方案已經(jīng)比較成熟，而視覺(jué)導(dǎo)航的SLAM方案則還很少見(jiàn)，iRobot是較早開(kāi)始在其掃地機(jī)器人上使用SLAM方案，不過(guò)也不到1年時(shí)間，因此想要在機(jī)器人上使用視覺(jué)避障與導(dǎo)航，看起來(lái)還需要一段時(shí)間。
