人类约80%的信息是通过眼睛感知获取的。未来机器人要获得与人类一样的能力，需要发展出强大的视觉感知能力，使其具有更加人性化的功能和行为表现。
“这双眼睛既能看，也要能够连接大脑，进行决策分析，做出行动反馈，这是目前最大的挑战。”发源于以色列的创新企业能赛视觉科技（以下简称“能赛视觉”）高级应用工程师张森洋说。
2016年能赛视觉在以色列成立，公司创始人在摄像头芯片领域拥有20多年的经验。凭借卓越性能与诱人价格的独特组合，能赛视觉荣获了欧洲领先汽车传感器类别“2022年弗若斯特沙利文领导力奖”（the Frost and Sullivan 2022 Leadership Award ），并被《电子工程专辑》杂志评选为“2022年值得关注的 100 家初创企业”之一。
机器视觉技术的发展经历了二维视觉和三维视觉两个阶段。
机器视觉是一门融合图像处理、机械工程、光源照明、光学、传感技术、算法开发以及计算机科学的学科，经由计算机、图像处理器或相关设备来模拟人的视觉行为。视觉设备捕获待检测物品的图像，将亮度、颜色、尺寸等属性转换成数字信号，经图像处理系统处理后，提取出关键特征，并根据这些特征来控制运作。
机器视觉的发展历程跨越了数十年，从20世纪50年代识别形状到如今自动导航以及在具身机器人领域的探索，不断提升设备对外界的感知能力。
1950—1960年代的实验伴随着早期数字计算机的诞生，集中在模式识别和图像处理方面，主要关注边缘检测和形状识别等基础任务。
1970—1980年代边缘检测（如Sobel、Canny算子）、光学字符识别（OCR）和模板匹配技术逐步完善，早期的人工智能和基于规则的系统被集成到机器视觉中，开始在制造业中得到实际应用，主要用于质量检测、条形码识别和零件定位。
1990年代微处理器和GPU的计算能力提高，机器视觉标准（如Camera Link、GenICam）的推出，使视觉系统的集成和互操作更加便捷， 3D视觉系统的出现，使深度感知和复杂形状分析成为可能，机器视觉广泛应用于汽车、电子等行业，实现自动化检测、缺陷识别和机器人引导。
2000—2010年代，卷积神经网络（CNN）的兴起彻底改变了机器视觉，使目标检测和分类的准确率大幅提升。随着大规模标注数据集（如ImageNet）的普及，机器视觉系统变得更强大、更具泛化能力。基于云的机器视觉解决方案使大规模部署和数据分析成为可能，处理单元的微型化，使得视觉功能能够嵌入到智能手机、无人机和物联网设备中。
2020年代至今，边缘计算出现，实现了在设备端处理图像数据，减少延迟，提高效率。AI驱动的机器视觉技术被广泛应用于医疗、农业、物流等行业，用于诊断、产量监测和自动导航。机器视觉与增强现实结合，提供了更丰富的用户体验。
机器视觉技术的发展经历了二维视觉和三维视觉两个阶段。
2D技术获取的是平面图像，在二维空间内定位目标，但其无法提供高度和体积。3D技术能够提供更全面的物体信息，并在三维空间内定位目标，从而实现更为复杂的功能，如人脸识别和3D建模。
3D视觉领域，目前ToF（Time of Fight，飞行时间技术）是主流技术之一。根据调制方法的不同，ToF可以分为两种：脉冲调制（Puised Modulation）和连续波调制（Continuous Wave Modulation）。
2012年，以色列公司Primesense开发了一款ToF传感器，广泛应用于微软Kinect系统，这是将ToF技术带入消费市场的一个重大突破。2013年，苹果推出了带有面部识别功能的TrueDepth相机，采用了ToF传感器，进一步普及了该技术。2014年至今，ToF系统的开发加速，索尼、PMD Technologies等公司专注于ToF传感器的应用，机器人技术、汽车、增强现实/虚拟现实（AR/VR）以及智能手机领域开始大量采用该技术。
能赛视觉用于机器视觉的深度相机传感器服务于多个领域，如汽车安全、工业 4.0、智慧城市与机器人、移动设备、元宇宙等。
索尼、三星、ADI、英飞凌等公司在视觉芯片领域处于业界领导地位，能赛视觉凭借独特的技术，将TOF技术推进到了eTOF
TM
（增强型飞行时间）级别,主打中距离、大面阵分辨率市场。
相较于dTOF和iTOF， eTOF
TM
技术具有高帧率（每秒10万帧），能够快速且详细地获取深度点。在帧与帧之间切换eTOF
TM
步骤时，可实现高灵敏度和高分辨率的测量结果。
能赛视觉用于机器视觉的深度相机传感器服务于多个领域，如汽车安全、工业 4.0、智慧城市与机器人、移动设备、元宇宙等。
推出基于NSI1000传感器的eTOF
TM
激光雷达以及NSI9000芯片，后者提供近50万像素的超高深度分辨率。
张森洋说：“最初人们普遍认为机器人概念已经过时，但随着人形机器人的出现，机器人的应用变得更加广泛，从室内拓展到室外，用于割草、除雪、引导等场景，应用赛道越来越广泛。”
在工业4.0中，工业相机将用3D取代2D，这是一个巨大的产业机会。GGII（工业互联网与工业大数据产业发展联盟） 数据显示，2022 年中国3D工业相机市场规模为 18.40 亿元，同比增长59.90%，渗透率接近10%。随着制造业智能化深入，预计2027年3D工业相机市场规模将接近 160亿元，2022—2027年CAGR为53.8%。
张森洋说：“3D技术可以看深度，观察小到几微米的缺陷，用于瑕疵检测。”工业机器人的“视力”能力增强后，产业应用范围更广，包括工业制造、物流检测、管道检测、轨道交通、物流搬运等多个领域。虽然ToF的像素不如摄像头高，但50万像素在工业领域非常实用。工业相机在流水线上检测物体，距离短，只有几十厘米，但是对“视觉”的精度和速度要求高，需要有很高的帧率，适合产品缺陷检测。
此外，工业相机还可用于工业安全领域，比如机器虚拟边界、跟踪危险区域、进入实时警报、传送带上的异物识别及警报。在物流自动化&AGV（自动导引车）领域，可用于自动导航的精确地图绘制，所有这些都是在低成本解决方案中实现的。“工业相机需要高精度，随着精度的提高，价格也会相应上涨。我们推出第一款芯片后，客户测试发现，在同等帧率的情况下，精度是原先芯片的两倍，且价格也具有一定优势。”张森洋说。
eTOF
TM
技术的另一个应用领域是家用机器人。在动态且杂乱的室内环境中，机器人面临着诸多视觉方面的挑战。机器视觉在机器人领域有着诸多应用。智能（CMOS）传感器可以充当机器人的眼睛。借助能赛视觉集成在芯片上的微控制器（MCU），传感器能够实时采集和分析数据，逐步打造出更加智能、性能更优的机器人。这些传感器将助力机器人从仅适合执行重复任务的“盲人” 机器人向智能机器人转型。
家用机器人会面临哪些视觉挑战呢？
