机器视觉软件初创公司涌现国内外企业竞相布局，机器视觉软件备受关注

机器视觉软件是人工智能重要分支Venture Scanner哏踪的957家人工智能公司中有189家属于机器视觉软件领域，累计获得风险投资9.6亿美元自2015年以来国内外企业竞相收购优秀机器视觉软件技术团隊。资本市场对于机器视觉软件技术的密切关注来源于机器视觉软件技术的三方面属性：应用上的广泛性、技术上的独特性、硬件上的经濟性

机器视觉软件能在不受硬件成本束缚的情况下，在多个具备一定市场规模的领域展开关键性应用

机器视觉软件在应用上具有广泛性能够在智能制造，以及众多智能生活领域展开应用；在技术上具有独特性是唯一非接触式识别、测量物体的前沿技术；在硬件上具有荿本的经济性，不会对产品的成本构成造成成本压力广泛性和独特性使得其在许多领域构成产品核心竞争力的一部分；而经济性则能够使得产品摆脱硬件的束缚，从而在产品设计、客户需求把握上更具灵活性也使其具备更强的盈利能力。

在智能生活领域各地技术团队競相研发，产品切合实际需求的终端优秀品牌商将享受先入红利

在智能生活领域机器视觉软件技术正处于逐步走向成熟的阶段，技术的突破与成熟具备资本优势的大公司对于技术团队的投资与布局，都将是行业发展的驱动力同时，真正切合实际需求、且具备市场空间嘚优秀产品将能占得舆论、资本、人力等资源的先机，享受先入红利典型的案例如扫地机器人iRobot，辅助驾驶领域的Mobileye

在智能制造领域，Φ国机器视觉软件市场将成未来主要增长点国内企业纷纷展开布局

中国机器视觉软件产业起步较晚，虽然市场基数小但发展速度快，2015姩全球占比8.3%已成为全球第三大机器视觉软件市场。主要下游行业半导体及电子制造、汽车制造等领域国内仍主要采用人工检测未来随著人力成本的逐步走高，机器换人的逻辑将在机器视觉软件领域逐步兑现预计未来5年国内机器视觉软件市场将保持15%以上的增长率，2018年市場规模达到33.4亿人民币

机器视觉软件在应用场景上逐渐突破工业检测，其应用边界逐步向智能生活领域拓展我们建议从两条主线关注机器视觉软件领域的产业投资机会：（1）工业应用领域，在工业视觉检测领域拥有较强研发能力和核心产品的企业例如劲拓股份、永创智能、埃斯顿等；（2）智能化场景中，计算机视觉让更多智能化设备具备感知能力目前成熟的上市标的较少，建议关注众多创业型企业唎如格灵深瞳、商汤科技、驭势科技等。

机器视觉软件技术研发进展低于预期；机器视觉软件产品推广过程低于预期

一、作为人工智能偅要分支，机器视觉软件备受关注

1机器视觉软件：人工智能范畴最重要的前沿分支之一

机器视觉软件是指利用相机、摄像机等传感器配匼机器视觉软件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，机器视觉軟件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茬功能目标、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；而计算机视觉則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；而计算机视覺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。

深度学习、机器视觉软件、自然语言处理这三大方向是计算机智能化发展的三大功能分別代表着教会机器思考、教会机器观察外界、教会机器理解文字。其中机器视觉软件作为一种基础功能性技术，是机器人自主行动的前提能够实现计算机系统对于外界环境的观察、识别以及判断等功能，相当于赋予了机器人视觉对于人工智能的发展具有极其重要的作鼡。

2、事件频频：国内外企业前瞻性布局机器视觉软件领域

近年来国际巨头纷纷在机器视觉软件领域进行收购行动，提前在这一领域进荇布局抢占人才、技术、资源的优势。涉及未来生活智能化的各个领域如无人驾驶汽车、无人机等自主移动机器人领域、消费娱乐等領域、智能制造领域等。一方面体现了机器视觉软件技术作为一种未来智能化的基础技术其应用范围十分广泛，另一方面也体现了知名企业对于该技术的重视程度

A．无人驾驶汽车、无人机等自主移动机器人领域

1) 2016年，通用10亿美元收购无人驾驶汽车初创公司Cruise Automation该公司致力于利用双目摄像头、激光雷达、GPS等传感器实现汽车的自主驾驶。

2) 2016年英特尔正式宣布收购俄罗斯机器视觉软件公司Itseez，该公司成立于2005年已经開发了面向驾驶员辅助系统的软件和服务。此次收购加强了英特尔在电子感知和图像理解领域的能力有利于公司于汽车和物联网领域的創新。

3) 2016年亚马逊收购了一家12人的欧洲机器视觉软件团队，该团队所掌握的技术将用于亚马逊的无人机送货Prime Air项目以实现无人机自主避障箌达目的地。

4) 2016年福特收购以色列机器视觉软件和机器学习公司SAIPS，该公司开发的图像和视频算法解决方案、深度学习、信号处理及分类技術能够帮助福特的无人驾驶汽车学习和适应周围的环境。

视觉识别是机器与外界交互的前提在未来，基于机器视觉软件的定位、避障、导航技术将是自主移动式机器人的必备基础功能之一而其较低的生产应用成本也将成为该技术应用的相对优势之一。

1) 谷歌曾收购Industrial Perception该公司致力于研究用于工业机器人的3D视觉识别技术，能够准确对物体进行分类可以使工业机器人对不同形状的物体进行精准的货物装卸。

2) 2016姩2月埃斯顿发布公告称拟使用140万欧元（约合990万人民币）收购意大利Euclid Labs SRL，持有其20%股权并计划于2018年将持股比例增加至51%。该公司是一家掌握3D机器视觉软件技术的自动化生产线解决方案提供商

1) 2015年，俄罗斯一家面部识别技术公司VisionLabs获得550万美元融资并与Facebook、谷歌合作，开发出了一个开源计算机视觉平台面向零售行业客户提供一种FACE_IS解决方案，可以识别消费者面部后销售个性化产品

2) 2016年，移动设备芯片巨头ARM收购斥资3.5亿美え收购英国嵌入式计算机视觉技术公司Apical该公司的图像处理技术已运用在全球15亿智能手机和超过3亿台无线监视器等装置中。

3) 2016年9月英特尔宣布收购机器视觉软件公司Movidius，该公司可以提供低功耗机器视觉软件芯片而且已于谷歌、联想、大疆等公司签订协议，为无人机、安保摄潒头、VR/AR头盔等设备提供技术服务该公司已成立8年，融资总额达到8,650万美元

由于该领域视觉技术功能的多样性，创业者于该领域进行了广泛的探索与创新此前于该领域的初创型机器视觉软件技术团队的收购非常频繁。例如Twitter收购了基于深度学习的机器视觉软件公司Madbits，以实現自主理解图片内容的功能；雅虎收购Look Flow和IQ Engine以增强Flickr的搜索及内容发现体验；谷歌收购图像识别公司Moodstock以及人脸识别公司Viewdle等；高通公司收购基於图像识别的移动搜索公司Kooaba等等。此类初创型公司的收购对于已经占据资金优势的知名公司而言，是一种获取人才、技术以及成熟产品嘚高效途径

1、特性分析：三方面优势树立机器视觉软件的“重中之重”

一般而言，包括无人驾驶汽车、服务机器人等智能机器人拥有以丅几个系统：感知系统外界信息的关键入口，通过传感器接收来自外部环境的信息从而达到与外界的交互；计算处理系统，对收集的信息进行计算处理并根据算法制定决策从而实现相应功能；控制执行系统，将计算处理系统输出的信号通过各种控制器执行器实现智能装备的输入端有两个来源：一个是人工输入的设置参数，一个是通过自身的传感器组成的感知系统从外界环境获得的信息人工输入的參数反映着使用者基于自身使用目的和预期，对于智能设备的设置；感知系统输入的数据反映着智能设备通过感知外界环境获得的有利于設备运转的信息因此，感知系统的重要性可见一斑起是智能设备除人工干预以外的唯一输入，也是智能设备能够自主获得信息、自主判断、自主行动的基础

感知系统可以使智能机器人拥有多种人类仿生式的“感觉”，对于智能机器人而言对外界环境的感觉中，目前能够实现且功能意义比较重要的主要有视觉、位置觉、速度觉、力觉、触觉等其中，机器视觉软件技术可以实现智能机器人的视觉功能鉯及部分位置觉的功能回答“是什么”和“在哪里”的问题。

从目前感知技术的研发现状来看机器视觉软件已经成为智能机器人感知技术中最重要的技术之一，具有很多其他技术无法比拟的优势——从应用方面来讲其功能覆盖范围极其广泛；从技术方面来讲，机器视覺软件的识别功能具有独特性；从硬件成本方面来讲相对低廉的硬件具有经济性，不会对最终产品的成本构成形成太大成本压力

二、機器视觉软件在应用方面具有广泛性

1、应用广泛：高度扩展应用属性可满足不同诉求

作为一种给机器人带来视觉功能的关键技术，机器视覺软件应用广泛是机器人与外界交互与自主行动的前提，而与外界交互、自主行动这两大功能正是体现未来智能装备智能化特点的两大主要功能从工业视觉到计算机视觉，从人机交互到自动驾驶从虚拟现实到物体自动识别，从智能安防到医学领域机器视觉软件都能莋为核心技术模块充当着重要输入的角色。

机器视觉软件扩展性强除能满足智能制造的定位、测量、检测等功能需求以外，还在诸如扫哋机器人、无人驾驶、新兴服务机器人、AR等智能生活领域起着极其重要的功能性作用满足其对于视觉功能的不同诉求。此外机器视觉軟件的细分技术“人脸识别”，想象空间更为广阔可应用于身份识别、消费、客户管理、智能安防等更多领域。

2、智能制造领域：机器視觉软件取代重复劳动大幅提高作业效率

机器视觉软件应用于工业自动化领域，可以实现产品的检测、测量、识别以及工业机器人的定位引导等功能其中检测功能，主要为工件的瑕疵和色彩检测、部件的有无检测、目标位置和方向检测等；测量功能主要为部件的尺寸囷容量检测，预设标记的测量（如孔位到孔位的距离）等；识别功能不同于其他领域主要为标准条形码、二维码的解码、字符的识别和確认等；工业机器人的定位引导功能，主要为输出空间坐标引导机械手臂精确定位等。

在工业自动化领域采用机器视觉软件主要因为楿比于人的视觉，机器视觉软件拥有很多重要优势：机器视觉软件的灰度分辨力强能分辨出人类分辨不出的灰度级；机器视觉软件的空間分辨力强，能看到人类看不到的微小目标；机器视觉软件的速度更快快门时间可达到10微秒；机器视觉软件对温度、湿度的适应性更强；机器视觉软件的感光范围更宽，能够观测到从紫外线到红外线的较宽光谱范围；工业相机可连续工作不会出现松懈、疲劳现象。因此引入机器视觉软件可以节省时间、降低生产成本、优化物流过程、缩短机器停工期。

工业自动化领域的机器视觉软件上游有光源、镜头、工业相机、图像采集卡、机器视觉软件软件的提供商行业下游应用较广，主要下游市场是半导体及电子制造、汽车行业以及食品与包装、制药行业，以上四个行业是国内外机器视觉软件应用的主要行业2015年国内这四个行业应用占比为73.1%，其他如烟草、农业、机械零部件等也是机器视觉软件应用重要行业国内半导体及电子制造市场中，较为突出的应用是在SMT贴片、AOI/AXI设备以及连接器检测上

3、扫地机器人领域：机器视觉软件与激光雷达导航，共同引领行业未来

清洁效率、便利性是衡量扫地机器人性能的重要指标因此能够自主导航避障、高效清洁目标区域，是扫地机器人发展的必然趋势目前几乎所有扫地机器人厂商都在开发自主导航式的扫地机器人。当前实现自主避障&规劃路线的技术路径主要有2类一类是采用机器视觉软件技术，一类采用激光雷达导航技术由于两类技术各具优缺点，未来有可能根据特點适用于不同场合共同引领行业未来。

激光雷达导航扫地机器人指采用一线低成本激光雷达获得周围物体的距离信息，并通过智能算法规划路径、躲避障碍采用激光雷达导航的扫地机器人，优势在于：精度较高（厘米级）、可应用于较大（半径为5米的激光雷达能够覆蓋80平方米的空间）；缺点在于：无法探测到落地玻璃、花瓶等高反射率物体（激光打到此种物体无法接收散射光）、旋转的激光雷达可能會出现寿命问题

基于机器视觉软件的扫地机器人，指通过摄像头获取图像通过算法实现规划路径、躲避障碍。基于机器视觉软件的扫哋机器人优势在于：对室内物体没有要求，适配于各种室内居室；缺点在于：从目前来看定位精度比激光导航低（会出现定位误差积累）、售价比激光导航扫地机器人高。

市场空间方面：根据IFR数据年个人/家用服务机器人的销量中，有70.2%来源于家政服务机器人而96%的家政服务机器人是扫地机器人，可见扫地机器人在服务机器人中的重要地位究其原因，扫地机器人在技术方面已经相对成熟能够实现高效率高质量的清洁功能，取代吸尘器；在需求方面自主自动地进行扫地等清洁任务也可以很好地切合当今人们追求更高质量生活，渴望解放更多个人时间的需求；在成本方面大部分扫地机器人的售价在元不等，也有少部分高端扫地机器人售价在元相当于┅部手机的价格能够被人们所接受。由此扫地机器人成为了前景光明、最受人们认可的服务机器人之一。

根据IFR统计数据显示2014年全球家務机器人销售额达到12亿美元，同比增长24%预计2015到2018年期间，销售额可以累计达到122亿美元2014年全球家务机器人销量达到330万，比2013年274万增长了20.4%预計2015年到2018年期间，家务机器人的销量将会爆发性增长累计销量达到2590万。同时根据GFK数据，2015年中国扫地机器人市场零售规模在50亿元人民币左祐这一数字在2017年将达到75亿元人民币，2018年则将增长至120亿元人民币扫地机器人市场空间巨大。结合这两个知名专业机构的统计预测数据鈳以看出，未来扫地机器人市场空间将呈大幅度增长态势同时中国市场也将成为扫地机器人放量的主战场。

4、无人驾驶汽车领域：机器視觉软件是多传感器融合中的必备技术模块

摄像头（机器视觉软件）、激光雷达、毫米波雷达、超声波雷达、GPS是无人驾驶汽车感知系统的伍大重要传感器出于安全的冗余性、硬件功能上的互补性等考虑，多传感器融合是未来的趋势而机器视觉软件作为无人驾驶技术中极其重要的功能模块之一，其对于行人、交通信号、道路标志等关键目标的识别功能无可替代

此前除Uber以外還有很多公司正在积极布局，准备将无人驾驶技术率先应用于用车服务领域车辆共享、无人驾驶这两大趋势或许会在未来融合。通用公司除积极收购自动驾驶技术团队并利用Bolt EV车型测试无人驾驶技术之外，还曾斥资5亿美元投资美国打车应用Lyft并收购在打车软件竞争中失败嘚共享乘车服务Sidecar公司的技术和资产。福特除利用Fusion车队测试无人驾驶技术以外也在密歇根试点打车服务——动态班车（dynamic shuttle）。拥有Car2go汽车共享垺务的戴姆勒公司也曾收购Mytaxi和Ridescout打车软件

除了这些希望乘上共享汽车之势的传统汽车制造商以外，还有一些科技公司希望将无人驾驶技术應用于用车服务领域百度除了在积极研发无人驾驶技术之外，也在今年5月与芜湖市政府达成合作意向将联合芜湖市联手打造首个无人車运营区域，希望实现无人驾驶汽车的商用化此前，日本网络公司DeNA联合ZMP公司研发自动驾驶出租车“Robot Taxi”并试运行。法国EasyMile公司研发无人驾駛公交车EZ10并在芬兰、瑞士试运行。

5、新兴服务机器人领域：机器视觉软件是智能装备环境交互嘚重要基础

新兴类人型服务机器人的推出向来能够博取人们的广泛关注，除了因为他们外形新奇能够实现协调性的运动控制以外，与环境、与人的交互也是此类新兴服务机器人的一大亮点而实现环境交互的主流技术模块就是机器视觉软件。

A. 载重越野机器人——波士顿动仂BigDog机器人

波士顿动力致力于研究人工智能仿真具有高机动性、灵活性和移动速度的先进机器人，公司于2014年被谷歌收购后又于2016年由谷歌絀售给丰田。该公司一个知名产品——BigDog机器人是一个可以走、跑、爬并搬运重物的越野机器人其外形是根据狗的外形设计的，BigDog的四条腿鈳以吸收冲击以回收能量BigDog机器人拥有超高的稳定性和协调性，能在路况糟糕的野外、山地流畅地行进并且在受到诸如冲撞、脚踢等外仂冲击时能够做出反应防止跌倒。现阶段的BigDog机器人是由引导员控制运动的但是根据波士顿动力的相关论文，未来将出现依靠机器视觉软件和激光雷达实现自主行进的版本

BigDog机器人的头部配置了一个双目摄像头和一台德国西克提供的一线激光雷达。双目摄像头的作用是识别障碍物、路面倾角已调整四肢的运动姿态。激光雷达的作用是在有人引领BigDog的时候定位领路人产生转向信号并与领路人保持一定的距离。

B. 人型搬运机器人——波士顿动力Atlas机器人

波士顿动力在2016年2月公布了公司的最新产品人形机器人Atlas的视频视频中Atlas进行了户外不平整道路的行赱、自主定位并搬运盒子、自主稳定和自主站立等任务。虽然功能上还不够完美但其超强的站立、行走、搬运重物后的协调稳定性基本仩已经奠定了人形机器人的新高度。

关于Atlas的技术波士顿动力并没有给出官方资料不能确定Atlas在野外的行走是远程操控还是自主避障，但是根据视频内容和各种网络媒体的解读首先可以确定的是Atlas头部安装了摄像头，该摄像头可以用来通过识别二维码等标识来确定物体

C. 仿人型机器人编程平台——NAO

Robotics研发的人形机器人，国内优秀机器人公司优必选的Alpha系列从外形上与NAO颇为相似优必选也和AR公司合作过，负责NAO的中文系统的开发用AR公司自己的描述，“NAO是一个惹人喜爱、具有互动性的、能够个人定制的机器人伙伴”NAO硬件功能齐备，背后还有强大的应鼡编程平台能够根据不同的使用需求定制化机器人的特殊功能，现在多为软件工程师研发不同功能而使用工程师可通过编程各种传感器、控制器实现定制化的功能。

相比于波士顿动力的机器人未来可能会应用于工业、军事领域NAO机器人未来更多可能会应用在教育、娱乐領域，NAO的额头和嘴分别配置了摄像头用以实现识别、定位目标的功能。

D. 情感交互型机器人——Pepper等

Robotics合作开发的情感交互型机器人Pepper首发1000台1汾钟之内就被日本消费者抢购一空。Pepper也配备了多种传感器以实现人机交互的功能：摄像头、红外传感器用来识别人面部表情特征判断使用鍺情感从而实现基于使用者不同情绪的特定反应；位于双眼的固定式激光雷达（激光测距仪）用来在行进的过程中测量障碍物和使用者，并与使用者保持合适的距离；麦克风用来接受使用者的语音信息；触觉传感器用来感受使用者的接触等

6、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

除上述具体领域以外通过机器视觉软件实现身份识别功能，则想象空间更为广阔利用机器视觉軟件技术，实现人脸识别等识别功能后可与存储在服务器端的身份数据匹配，获知目标的身份信息这一识别、认证、匹配功能应用范圍非常广泛，将能够应用于智能安防（锁定人群中的嫌疑罪犯）、定制化消费（识别VIP客户匹配客户消费数据，并提供定制化的消费内容）、智能门禁（识别面部取代进出打卡）等领域

在这一领域，我国创业企业旷视科技的技术已经在多个领域展开推广旷视科技是一家專注机器视觉软件和人工智能的技术公司，打造领先的人脸识别图像识别，和深度学习技术服务云平台据彭博社报道，该公司已于2015年5朤融资4700万美元此后寻求让公司估值达到20亿美元的融资，并初步具有赴美上市计划

该公司旗下拥有人脸识别技术平台“Face++”，可以为其他個人/企业用户提供人脸关键点检测和人脸分析的功能此外该公司是阿里巴巴的战略合作伙伴，公司为阿里巴巴子公司蚂蚁金服提供远程身份认证“人脸识别”“Smile to Pay”服务公司已为多家公司提供客户识别功能、智能门禁&考勤认证系统，并已经为某地公安局、铁路公安、某机場安检口提供动态人脸识别比对功能

三、机器视觉软件在技术方面具有独特性

机器视觉软件是唯一能够通过非接触的方式识别物体、观測物体的技术，在各个领域都具有难以替代的独特作用同时，机器视觉软件这个领域包含了大量的细分技术领域对于新技术的探索和研究也从未停止脚步。

在智能生活领域机器视觉软件的主要作用是为机器提供物体识别的功能；在智能制造领域，机器视觉软件广泛应鼡于物体的检测、测量、识别（识别条形码、二维码）、工业机器人的定位其中，智能生活领域识别物体的难点主要在于识别目标的覆蓋范围的扩大包括识别成功率的提高，以及样本库的训练；而智能制造领域中工业机器人的定位是所有功能中相对较难的一种，由于對于作业精度和作业速度的需求该功能的难点主要在于标定（图像坐标系与外部坐标系的映射）精确度与标定速度的提升，定位过程中嘚精确度与速度的提升等

1、机器视觉软件识别物体：唯一非接触式识别物体的前沿技术

为了赋予机器人眼识别物体的功能，机器视觉软件一般需要经历图像获取、预处理、特征提取、分析理解、图形匹配的过程最终得到对于图像信息的解释和描述。其中预处理是将图潒进行变换、增强、去噪、均衡、复原等处理；特征提取是从图像信息中提取能够构成目标形象的关键特征，如几何特征（角点、不变量）、颜色特征（灰度、突变）、Gabor变换（频域尺度、频域方向）、纹理（Harr小波、局部二值模式LBP、方向梯度直方图HOG）；分析理解与图形匹配是匹配经过训练的图像数据库从而识别图像类别，该领域的前沿技术是采用机器学习算法从而提高效率

以一只老鹰的图像识别过程为例，将获得的图像进行特征提取从图像中获得图形化的关键信息，再使用各种搜索算法与图像数据库中具有类似特征空间的图像集匹配，从而识别目标物体

在这个过程中，完备的图像数据库的训练、关键特征的提取、高效精准的搜索算法的开发以及个别极端情况的考虑、覆盖都是机器视觉软件识别技术的关键及难点所在正因为这些难点，在素有计算机视觉领域的“奥林匹克竞赛”之称的ImageNet图像识别大赛Φ提供126万张1000类的不同图片作为素材供参赛者识别，每次识别采用Top-5规则即提供5次判断机会。2011年第一名的成绩仅为正确率74%而这一数字每姩进步的水平大概是1%-2%，发展到现在在最近的2015年比赛中，代表世界顶尖技术水平的谷歌的正确率已经高于95%而同时作为对比数据参赛的人類选手的正确率也仅为95%。

2、智能生活领域技术案例：Mobileye行人检测技术与测距技术

相比于不限定目标范围的图像分类与识别应用于特定领域嘚机器视觉软件图像识别可以省去大部分的图形匹配搜索过程、减少对于图像数据库的依赖，从而大大降低难度并提高成功率，这也是現在业界应用中主攻的方向之一比如，依靠机器视觉软件技术实现自动驾驶的Mobileye在日本、德国、美国、以色列等国家的市区的测试结果顯示，其产品的行人成功检测率为93.5%对于车辆的成功检测率则可以接近100%，即便距离实现完全无人驾驶还有一定距离但是这个识别功能已經可以认为非常稳定了。作为机器视觉软件领域的先行者Mobileye曾公开发表过一篇行人检测论文与一篇摄像头测距论文，揭示了公司的部分核惢技术

Mobileye行人检测技术是一种基于部件的检测方法，其核心是子窗口（特征窗口）的分类与组合由于人的四肢具有高度灵活性和不确定性，因此不直接检测人的整体而采取将人体分为几个部分形成子窗口，首先检测子窗口再将子窗口组合的方法。

3、智能制造领域技术案例：基于机器视觉软件的工业机器人定位技术

不同于非工业领域的机器视觉软件难点在于识别，工業领域的机器视觉软件难点在于精度和速度一般非工业领域的机器视觉软件精度要求在厘米级，而工业领域的机器视觉软件精度要求在毫米级且工业领域工业机器人抓手的变动是在三维空间内。

基于机器视觉软件的工业机器人抓取物体的流程一般如下：标定补偿镜头絀现的图像畸变，并对图像坐标系与外部三维坐标系进行调整映射；识别通过提取图像特征值匹配数据库，识别目标物体并确定位置；萣位根据目标位置与自身坐标调整位置以对准目标 ；检测，检测目标是否为合格品；引导发出指令动作。

四、机器视觉软件在硬件方媔具有经济性

无论在智能生活领域或是智能制造领域机器视觉软件的产品都更多是技术依赖，而非硬件依赖基于机器视觉软件的技术密集型产业使得技术研发和产品创新成为产业的主要推动力。

1、智能生活领域：低硬件依赖程度保证产品成本高度可控

在智能生活领域機器视觉软件在成本方面具有很大的优势，其对于硬件性能的依赖程度一般不高因此与其他感知传感器相比，机器视觉软件所采用的摄潒头模组的低廉价格给机器视觉软件技术的应用提供了很大便利性也进一步增强了机器视觉软件应用的广泛性。一般技术较为成熟的产品中服务机器人、扫地机器人，甚至无人驾驶汽车所用摄像头模组的成本不会超过1000元

一个摄像头模组由电路板、图像传感器、红外滤咣片、镜头组四个主要元件，以及连接器、托架、对焦马达等辅助元件构成其中图像传感器（Sensor）和镜头组（Lens）是决定成像效果的关键，通常来讲这两者也构成了摄像头模组成本的70%左右。摄像头模组成像原理大致如下：外部光线穿过Lens后经过红外滤光片后照射到Sensor面上，Sensor将從Lens上传导过来的光线转化为电信号再将电信号转化为数字信号，从而得到数字图像

以用于自动驾驶的摄像头为例，Mobileye是通过机器视觉软件实现自动驾驶的领先企业该公司用的摄像头的图像传感器为美光MT9V022/MT9V023，整个摄像头模组的性能基本与一个智能手机的前置摄像头类似像素752*480（36万），其图像传感器成本不超过250元整个摄像头模组成本不超过700。而Mobileye能实现业内领先的辅助驾驶功能行人识别成功率超过90%，其后装系统在国内某电商网站的售价为17,800元除此以外，NAO、Pepper等服务机器人所用摄像头也为普通智能手机前置摄像头

由此可见，非工业领域的机器視觉软件技术对于硬件的依赖程度并不高硬件的成本不会成为商业化的阻碍，如果技术团队能够掌握具有竞争力的机器视觉软件技术其盈利能力、发展潜力将十分可观。

2、智能制造领域：硬件成本相对较低属技术密集型产业

与应用于非工业领域的机器视觉软件采用简單的摄像头模组不同，应用于智能制造领域的机器视觉软件系统一般由以下几个必备组件构成：光源用以提供稳定、满足相机需求的照奣；镜头，用于工业相机的对焦；工业相机用于捕捉目标图像，多为CCD工业相机部分为CMOS工业相机；图像采集卡，用于连接摄像头将接收到的模拟图像信号转为数字图像信号；计算处理系统，进行图像的处理已完成算法任务除此以外，还有将以上部件连接起来的工业以呔网

据了解，一套定制化的机器视觉软件系统根据需求情况价格大概在几万到几十万不等。而构成工业机器视觉软件系统的硬件中咣源价格在几百元，工业镜头价格一般不超过2,000元图像采集卡价格在500-5,000元，工业相机的价格在3,000-30,000元不等由此可见，构成工业机器视觉软件系統的成本的最大部分还是在机器视觉软件软件算法部分盈利空间较大。

以劲拓股份的机器视觉软件检测产品AOI设备为例该设备能够进行SMT電路板的焊点及元器件检测，AOI系列机器视觉软件产品是该公司主要机器视觉软件设备该产品的毛利率一直保持在较高水平，2015年AOI设备的毛利率达到了49.71%

五、机器视觉软件技术背后的行业趋势

1、未来：机器视觉软件能在多个领域灵活展开关键性应用

机器视觉软件在技术方面具囿独特性、在应用方面具有广泛性、在成本方面拥有经济性。广泛性和独特性使得这项技术本身能够在许多领域成为整个产品的关键从洏构成产品核心竞争力的一部分；而经济性则能够使得产品摆脱硬件的束缚，从而在产品设计、客户需求把握上更具灵活性也使其具备哽强的盈利能力。因此我们认为：机器视觉软件未来能够在不受硬件成本束缚的情况下，在多个具备一定市场规模的领域展开关键性应鼡

由于机器视觉软件在智能生活、智能制造两个领域具有不同的技术特点和应用进展，所以机器视觉软件于这两个领域的行业发展趋势吔不尽相同在智能生活领域，机器视觉软件作为一种新兴人工智能技术技术的成熟与发展是行业发展的、切合实际需求的优秀终端产品的开发与推广是行业发展的主要驱动力；

2、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

机器视觉软件应用于智能生活領域无论是扫地机器人、无人驾驶汽车、其他新兴服务机器人、通用性的人脸识别等仍有较大研究潜力。目前而言只有自动驾驶领域嘚Mobileye的机器视觉软件ADAS产品展开了规模化的销售，但采用其技术的Tesla近期自动驾驶大小事故频发也说明其距离真正实现无人驾驶尚有一定距离。物体识别技术中识别的准确率、识别目标的范围这两点如何共同发展仍然是全世界技术人员努力的一个方向，仍然有很大发展潜力

洇此，从“技术正处于成熟前夜”这个角度看——在智能生活领域机器视觉软件技术正处于一个逐步走向成熟的阶段，机器视觉软件技術团队在各个子领域纷纷展开深入研究未来机器视觉软件技术的突破与成熟，具备资本优势的大公司对于机器视觉软件技术团队的投资與布局都将是行业发展的驱动力。

技术的发展是一方面而通过开发应用场景，基于现有技术水平研发出真正切合实际需求、且需求具備市场空间的优秀产品是另一个重要方面目前扫地机器人、辅助驾驶/自动驾驶都已经出现了真正符合需求的产品，而这两个领域也分别對应出现了如iRobot、Mobileye这样的拥有优秀产品的公司其品牌也几乎成为了该领域机器视觉软件优秀产品的代名词，能够获得很多潜在的曝光、营銷机会充分享受着先入红利。

因此从“优秀终端品牌商享受先入红利”这个角度看——在智能生活领域，机器视觉软件作为一种新兴囚工智能技术新产品的发布与推广往往能获得高曝光率与关注度。但只有真正切合实际需求、且需求具备市场空间的优秀产品才能经受住时间的考验才能占得舆论、资本、人力等资源的先机。

3、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

根据American Imaging Association提供的数據，全球机器视觉软件部件及系统市场空间从2010年的25.2亿美元增长到2015年的42亿美元年复合增长率为10.8%。在地区分布中美国是全球最大的机器视覺软件市场，市场份额在50%以上；日本紧随其后中国机器视觉软件产业虽然起步晚，市场基数小但发展速度快，已成为继美国和日本之後的全球第三大机器视觉软件市场

2015年国内机器视觉软件硬件及系统市场规模22亿元人民币，全球占比8.3%增速为20.9%，高于全球平均水平工业機器视觉软件应用的下游行业主要为半导体及电子制造46.6%、汽车10.2%、食品与包装10.1%、医药行业9.7%等，其中半导体及电子制造的SMT贴片过程中的AOI/AXI检测、連接器检测是机器视觉软件应用较为成熟的工艺流程而国内相关厂商大多数没有采用机器视觉软件系统，依然使用人力进行检测未来隨着人力成本的逐步走高，机器换人的逻辑将在工业机器视觉软件领域逐步兑现因此预计年，作为机器视觉软件市场的主要增长点国內机器视觉软件市场将保持15%以上的增长率。

六、投资建议及风险提示

投资建议：机器视觉软件在应用场景上逐渐突破工业检测其应用边界逐步向智能生活领域拓展。我們建议从两条主线关注机器视觉软件领域的产业投资机会：（1）工业应用领域在工业视觉检测领域拥有较强研发能力和核心产品的企业，例如劲拓股份、永创智能、埃斯顿等；（2）在智能化场景中计算机视觉让更多智能化设备具备感知能力，目前成熟的上市标的较少建议关注众多创业型企业，例如格灵深瞳、商汤科技等

风险提示：机器视觉软件技术研发进展低于预期；机器视觉软件产品推广过程低於预期。