机器视觉技能发展至今已有二十多年的历史，而真实发作革命性前进的则是莫尔视觉核算理论的提出，经过完结神经网络相关算法使机器具有同人类视觉体系同样的功用供给了可能。一般来说，机器视觉体系包括有镜头、摄像体系和图画处理体系，而其中心则是专用高速图画处理单元，也就是把存入的大量数字化信息与模板库信息进行比较处理，并快速得出结论，其运算速度和准确率是关键指标。这首要经过高效合理的算法和处理才能强壮的芯片来完结。

现在，市场上已有多种高效视觉专用硬件处理器及芯片等电子器件，并且跟着核算机技能的前进，更先进的算法被相继创造，如选用网格分布式处理体系能够有用的进步运算的功率。今后机器视觉的中心问题将是对图画的深化理解。

机器视觉在主动驾驶中的使用首要有以下两个个方面：

路途检测

主动导航是主动驾驶的必要条件，主动驾驶过程中，路途检测首要是为了断定车辆在路途中的位置和方向，以便操控车辆依照正确的路线行进。别的，它还为后续的障碍物检测断定查找范围，以及缩小障碍物检测的查找空间，降低算法复杂度和误识率。但是由于现实中的路途多种多样，在加上光照、气候等各种环境要素的影响，路途检测是一个非常复杂的问题。至今仍无一个通用的算法，现有算法基本上都对路途做了必定的假定。通常选用的假定有：1特定爱好区域假定;2路途等宽假定;3路途平整假定。别的，路途平整假定也为障碍物界说供给参阅。

障碍物检测

障碍物检测的准确率是车辆主动驾驶过程中安全性的重要确保。内行进过程中，障碍物的出现是不行预知的,也就无法依据现有的电子地图避开障碍物，只能在车辆行进过程中及时发现,并加以处理。当时,由于主动驾驶环境的不成熟，关于障碍物的界说尚没有一致的标准。因而,能够以为全部可能妨碍车辆正常行进的物体和影响车辆通行的反常地势都是车辆行进过程中的障碍物。现在来看，障碍物检测算法首要有以下三种：1.根据特征的障碍物检测;2.根据光流场的障碍物检测;3.根据立体视觉的障碍物检测。在三种算法中，根据立体视觉的障碍物检测由于既不需求障碍物的先验常识,对障碍物是否运动也无限制,还能直接得到障碍物的实践位置而成为干流研讨方向。但其对摄像机标定要求较高。而在车辆行进过程中,摄像机定标参数会发作漂移,需求对摄像机进行动态标定。

现在，机器视觉技能在主动驾驶中并没有进行大规模的使用，其实这这并非是硬件的问题，事实上摄像头技能在轿车中的使用已经非常成熟，如善领科技的行车记录仪，广角视界、倒车印象等功用都彻底具有，而芯片技能也已能够高效完结图画的压缩处理，终究难点在于模仿神经网络的视觉算法