最早的工业机器人没有外部传感器。他们无法对环境中的信息做出反应。虽然这些机器人有用途，但它们的局限性是显而易见的。

开发了不同的传感器以促进交互。其中最先进的是：机器视觉。

机器视觉使用相机来收集“视觉数据”。数据使用复杂的算法进行处理，这些算法可以帮助机器人识别物体并以几乎没有其他传感器技术可比的方式对不断变化的条件做出反应。

机器视觉需要巨大的编程和工程挑战。但是，由于多种原因，情况正在迅速改善：

• 能够在不同条件下运行的更精确的视觉传感器；

• 加速系统开发的编程和软件设计工具；

• 更强的处理能力、带宽和与其他工具的连接性；

• 对机器视觉提供的机会有更广泛、更热情的兴趣。

机器视觉的未来是什么？

2017 年及以后，三大挑战突出：

机器视觉照明

环境照明长期以来一直是机器视觉领域的通配符，需要极高的精度来优化性能。专家需要找到量化传统上难以预测或记录的照明细节的方法。

表面变化和反射率

即使是设计良好的系统，金属表面的反射特性也会令人困惑。然而，在工业中，许多系统需要与金属部件连接。从硬件和软件的角度来看，可能需要更强大的质量控制。

3D 引导和建模

随着机器视觉系统越来越多地从 2D 到 3D 规范，它们将需要处理更多数据。通过集成机器学习，系统将能够更有效地区分可接受和不可接受的输出。

具有机载机器视觉的机器人曾经是极少数。然而，在未来十年，新系统很可能会大量采用机器视觉。工程师必须快速迭代以优化新技术并迎接新挑战。