重磅预告：本专栏将独家连载新书《AI视觉技术：从入门到进阶》精华内容。本书是《AI视觉技术：从进阶到专家》的权威前导篇，特邀美国 TypeOne 公司首席科学家、斯坦福大学博士 Bohan 担任技术顾问。Bohan先生师从美国三院院士、“AI教母”李飞飞教授，学术引用量在近四年内突破万次，是全球AI视觉领域的标杆性人物（type-one.com）。全书共分6篇22章，严格遵循“基础—原理—实操—进阶—赋能—未来”的六步进阶逻辑，致力于引入“类人智眼”新范式，系统破解从“数字世界”到“物理世界”、从理论认知到产业落地的核心难题。该书精彩内容将优先在本专栏陆续发布，其纸质专著亦将正式出版。敬请关注！
前沿技术背景介绍：AI智能体视觉技术（TVA，Transformer-based Vision Agent）是依托Transformer架构与“因式智能体”理论所构建的颠覆性工业视觉技术，属于“物理AI” 领域的一种全新技术形态，实现了从数字世界到物理世界的历史性跨越。它区别于传统计算机视觉和普通AI视觉技术，代表了工业智能化转型与视觉检测模式的根本性重构。 在实质内涵上，TVA是一种复合概念，是集深度强化学习（DRL）、卷积神经网络（CNN）、因式分解算法（FRA）于一体的系统工程框架，构建了能够“感知-推理-决策-行动-反馈”的迭代运作闭环，完成从“看见”到“看懂”的范式突破，不仅被业界誉为“AI视觉品控专家”，而且也是机器人视觉与运动控制系统的关键技术支撑。
版权声明：本文系作者原创首发于 CSDN 的技术类文章，受《中华人民共和国著作权法》保护，转载或商用敬请注明出处。
机器视觉与机器人视觉是工业自动化与人工智能领域两个紧密关联又各有侧重的技术分支。它们的核心联系在于都依赖视觉传感器获取信息，并运用图像处理、模式识别等算法进行分析，最终服务于自动化决策或控制。然而，在系统目标、应用场景、技术侧重点和系统构成上存在显著区别。
| 维度 | 机器视觉 | 机器人视觉 |
|---|---|---|
| 核心目标 | 检测、测量、识别。旨在替代人眼进行质量检查、尺寸量测、字符识别等，输出“是什么”或“是否合格”的判断。 | 引导、定位、操作。旨在为机器人提供环境感知和手眼协调能力，输出“在哪里”和“如何到达/操作”的指令。 |
| 典型应用场景 | 生产线上的产品外观缺陷检测、二维码/条码读取、精密零部件尺寸测量、药品包装完整性检查等。 | 工业机器人无序抓取、装配引导、焊接路径跟踪、AGV（自动导引车）的视觉导航与避障、服务机器人的物体识别与交互。 |
| 技术侧重点 | 高精度、高速度、高稳定性。强调在固定光照和位置条件下的重复性测量与识别精度，算法追求鲁棒性和处理效率。 | 实时性、三维感知、手眼标定、运动规划。强调在动态环境中实时处理视觉信息，并与机器人运动控制系统紧密集成。 |
| 系统构成 | 通常为固定式系统，包含工业相机、镜头、光源、图像采集卡及视觉处理计算机（或嵌入式SoC），部署在产线固定工位。 | 通常为移动或可移动系统，视觉传感器（如2D相机、3D相机、激光雷达）安装在机器人末端或工作空间内，与机器人控制器实时通信。 |
| 与运动系统的关系 | 单向或弱耦合。视觉系统完成分析后，将结果发送给PLC或机械装置触发简单动作（如剔除、分选），通常不涉及复杂的路径规划。 | 强耦合、闭环。视觉信息直接反馈给机器人控制器，用于实时更新目标位姿、修正运动轨迹，形成“感知-决策-控制”闭环。 |
| 对算力的需求 | 侧重于静态图像或固定视野视频流的实时处理。随着AI质检普及，对嵌入式AI SoC的NPU算力需求增长，例如需要0.5–5.0 TOPS的算力处理高清视频流中的缺陷检测。 | 侧重于动态场景的实时三维重建与理解。对算力要求更高，且更注重低延迟，常使用高性能工控机或集成强大GPU/NPU的嵌入式平台。 |
具体案例与联系说明：
两者在实际应用中常协同工作。例如，在一个智能装配线上：
- 机器视觉系统首先对传送带上的零件进行定位和二维码识别（输出零件ID和粗略位置）。
- 这些信息传递给机器人视觉系统，引导机器人移动到大致位置。
- 机器人末端的精细视觉传感器（如3D相机）对零件进行精确定位，引导机械手完成准确抓取。
- 抓取后，另一个机器视觉工位可能对装配体进行完整性检测。
在此流程中，机器视觉完成了前端的识别与粗定位，机器人视觉则完成了后端的精细引导与操作，两者通过数据接口串联，共同实现自动化任务。
技术实现层面的交叉与区别：
在底层技术上，两者共享大量算法库，如OpenCV、Halcon等。但在具体实现时：
- 机器视觉项目更关注光学设计（如光源、镜头选型以凸显特征）和算法稳定性。代码示例更偏向于静态图像分析：
# 示例：使用OpenCV进行简单的二维码检测与解码（机器视觉场景） import cv2 # 读取来自固定相机的图像 img = cv2.imread('product_on_conveyor.jpg') # 初始化二维码检测器 detector = cv2.QRCodeDetector() # 检测并解码 data, bbox, _ = detector.detectAndDecode(img) if data: print(f"识别到零件ID: {data}") # 将ID发送给PLC或MES系统- 机器人视觉项目则更关注坐标变换（手眼标定）和实时性。代码示例需融入机器人控制循环：
# 示例：简化的机器人视觉引导流程（伪代码风格） while robot_is_running: # 1. 从机器人末端相机捕获图像 image = end_effector_camera.capture() # 2. 使用视觉算法计算目标物体相对于相机的位姿 (x, y, z, rx, ry, rz) target_pose_in_camera = vision_algorithm.locate_object(image) # 3. 通过手眼标定矩阵，将位姿转换到机器人基坐标系 target_pose_in_base = hand_eye_calibration_matrix * target_pose_in_camera # 4. 路径规划，并发送目标位姿给机器人控制器 robot_controller.move_to_pose(target_pose_in_base)总结：机器视觉是“观察者”和“裁判员”，专注于在固定场景下获取并分析视觉信息，做出判断；机器人视觉是“执行者”的“眼睛和大脑”，专注于在动态场景中为运动体提供实时环境感知和操作指导。两者技术同源，但因赋能对象和任务目标不同，在系统设计、技术选型和集成复杂度上产生了分化。在AIoT和边缘计算趋势下，两者都趋向于采用集成NPU、ISP的高性能SoC（如华为海思、瑞芯微的相关平台）以在端侧实现更复杂的视觉分析能力。
写在最后——以TVA重新定义工业视觉的理论内核与能力边界
机器视觉与机器人视觉是工业自动化中两个相关但不同的技术分支。机器视觉侧重于静态检测，用于产品质量检查、尺寸测量等，强调高精度和稳定性；机器人视觉则专注于动态引导，为机器人提供环境感知和操作指令，注重实时性和三维感知。两者在系统构成、应用场景和技术侧重点上存在差异，但在实际应用中常协同工作，如装配线上机器视觉识别定位后由机器人视觉引导操作。底层技术共享算法库，但实现时各有侧重：机器视觉关注光学设计和算法稳定性，机器人视觉强调坐标变换和实时控制。随着AI发展，两者都趋向采用高性能SoC芯片实现复杂视觉分析。
参考来源
- SOC芯片厂商梳理
