十年前，嵌入式视觉技术主要用于比较少见、高度专业化的应用。今天，设计工程师们在越来越多新兴的工业、汽车和消费电子应用中为视觉应用找到了用武之地。制造商一直以来都依赖于工业应用中的机器视觉系统，但随着先进机器人技术和机器学习技术的涌现以及向工业4.0制造模式的转变，嵌入式视觉应用的疆土在逐步扩大。现代汽车采用的电子产品，尤其是高级驾驶辅助系统(ADAS)和车载信息娱乐系统的快速发展也为嵌入式视频应用带来了契机。无人机、游戏系统、监控和安防等消费电子解决方案的开发工程师看到了嵌入式视觉技术的优势。随着网络边缘应用领域对智能功能的需求不断上升，新兴的AI解决方案将越来越依赖于嵌入式视觉技术。

我们已经可以看到许多改变。首先，对于快速部署低成本嵌入式视觉解决方案而言至关重要的许多关键组件和工具终于面世了。如今，设计工程师可以从各种成本较低的处理器中进行选择，这些处理器具备小尺寸、高性能、低功耗的特性。同时，得益于快速增长的移动市场，设计工程师得以从摄像头和传感器的普及中受益。与此同时，软件和硬件工具的改进有助于简化开发并加速上市进程。本文将探讨如何使用嵌入式视觉技术、采用嵌入式视觉技术的理由以及近期哪些应用最有希望采用嵌入式视觉技术。

更强处理能力

根据定义，嵌入式视觉系统实际上涵盖了执行图像信号处理算法或视觉系统控制软件的任何设备或系统。智能视觉系统中的关键部分是进行实时高清数字视频流处理的高性能计算引擎、大容量固态存储、智能摄像头或传感器以及高级分析算法。这些系统中的处理器可以执行图像采集、镜头校正、图像预处理和分割、目标分析以及各种启发式(heuristics)功能。嵌入式视觉系统设计工程师采用各种处理器，包括专为视觉应用设计的通用CPU、图象处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)和专用标准产品(ASSP)。上述处理器架构具备明显的优势和短板。在许多情况下，设计工程师将多种处理器整合到一个异构计算环境中。有时候，处理器则被集成到一个组件中。此外，一些处理器使用专用硬件来尽可能实现最高的视觉算法性能。诸如FPGA之类的可编程平台为设计工程师提供了高度并行的计算密集型应用架构以及用于I/O扩展等其他应用的资源。

在摄像头方面，嵌入式视觉系统设计工程师使用模拟摄像头和数字图像传感器。数字图像传感器通常是需要可见光环境的CCD或CMOS传感器阵列。嵌入式视觉系统也可用于感测其他数据，如红外、超声波、雷达和激光雷达。

越来越多的设计工程师开始转向采用摄像头或各种传感器的“智能摄像头”作为视觉系统中所有边缘电子设备的核心。其他系统将传感器数据传输到云端以减少系统处理器的负载，在这个过程中系统功耗、占用空间和成本降至最低。但是，当需要基于图像传感器数据进行低延迟的关键决策时，这种方法将面临问题。

利用移动优势

尽管嵌入式视觉解决方案早已面市多年，但该技术的发展速度受到了很多因素的限制。首先也是最重要的是，这项技术的关键要素仍没有能够以低成本的方式实现。特别是能够实时处理高清数字视频流的计算引擎尚未普及。高容量固态存储和高级分析算法的限制也带来了挑战。

最近市场上的三种发展趋势有望彻底改变嵌入式视觉系统的面貌。首先，移动市场的高速发展为嵌入式视觉设计工程师提供了海量的处理器可选方案，能够以低功耗提供相对较高的性能。其次，MIPI联盟推出的移动行业处理器接口(MIPI)能够为设计工程师提供替代方案，使用符合标准的硬件和软件组件来构建创新且具有成本效益的嵌入式视觉解决方案。最后，针对移动应用的低成本传感器和摄像头的激增，帮助嵌入式视觉系统设计工程师实现更好的解决方案并降低成本。

工业应用

工业应用领域中的机器视觉系统一直以来都是嵌入式视觉领域最有前景的应用方向之一。机器视觉技术是其中最成熟和数量最多的应用。它被广泛用于制造过程和质量管理应用。通常，这些应用领域中的制造商采用由一个或多个智能摄像头与处理器模块组成的紧凑型视觉系统。Transparency  Market Research的分析师预测，机器视觉市场将从2014年的157亿美元增长至285亿美元(2021年)。

今天，设计工程师为这项技术找到很多潜力无限的全新应用领域。例如，图1中的机器视觉智能摄像头非常适合用于监控生产线上的制造设备。设计工程师可以使用FPGA实现图像传感器桥接，用作一个完整的摄像头图像信号处理流水线(ISP)，以及提供GeVision或USB  Vision等互连解决方案。

图1：机器视觉智能摄像头中的FPGA

另一个例子是基于FPGA的视频采集卡(图2)，它聚合了来自多个摄像头的数据，并进行图像预处理，然后通过PCIe接口将数据发送到主处理器。

图2：视频采集卡

随着越来越多的制造商采用工业4.0模式，工业市场对视觉系统的需求也将越来越大。在这个新时代，制造商将把先进的机器人、机器学习、3D深度测绘和工业物联网(IIoT)整合到一起以提高组织和生产能力。在2011年发布的一篇题为“工业4.0--未来智能制造”的文章中首次提出，工业4.0代表了工业革命历史上的第四个阶段。2012年，工业4.0工作组向德国联邦政府提出了一套实施建议。

工业革命的第一阶段工业1.0在制造业中引入了水和蒸汽动力机械。劳动分工环境下首次出现的电力驱动批量生产技术奠定了工业2.0的基础。工业的第三个时代从采用计算机开始，初次涉足自动化领域，在装配线上用自动化机器逐渐取代人类。

今天，制造商期望工业4.0能够帮助他们实现又一次的飞跃，进一步提高生产力。在“智慧工厂”这个概念的驱动下，工业4.0将引入物理网络系统来监控智能工厂的生产过程并实现分权决策。这种模式将通过整合大数据与分析、IT与物联网融合、机器人技术的最新进展以及数字供应链的迭代发展等理念推动行业向着数字化转型。最后，通过互联网，这些物理系统将实现系统交互和人机交互，成为工业物联网(IIoT)的一部分。