国内在机器视觉产品（包括视觉软件、相机系统、光源等）研发方面虽然取得了一些成果，但与国外先进的机器视觉技术与设备相比还有较大的差距。目前国内在机器视觉产品研发方面主要存在技术水平较低、应用面窄、基本处于软硬件定制的专用视觉系统研发和应用阶段，开发成本高、效率低；在机器视觉算法研究方面，仍采用经典的数字图像处理算法和通用软件编程开发，组态集成开发能力弱；在产品方面，具有自主知识产权的机器视觉技术与系统产品较少，不利于批量生产和广泛推广。在我国高校，机器视觉教学与科研方面也有喜有忧，在科研方面，涌现出大量机器视觉科研机构和学者，对机器视觉算法研究取得了长足进步，发表了大量学术论文，但在机器视觉应用，特别是机器视觉教学方面，与工业应用不相适应，有的没有开设相应课程，有的没有开设相应实验，有的甚至认为机器视觉属于科学前沿，未能将机器视觉应用技术列入教学计划和课程体系，这些问题和不足主要是我们的教学与实际生产严重脱节造成的。因此加快发展我国自主知识产权的机器视觉产品是当务之急，在高等院校自动化专业、计算机专业、机电一体化专业开设机器视觉应用技术与系统实验也迫在眉睫。
四、    移动机器人机器视觉单元的实现方法
计算机进行图像处理这部分，摄像头利用能图像的收集卡、处理器捕获图像，工控计算机接到图像后运行指令开始量取一个标量再量取个参考点，在和另一处的图像进行比较得出三文空间指令。最后工控计算机发出发指令，它通过串口告诉机器人，它收指令进行动作，修正自己的作业路线。全过程是由工控计算监控起的，实现则是通过软件。
五、    移动机器人机器视觉单元的关键技术
 OMR 的研究涉及机械、控制、传感器、人工智能等技术，但主要集中在若干关键技术的研究与突破。这些关键技术主要包括机器人视觉信息的实时处理技术、路径规划技术、机器人控制体系结构、车体的定位与控制技术以及多传感器信息的集成与融合等。
(1) 机器人视觉信息的实时处理技术
机器人视觉系统正如人的眼睛一样，是机器人感知局部环境的重要“器官”，同时依此感知的环境信息实现对机器人的导航。机器人视觉信息主要是二文彩色CCD 摄像机信息，在有些系统中还包括三文激光雷达采集的信息。视觉信息能否正确、实时地处理直接关系到车体行驶速度、路径跟踪以及对障碍物的避碰，对车体的实时性和鲁棒性具有决定性的作用。视觉信息的处理技术是OMR 研究中比较关键的技术之一。目前视觉信息处理的内容主要包括：视觉信息的压缩和滤波、道路理解(道路检测和障碍物检测)、特定交通道路标志的识别、三文信息感知与处理。其中道路理解是视觉信息处理中最重要的过程，也是最困难的过程。
(2) 基于多传感器的信息融合技术
OMR在行驶时，必须持续不断地感知周围环境信息及自身状态信息，由于OMR工作环境的复杂性、机器人自身状态的不确定性和单一传感器的局限性，只靠一种传感器难以完成对外部环境的感知。为完成在复杂、动态及不确定性环境下的自主性，机器人通常装有多种传感器。多传感器信息融合是指将多个或多种传感器所提供的环境信息进行集成处理，形成对外部环境特征的统一表示。经过集成处理的多传感器信息融合了信息的互补性、信息的冗余性、信息的实时性和信息的低成本性，因而能比较完整地、精确地反映环境特征。多传感器信息融合的常用方法有加权平均、贝叶斯估计、卡尔曼滤波、Dumpsters-Shafer 证据推理、模糊推理以及人工神经网络等等。 移动机器人系统机器视觉单元设计开题报告(3):http://www.youerw.com/kaiti/lunwen_14383.html