機器視覺技能發展至今已有二十多年的歷史，而真實發作革命性前進的則是莫爾視覺核算理論的提出，經過完結神經網絡相關算法使機器具有同人類視覺體系同樣的功用供給了可能。一般來說，機器視覺體系包括有鏡頭、攝像體系和圖畫處理體系，而其中心則是專用高速圖畫處理單元，也就是把存入的大量數字化信息與模板庫信息進行比較處理，并快速得出結論，其運算速度和準確率是關鍵指標。這首要經過高效合理的算法和處理才能強壯的芯片來完結。

現在，市場上已有多種高效視覺專用硬件處理器及芯片等電子器件，并且跟著核算機技能的前進，更先進的算法被相繼創造，如選用網格分布式處理體系能夠有用的進步運算的功率。今后機器視覺的中心問題將是對圖畫的深化理解。

機器視覺在主動駕駛中的使用首要有以下兩個個方面：

路途檢測

主動導航是主動駕駛的必要條件，主動駕駛過程中，路途檢測首要是為了斷定車輛在路途中的位置和方向，以便操控車輛依照正確的路線行進。別的，它還為后續的障礙物檢測斷定查找范圍，以及縮小障礙物檢測的查找空間，降低算法復雜度和誤識率。但是由于現實中的路途多種多樣，在加上光照、氣候等各種環境要素的影響，路途檢測是一個非常復雜的問題。至今仍無一個通用的算法，現有算法基本上都對路途做了必定的假定。通常選用的假定有：1特定愛好區域假定;2路途等寬假定;3路途平整假定。別的，路途平整假定也為障礙物界說供給參閱。

障礙物檢測

障礙物檢測的準確率是車輛主動駕駛過程中安全性的重要確保。內行進過程中，障礙物的出現是不行預知的,也就無法依據現有的電子地圖避開障礙物，只能在車輛行進過程中及時發現,并加以處理。當時,由于主動駕駛環境的不成熟，關于障礙物的界說尚沒有一致的標準。因而,能夠以為全部可能妨礙車輛正常行進的物體和影響車輛通行的反常地勢都是車輛行進過程中的障礙物。現在來看，障礙物檢測算法首要有以下三種：1.根據特征的障礙物檢測;2.根據光流場的障礙物檢測;3.根據立體視覺的障礙物檢測。在三種算法中，根據立體視覺的障礙物檢測由于既不需求障礙物的先驗常識,對障礙物是否運動也無限制,還能直接得到障礙物的實踐位置而成為干流研討方向。但其對攝像機標定要求較高。而在車輛行進過程中,攝像機定標參數會發作漂移,需求對攝像機進行動態標定。

現在，機器視覺技能在主動駕駛中并沒有進行大規模的使用，其實這這并非是硬件的問題，事實上攝像頭技能在轎車中的使用已經非常成熟，如善領科技的行車記錄儀，廣角視界、倒車印象等功用都徹底具有，而芯片技能也已能夠高效完結圖畫的壓縮處理，終究難點在于模仿神經網絡的視覺算法