计算机视觉赋予机器人解读视觉信息的能力。摄像头捕捉图像，算法提取图像含义：边缘、形状、物体、人脸、运动等。机器人利用这些信息进行导航、抓取、检查或跟踪。

早期的计算机视觉依赖于手工编写的规则：寻找边缘、匹配模板、测量距离。它在受控光照条件下有效，但在其他情况下则失效。深度学习改变了这一切。卷积神经网络从标记图像中学习特征。它们无需被告知要寻找什么，就能识别出猫、焊缝裂纹或成熟的草莓。

计算机视觉能够实现什么

• 目标检测与分类。
• 用于抓取的姿态估计。
• 采用视觉伺服进行精确对准。
• 生产制造中的缺陷检测。
• 同步定位与建图（SLAM）。

视觉之所以困难，是因为现实世界纷繁复杂。光线会变化，物体会重叠，反射也会干扰摄像头。在实验室里视觉效果良好的机器人，在工厂车间可能就无法正常工作。工程师们使用多个摄像头、结构光和深度传感器来增强机器人的鲁棒性。他们还会利用真实环境中的数据进行训练，而不仅仅是使用干净的数据集。计算机视觉之所以成为机器人领域最活跃的研究方向，原因就在于此。如果机器人能够“看”，它几乎可以完成任何任务。如果不能，它就只能进行盲目的、重复性的动作。