随着人工智能的不断发展，人们对于机器人的要求也越来越高，甚至希望机器人能够像人一样灵活运动。如何让机器人具有“看见”、“识别”并“判断”的功能？这需要解决机器人视觉识别与场景视觉重建技术问题。与常规工业机器不同的是，具有“视觉”功能的机器人，在工作中，会根据具体情况，动作会频繁加减速。如何控制运动轨迹的精确度，需要解决柔性加减速控制算法的问题。
什么是机器视觉？
机器视觉是近年来发展起来的一项新技术，它是利用光机电一体化的手段使机器具有视觉的功能。简而言之就是用机器代替人眼来做测量和判断。可以在很多场合实现在线高精度高速测量。还能实现机器人或自动化设备生产的全智能化。
机器视觉（MV）使用自动化技术捕捉图像并传输到电脑，捕获的图像随后将被进行检查处理，最终用于实际检测、测量和控制。这是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。一般而言，一套完整的机器视觉系统由光源、镜头、图像采集系统和视觉分析软件组成。
机器视觉的应用
一个典型的机器视觉系统包括照明、镜头、相机、图像采集卡和视觉处理器5个部分。由于采集卡能更加迅速地传输图像到存储器，且计算机速度不断加快，所以在目前的机器视觉系统中，视觉处理器的应用逐渐减少。图像采集卡在机器视觉系统中举足轻重。比较典型的PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关，可连接多台相机，能控制采集卡采用任意一个相机捕获的信息。
伴随着技术的发展，机器视觉的功能也在不断扩展。黄凯奇说：“缺陷检测是通过机器视觉手段来分析零部件信息，从而判断其是否存在缺陷；测量是通过使用机器视觉来对考察对象的尺寸、形状等信息进行度量；人机交互是利用机器视觉工具分析人或者其他机器发出的指令，从而实现对机器的操纵；环境建模是对机器周围环境进行感知建模，比如移动机器人对路面环境进行感知建模等。”
