上世纪70年代中，MIT人工智能实验室正式开设“机器视觉”课程，近半个世纪来机器视觉持续是一个非常活跃的研究领域，全球性的研究热潮，使得机器视觉获得了蓬勃发展，机器视觉在工业制造领域已获得了广泛的应用，比如在不适合人类工作的环境中，利用机器视觉代替传统人工测量/试；或用于需要高性能、精密机器视觉组件的专业设备制造领域。但总体来讲，机器视觉不仅依然一个相当新且仍有很多工作要做的研究领域，更是一个深藏无限潜力的金矿。
在此次采访中，大部分的厂商的关注焦点都更贴近大众生活相关，放在了消费电子、可穿戴产品、汽车ADAS以及智能化监控等领域。比如CEVA公司投资者关系与企业传播副总裁RichardKingston就透露“我们已经将计算机视觉DSP授权许可予八家企业，其中包括三家移动领域的OEM厂商。”加拿大CogniVue公司业务开发副总裁TomWilson认为“可穿戴和汽车领域将存在非常强烈的增长机遇。”
视觉处理向3D跨越
随着谷歌正式发布了ProjectTango后，3D机器视觉变得愈加热门。“我们认为消费领域3D处理的主要应用会是3D成像、自然用户界面(NUI)和3D视觉应用，比如PC、笔记本电脑、平板电脑、智能手机和其它消费类设备。”Kingston表示。
业界追寻3D视觉的最大原因还是为了解决2D机器视觉的固有局限，若能更好的实现在分割(分离近景和远景)、照明(用于人脸识别时)、相对位置(场景中的物体)等方面的功能，许多应用可以通过采用3D空间信息简化并提高视觉系统的精度和可靠性。
但无论是3D传感器(例如飞行时间法(ToF)相机)、或以2个2D图像传感器实现的立体传感器，他们对处理能力的要求都更高。“立体匹配(使用来自两个图像传感器输入)要求差异映射来生成3D景深图。这是一个非常困难的计算机视觉问题，学术界也积极研究来优化立体识别算法。”CogniVue公司业务开发副总裁TomWilson指出。每一种实现3D传感的方法都存在性能上的折衷，CogniVue目前在开发一种算法，能针对低成本3D传感器有效计算其视差图。
处理大量实时数据需要密集的计算能力。若是想实现稳定的3D传感地图是非常困难的，特别是对那些低功耗的设备来说。“CogniVue的APEX图像识别处理(ICP)技术能在电量有限的3D视觉应用中发挥关键作用。”他补充道。
