机器视觉是人类认知世界最重要的功能手段，生物学研究表明，人类获取外界信息75%依靠视觉系统. 目前，市场上已有多种高效视觉专用硬件处理器及芯片等电子器件，并且随着计算机技术的进步，更先进的算法被相继发明，如采用网格分布式处理系统能够有效的提高运算的效率。
机器视觉在服务机器人的应用主要有扫地机器人和自动驾驶.
扫地机器人
目前实现自主规避障碍&规划路线的扫地机器人的技术路径主要有两类，机器视觉技术和激光雷达导航技术。基于机器视觉的扫地机器人，指通过摄像头获取图像，通过算法实现规划路径、躲避障碍。
根据IFR统计数据显示，2014年全球家务机器人销售额达到12亿美元，同比增长24%。同时，根据GFK数据，2015年中国扫地机器人市场零售规模在50亿元人民币左右，这一数字在2018年将增长至120亿元人民币，市场空间巨大。
自动驾驶领域
机器视觉在自动驾驶中的应用主要有以下两个方面：
一、障碍物检测
准确率是车辆自动驾驶过程中安全性的重要保证。在行驶过程中，障碍物的出现是不可预知的，也就无法根据现有的电子地图避开障碍物，只能在车辆行驶过程中及时发现， 并加以处理。当前，由于自动驾驶环境的不成熟，关于障碍物的定义尚没有统一的标准。因此， 可以认为一切可能妨碍车辆正常行驶的物体和影响车辆通行的异常地形都是车辆行驶过程中的障碍物。目前来看，算法主要有以下三种：1. 基于特征的;2. 基于光流场的;3. 基于立体视觉的。在三种算法中，基于立体视觉的因为既不需要障碍物的先验知识， 对障碍物是否运动也无限制， 还能直接得到障碍物的实际位置而成为主流研究方向。但其对摄像机标定要求较高。而在车辆行驶过程中，摄像机定标参数会发生漂移， 需要对摄像机进行动态标定。
二、道路检测
自动导航是自动驾驶的必要条件，自动驾驶过程中，道路检测主要是为了确定车辆在道路中的位置和方向，以便控制车辆按照正确的路线行驶。另外，它还为后续的确定搜索范围，以及缩小的搜索空间，降低算法复杂度和误识率。然而由于现实中的道路多种多样，在加上光照、气候等各种环境因素的影响，道路检测是一个十分复杂的问题。至今仍无一个通用的算法，现有算法基本上都对道路做了一定的假设。通常采用的假设有：1特定兴趣区域假设;2道路等宽假设;3道路平坦假设。另外，道路平坦假设也为障碍物定义提供参考。
根据麦肯锡、高盛的预测，在2022年左右，会出现呈一定规模的的无人驾驶汽车应用趋势。到2030年左右，无人驾驶汽车将进入汽车消费市场。朗锐智科（www.lrist.com）认为机器视觉作为一种给机器人带来视觉功能的关键技术，机器视觉应用广泛。从工业视觉到计算机视觉，从人机交互到自动驾驶，从虚拟现实到物体自动识别，机器视觉都能担当着重要角色。
