智慧交通领域三维视觉应用的行业分析.docx
《智慧交通领域三维视觉应用的行业分析.docx》由会员分享，可在线阅读，更多相关《智慧交通领域三维视觉应用的行业分析.docx（17页珍藏版）》请在冰点文库上搜索。
智慧交通领域三维视觉应用的行业分析
智慧交通领域三维视觉应用的行业分析
智慧交通领域三维视觉应用的行业分析
一、背景
计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像，计算机视觉作为人工智能的一个重要分支，随着深度学习的不断发展，为计算机视觉和人工智能领域带来了革命性的突破，出现了以结构光、双目视觉、TOF为主要技术路线的三维视觉技术，已经可以可以广泛应用于智慧交通领域。
智慧交通是以信息化、智能化引领交通管理和运营服务水平提升，积极推进云计算、大数据等现代信息技术与交通管理、运营服务的深度融合，全面深化交通信息数据的共享和开发利用，建立健全完善的监测感知体系、可靠的通信保障体系、实时的预报预警体系，实现路网“可知、可测、可控、可服务”。
随着全球经济的发展和城市化、现代化进程的推动，交通运输行业将保持稳步发展状态，在政策上，各国均积极推进智能交通系统建设，在技术上，使用人工智能等高新技术实现智能交通，在产业上，加速交通产业生态圈的跨界融合，为出行者提供更加准确、完善和智能的服务。
人工智能技术的出现为提升运输效率、保障运输安全和降低运输成本，最终实现智能交通带来了新的思路，在交通运输行业绽放光彩。
有利的政策导向为智慧交通提供了良好的发展环境。
在十九大报告提出的五大强国战略中，“交通强国”占据一席，同时强调要进一步推动智能收费和加快智慧基础设施建设。
交通运输部部长、党组副书记小鹏也提出建设适应“交通强国”发展的智能交通体系，对智慧交通的发展提出了新的要求。
2018年2月28日交通运输部发布了《关于加快推进新一代国家交通控制网和智慧公路试点的通知》等政策。
二、深度摄像头
深度摄像头（又称3D传感器）是三维视觉配件，该配件能够从视觉数据获取的角度提升机器感知能力，比二维视觉多一个维度，实现三维视觉体验，进行更加精确的物体分割、三维测量、三维数据模型重建和智能视觉识别和分析。
众多前沿领域的应用为了获得更精准的体验，越来越依赖深度摄像头，例如VR、机器人、安防等。
深度摄像头技术存在一定的技术门槛，国外的研发公司并不多，国外代表公司有苹果、微软、谷歌、INTEL、Oculus、SONY，国代表公司有奥比中光、华捷艾米，图漾，乐行天下等。
目前，深度摄像头已经渡过技术基础期，具有明确的发展方向，进入成长期，即将掀起3D传感器的浪潮。
3D视觉还没有普及，技术尚存难点。
一是3D图像是在2D图像的基础上通过颜色渲染每一个点来代表不同的深度，深度图相对传统的平面图有很大的提高空间；二是由于多了一维，其数据处理却不只多一个数量级，在人工智能方面，如果用三维做分析，算法与计算量会有显著的增长，需要有新的处理方法去应对，在目前大部分还在用二维图形做处理的情形下，这是一个挑战。
深度摄像头的三种主要技术方法和代表公司分别为：
一是单目结构光，代表公司有苹果（收购最大的结构光技术公司PrimeSense）、微软Kinect-1、英特尔RealSense、GoogleProjectTango等，目前可见的其他创业公司几乎都沿用此技术路线。
二是双目可见光，代表公司LeapMotion。
三是飞行时间法（TOF），代表公司微软Kinect-2。
单目结构光是目前最主流、应用最广泛的深度感知方案，其基本原理是由结构光投射器向被测物体表面投射可控制的光点、光条或光面结构，并由图像传感器获得图像，通过系统几何关系，利用三角原理计算得到物体的三维坐标。
应用：
目前是业界比较成熟的深度检测方案，很多的激光雷达和3D扫描技术都采用结构光方案。
结构光的代表产品有微软的Kinect一代。
优势：
结构光方案优势在于技术成熟，识别距离远，深度图像分辨率可以做得比较高。
缺点：
由于以折射光的落点位移来计算位置，这种技术不能计算出精确的深度信息，对识别的距离也有严格的要求。
而且容易受到环境光线的干扰，强光下不适合，响应也比较慢。
双目视觉是指安装两个摄像头，利用双目立体视觉成像原理，通过两个摄像机来提取包括三维位置在的信息进行深度感知。
应用：
目前应用在智能安防监控、机器人视觉、物流检测等领域。
市场上的典型的产品有LeapMotion，大疆无人机等。
优势：
双目视觉的方案不容易受到环境光线的干扰，适合室外环境，满足7*24小时的长时间工作要求，不易损坏。
而且，由于不涉及光学系统，因此双目视觉的成本是三种深度感知方案中最低的。
缺点：
这种技术需要庞大的程序计算量，对硬件设备有一定配置要求，同时受外界环境影响大，比如环境光线昏暗、背景杂乱、有遮挡物等情况下不适用。
TOF是飞行时间（TimeofFlight）技术的缩写，基本原理是传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。
应用：
可用于机器人、制造、医疗技术以及数码摄影等领域的设备控制。
市场上的典型产品有Kinect2代。
优点：
TOF是相对结构光和双目视觉来说受环境影响最小的技术，响应速度快、深度信息精度高。
缺点：
传感器芯片并不成熟，成本很高，实现量产困难。
TOF分辨率不高，因此不适合精度要求高的场景。
从技术角度上讲，立体视觉技术最成熟，最不成熟的是ToF。
深度摄像头技术路线对比表
技术路线
优点
缺点
应用
单目结构光
技术成熟，识别距离远，深度图像分辨率比较高
不能计算精确的深度信息，识别距离要求严格，易受环境光线干扰
激光雷达和3D扫描技术
双目视觉
不易受环境光线干扰，适合室外环境，长时间工作，不易损坏，不涉及光学系统，成本最低
庞大的程序计算量，对硬件设备有配置要求，受外界环境影响大
智能安防监控、机器人视觉、物流检测等领域
TOF
受环境影响最小，响应速度快、深度信息精度高
传感器芯片不成熟，成本高，实现量产困难，分辨率不高
机器人、制造、医疗技术以及数码摄影等领域的设备控制
资料来源：
资料整理
三、智慧交通领域人工智能技术应用分析
深度学习：
机器学习中一种基于对数据进行表征学习的算法。
通过对大量历史数据（如图像、文本和声音）进行识别与分析，从而替代人力完成自动化操作。
主要用于路况识别，高级驾驶辅助系统（ADAS），路线规划等。
语音识别与自然语言处理：
指机器理解并解释人类写作、说话方式的能力，是人工智能技术的核心组成部分。
从语音识别到文本分析，再到信息检索、信息抽取，自然语言处理涉及到处理文字、语音的各个方面。
主要应用于服务领域，如车载娱乐系统、货物追踪系统等。
计算机视觉：
基于图像处理的计算机视觉技术是通过摄像机获取场景图像，并借助于计算机软件构建一个自动化或半自动化的图像/视频理解和分析系统，从而模仿人的视觉功能以提供及时准确的图像/视频处理结果。
在交通运输行业中，计算机视觉技术主要应用于路况检测，安检扫描，流量监控，值机登记等。
机器人技术：
在交通运输行业，智能机器人可以代替传统人力完成重复琐碎的货物分拣、搬运、包装等工作，极减轻了人类繁重的体力劳动，提高了运输效率。
根据不同的应用场景，具体可以分为AGV机器人、码垛机器人、分拣机器人。
大数据分析：
大数据分析技术主要通过对大量非结构化或结构化数据进行分析，利用算法探索数据间的未知联系和隐藏信息，从而帮助决策和判断。
从运输设备的维护预测到运输过程中的路线优化、时间预测，这些服务或功能都离不开大数据技术的支持。
四、智慧交通领域计算机视觉应用分析
计算机视觉在交通领域主要有五大应用：
一是感知，即车辆的检测；二是车辆身份的识别；三是车辆身份的比对；四是车辆的行为分析；五是驾控，即汽车辅助驾驶与无人驾驶。
1、车辆检测与感知
（1）车辆检测。
车辆检测是计算机通过图片或者视频，把其中的车辆或其它关注目标准确的“框”出，检测是很多系统的基础。
在2012年以前，很多智能交通系统中用的检测是一种基于运动的检测，这种检测会受天气、光线等方面的影响，在不同天气下会存在很多问题。
而深度学习的检测，是基于车辆的轮廓和形态的检测，完全模拟人看车的方式，只要人眼可以辨识那是一辆车，就可以“框”出来，解决了很多过去车辆检测存在的问题，排除了天气光线等来带的干扰。
（2）路口感知。
目前国许多城市交通拥堵严重，十字路口红绿灯配时不是最优，通过基于深度学习的车辆精确感知检测，可以精准的感知交通路口各个方向的车辆数量、流量和密度，从而可以为交通路口的最优配时提供准确依据。
如果各个路口都用上这种车辆检测技术，将极大缓解交通拥堵。
（3）路段感知。
过去几年，我国的大中型城市安装了很多监控摄像头，通过路段的感知，可以基于原有监控系统获取道路的总体交通路况，为道路路况分析、交通大数据、交通规划等提供可靠的数据依据。
（4）路侧停车感知。
有两方面的应用，一是路侧停车的感知和抓拍，不再需要摄像机去轮询检测，大大提高了摄像机的使用寿命。
二是路侧停车位的管理，之前的方案在外场要感知车位是否被占用，一般通过地磁感知，成本高，系统可靠性差，基于图像的识别则可以很好的解决这个问题，一台摄像机即可监控和感知一大片区域的停车位是否被占用，成本低、准确度高。
（5）停车场感知。
目前室停车场大多应用图像识别实现车位检测，但对车的检测都是基于车牌，有车牌就可以成功检测，没车牌则检测不出，甚至车牌模糊无法检测。
而基于深度学习的车辆检测，只看车辆轮廓，不看车牌，精度很高。
通过计算机视觉技术，可以做到模拟人的视觉感知，准确检测车位信息，将数据发送给平台，最后发布到停车场诱导系统。
停车场和出入口都安装有车牌识别系统，但车牌不清楚或车辆没有挂牌，系统就无法识别车辆。
采用基于深度学习的车辆特征识别系统，可以识别车辆本身，检测精度达到99%以上，甚至完全取代地磁进行车辆感知，完成抬杆落杆控制。
另外，基于图像的车辆检测，还可以实现出入口视频浓缩存储等附加功能。
2、车辆身份特征识别
“车脸识别”技术能够精确识别车牌、车辆的颜色、类型、品牌年款、车辆里人物、车辆挡风玻璃上的特殊标志以及车辆尾部的特征标志等。
目前，常用的ETC和电子标签技术识别车辆非常可靠，精度比图像识别更高。
但现实中仍存在很多大货车无法用ETC，ETC系统遭到破坏等问题，并且电子标签真正落地还需时间，在这个时间窗口，通过深度学习不仅能够提升车牌识别的准确率，还能实现更多维度的识别，实现车辆身份特征的唯一性识别。
3、车辆比对
（1）套牌分析。
最典型的应用是以图搜图，世界上没有两片相同的树叶，也没有两辆完全一样的车，基于视图大数据的以图搜图功能，可以在海量图片里找到一辆特定的车，无论车辆有没有号牌。
车辆比对能实现套牌车分析，计算机可以通过两个车牌是完全一样的车，进行车型比对和车辆特征比对来鉴定是否是套牌车。
（2）收费结算。
车辆比对另外一个应用场景是收费结算，目前车牌识别用在停车场收费中，还存在一些遗留问题，如无牌、污牌和套牌车，必须依赖人工参与。
车脸识别可以构建车辆多层多维度的特征，然后通过特征比对判断是否是同一辆车。
4、交通视频分析应用
（1）交通事故及事件检测。
基于连续视频可以分析车辆的行为，检测如停车、逆行等行为，发现交通事故和交通拥堵进行报警。
借助深度学习技术，实现真正准确的交通事件检测系统，为交通运营部门提供准确及时的报警信息。
（2）车辆违章抓拍。
由于计算机视觉技术的快速进步，违章抓拍在我国应用非常广泛，而且利用视频检测实现的非现场执法的种类越来越多，甚至开车接打都能够识别抓拍。
5、无人驾驶和汽车辅助驾驶
图像识别无是人驾驶和汽车辅助驾驶中非常重要的技术，通过识别前方车辆、行人、障碍物、道路以及交通信号灯和交通标识等实现无人驾驶和汽车辅助驾驶。
图像识别技术的应用给人类带来前所未有的出行体验，重塑交通体系，构建真正的智能交通时代。
计算机视觉技术在近5年取得的成就远远超越了之前20年，这得益于深度学习技术带来的巨大进步。
计算机视觉的广泛应用，大大提升智能交通系统的感知精度与维度，让智能交通系统更加智慧。
通过深度学习技术，未来能够让移动支付在智能交通系统中快速落地，让无人驾驶的美好梦想变成现实，从而给全人类带来更加安全、便捷、舒适的出行体验。
五、智慧交通市场分析
全球交通基础设施建设呈增长趋势。
据前瞻研究统计，2017年全球交通运输行业总收入为4.8万亿美元，占全球GDP的6%。
与此同时，交通运输行业基础设施投资也在逐年增加，PwC预测，从2014年至2025年，全球交通运输行业基础设施投资将以平均每年约5％的速度增长。
2025年全球交通基础设施支出水平
资料来源：
前瞻研究
国智慧交通市场巨大。
2018年前瞻产业研究院发布的《智慧城市建设行业发展趋势与投资决策支持报告》显示，全国100%的副省级城市、89%的地级以上城市、49%的县级城市已经开展智慧城市建设，累计参与的地市级城市数量达到300余个，规划投资达到3万亿元，建设投资达到6000亿元。
根据招商公路（001965）2018年年报统计，截至2018年底，国高速公路机电及智慧城市建设市场亿级以上项目有40余个，千万级以上项目达200余个，亿级融资行为时有发生。
同时，BAT等互联网公司借助其强大的技术力量强势介入智能车辆、智慧公路行业，例如千方科技（002373）主要从事智慧交通和智能安防业务，阿里入股千方科技，助力其在智慧交通的进一步研究，各省信息平台公司也纷纷谋求快速发展，智慧交通市场的竞争也将进一步加剧。
六、计算机视觉市场分析
视觉技术实现突破，视觉人工智能产业发展迅速。
视觉人工智能产业由技术驱动，而技术的核心在于数据、算力和算法三个方面。
21世纪，随着互联网浪潮兴起，数据储量急剧增加，而深度学习算法的出现恰好能够将数据集归纳出逻辑，实现精准的物体识别和场景识别。
GPU和AI专用芯片的出现突破了传统CPU的算力瓶颈，数据运算速度和处理规模爆发性增长，从而为大数据的分析提供硬件上的支撑。
在数据、算力、算法并行驱动下，世界视觉人工智能产业得以迅速发展。
中国视觉人工智能行业市场规模及预测（2016年-2020年）
资料来源：
中商产业研究院数据库
国视觉技术先进，市场规模增长迅速。
目前国视觉人工智能相关算法已达到国际先进水平，成为人工智能领域最火热的细分领域，相关技术广泛应用在智能手机、智能驾驶、IoT等相关场景。
视觉人工智能商业落地场景广阔，能够有效解决应用行业的痛点。
根据中商产业研究院数据，2017年中国视觉人工智能市场规模达到41亿元，较2016年增长259.6%。
随着视觉人工智能技术的逐渐成熟及应用领域的逐步扩大，预计2020年中国视觉人工智能市场规模将进一步扩大，达到755.5亿元。
七、行业竞争力分析
根据《国民经济行业分类》（GB/T4754-2017），发行人所属行业为“I65软件和信息技术服务业”中的“I6513应用软件开发”。
根据中国证监会颁布的《上市公司行业分类指引》（2012年修订），发行人所属行业为“信息传输、软件和信息技术服务业－软件和信息技术服务业”，行业代码为“I65”。
1、供应商的议价能力
计算机视觉技术研发属于最上游的环节，从事计算机视觉技术研发的公司主要成本有研发人员的薪酬和将技术转化成产品的支出。
面对当前互联网产业的蓬勃发展，计算机相关领域人才需求旺盛，高精尖人才更是各大互联网科技公司争抢的对象，根据国家统计局于2019年5月14日公布的2018年全国平均工资数据显示，软件和信息技术服务业、金融业、科学研究和技术服务业三个行业占据薪酬前三甲，平均工资突破12万，其息传输、软件和信息技术服务业人员平均工资突破14万元，占据各行业平均工资水平的首位，所以该行业研发人员工资支出较大，公司的议价能力较差，特别是高精尖IT人才的薪酬支出更多。
资料来源：
国家统计局官网
计算机视觉公司在将研发转化成产品时，需要将一部分工作交由外包服务公司完成。
我国软件外包与服务行业处于成长期，行业企业众多，企业数量不断增加，据立木信息咨询发布的《中国软件外包服务行业评估与投资战略报告（2019版）》显示目前我国从业企业达到4.2万家，市场化程度较高，市场集中度较低，发包商的议价能力较强。
2、购买者的议价能力
深度摄像、人工智能、虚拟现实技术有机结合，可广泛应用在智能手机、智能汽车、智能安防、智能家居、金融等日常生活领域，将给消费者带来全新的用户体验，提高生产和生活效率。
深度摄像拥有广阔的市场空间，根据中国产业发展研究院预计，2021年全球围深度摄像头市场规模有望达到78.9亿美元，较2017年的22亿美元增长262.73%。
资料来源：
中国产业发展研究院
在十九大报告提出交通强国战略，强调进一步推动智能收费和加快智慧基础设施建设，意味着在今后一段时期，智慧交通建设将是我国交通建设的重点任务。
根据国家统计局2019年8月13日发布新中国成立70周年经济社会发展成就报告显示，2018年末，全国公路总里程达485万公里，高速公路总里程14.3万公里，总里程居世界第一位。
面对世界第一的总里程，智慧交通建设将带动各个产业的发展，甚至会因此产生新的产业。
在智慧交通建设中，计算机视觉应用是最关键的技术，但由于计算机视觉技术研究需要一定的技术门槛，国外研发机构并不多，专注于智慧交通领域的企业更是少之又少，所以在智慧交通领域购买者的议价能力较弱。
3、产品可替代性分析
传统计算机视觉。
一是深度学习往往需要大量数据才能达到预期效果，有时并不具备大量数据，而传统计算机视觉并不需要大量数据。
二是深度学习针对特定的任务偶尔会做过头。
在这些任务中，标准的计算机视觉比起深度学习可以更为高效地解决问题，并且使用更少的代码。
因此传统计算机视觉在一定情境下可以作为深度视觉的替代方案。
激光雷达。
深度摄像头和普通摄像头的区别就是除了能够获取平面图像以外还可以获得拍摄对象的深度信息，也就是三维的位置和尺寸信息，于是整个计算系统就获得了环境和对象的三维立体数据。
同样能够实现求取深度的设备还有广泛使用的激光雷达（RangeFinder），但激光雷达仅在物体表面进行扫描，存在使用成本高，获取信息不完整问题。
深度摄像头获取的深度信息有非常广泛的应用，未来，更可以利用深度摄像头直接生成容，无需其他处理或用电脑生成，但目前深度摄像头的应用仍存在一些问题，最核心的两个方面：
一是测量围；二是应用环境。
深度相机的测量围较小，约在几米围，对应用环境的要求也比较苛刻（主要受环境光影响严重）所以，激光雷达、传统视觉技术仍有一定的生存空间，目前深度相机应用在智慧交通领域监控车辆和行人还存在一些技术难点，但深度摄像技术是计算机视觉的发展方向，技术含量高、成本低、应用围广，具有无可替代的地位。
4、潜在和现有竞争者分析
随着深度学习的不断发展，人工智能在未来几年将会出现井喷式的发展，而计算机视觉作为人工智能最重要的一个分支，众多主营计算机视觉技术的公司纷纷成立，受到资本市场的追捧。
目前国从事计算机视觉技术的公司都有可能抓住智慧交通的风口，争抢由智慧交通建设带来的巨大市场。
在主营计算机视觉公司之外，华为发挥其在信息通信领域方面的优势，结合其在国及海外智慧交通建设实践经验，在信息化建设顶层设计、交通科技创新、科技企业培育、智慧高速解决方案和新产品研发推广，以及5G、大数据、云计算、物联网、新一代人工智能、车路协同、信息安全等多领域与首发集团、交投等开展合作，提升高速公路运营服务能力。
XX与深高速合作，主导人工智能、云计算、IoT及大数据分析应用、区块链技术等相关部分的规划和实施，打造“交通大数据融合及开发应用”、“车辆识别与防逃费应用”、“智慧场站（岗亭）”、“智慧客服（监控与指挥调度平台）”、“智能巡检及道路运行监测”等智能解决方案，加速智慧交通建设进程。
腾讯发挥人才和技术优势与高速公路集团合作，运用视觉技术实现不停车支付、人脸识别等，助力智慧交通建设。
除以上三家BAT公司之外，阿里、宁、美团等国大型BAT公司纷纷进行产业布局，争抢智慧交通市场份额。
但国大型BAT公司更多的是用三维视觉技术为自己的终端产品服务，为智慧交通提供完整的解决方案服务，很少为其他厂商提供配件，因此科创公司仍有很大的生存空间，科创公司可以根据客户需求，提供定制化产品，或为其他厂商提供配件。
根据资料搜集，整理了2018年最受追捧的16家计算机视觉科创公司，如下表：
2018年最受追捧16家计算机视觉公司
序号
公司名称
主营业务
1
图普科技
专注于图像识别整体解决方案
2
诺亦腾科技
在动作捕捉领域具有国际竞争力
3
速感科技
以视觉跟随为核心的智能跟随机器人，面向智能无人机、机器人的系统化操作解决方案
4
商汤科技
基于深度学习的人脸识别、文字识别、人体识别、车辆识别、物体识别、图像处理等技术
5
码隆科技
致力于打造全球领先的视觉决策引擎
6
格林深瞳
自主研发的深瞳技术应用于人和车的检测、跟踪与识别
7
旷视科技
打造领先的人脸识别，图像识别，和深度学习技术服务云平台
8
依图科技
致力于计算机视觉、图像视频智能理解和分布式系统及大数据应用的研究
9
云从科技
专注于计算机视觉与人工智能
10
拍医拍
通过机器视觉交互获取用户的诊疗数据，勾画用户真实有效的“医疗图谱”
11
陌上花科技
提供边看边买API、图像视频容分析API、人脸属性识别API等
12
图漾科技
维深度信息测量的基础性技术研究
13
极视角科技
提供智能监控与视频分析服务
14
Linkface
以在线API和离线SDK的产品形式装载最新人脸技术
15
骏聿科技
人脸识别、目标对象识别和行为识别
16
灏泷智能
车联网“主动安全驾驶”领域
资料来源：
资料整理
综合来看，目前市场上计算机视觉领域的企业，整体的业务容是基于计算机算法的在各个行业里加以智能化的应用，包括人脸识别、智能安防、智慧交通、智慧医疗、智慧城市、广告、视频互娱以及智能硬件等，近年来国家多次推出利于人工智能发展的扶持政策，加上资本市场对于人工智能领域依然活跃，同时5G时代的到来，对于这一领域发展有着多方面的利好，计算机视觉企业将会增多。
同时，面对智慧交通的巨大市场，众多企业将会加快布局，抢占智慧交通市场，但掌握计算机视觉核心技术的企业将会具有绝对优势，另外最早进入智慧领域的公司也将会拥有先入优势。
八、总结
三维视觉是必然趋势。
原来由于技术的限制，普通摄像头获得的平面图像信息对机器理解世界产生了巨大的限制，随着深度学习的发展，出现了以单目结构光、双目视觉、TOF三种技术路线为主的深度摄像头，深度摄像头相比激光雷达、无线定位、超声波等设备在成本和计算方式上具有巨大的优势。
人工智能要借助于计算视觉的发展来获取和识别外界的视觉信息，三维视觉技术的发展使机器以更先进的方式获得三维视觉能力，让机器认识和理解世界产生了飞跃的进步。
今天在机器人导航、自动驾驶、无人机、AR／VR／MR、三维重建、人机互动、智能制造等最热门的领域，深度摄像头是必不可少的基础传感器。
二维到三维视觉的转变是必然趋势，可以预见，未来计算机三维视觉的应用将会更加成熟和普及，利润空间巨大，走在计算机三维视觉研究前列、掌握核心技术的科技公司将会因此受益。
科创公司具有生存空间。
计算机视觉技术具有一定的技术门槛，国能够在该项技术取得成就的公司并不是很多，特别是作为配件供应商的公司更少，大多是科创企业，因为大型科技公司例如苹果、微软、华为、XX等虽拥有三维视觉技术，但它们并不打算做配件供应商，而是为自己的整机服务，这就为科创公司创造了市场空间。
智慧交通成为投资风口。
一方面，当下建设智慧交通是交通强国
升级会员 