在基本術語中，機器人視覺涉及使用相機硬件和計算機算法的結合，讓機器人處理來自現實世界的視覺數據。例如，您的系統可以使一個二維攝像頭，檢測到機器將拿起來的一個對象物。更復雜的例子可能是使用一個3D立體相機來引導機器人將車輪安裝到一個以移動中的車輛上。

　　如果沒有機器視覺，你的機器人基本上是個瞎子。對一些機器人任務來說，這也許不是一個問題。但對于某些應用來說，機器人視覺是有幫助的，甚至是必不可少的

　　機器人視覺(Robot Vision)的“族譜”

　　機器人視覺與機器視覺密切相關，機器視覺我們稍后再介紹。他們兩個又都與計算機視覺密切相關。如果他們談論的是一個“族譜”，計算機視覺可以看作是他們的 “父母”。然而，為了詳細的了解他們在整個系統中的位置，我們要更進一步介紹他們的“祖父母”-信號處理。

　　信號處理(SignalProcessing)

　　信號處理包括處理電子信號，或是清理(例如：除噪)，提取信息，為輸出到顯示端的前置預處理，或者為他們的進一步處理做準備的預處理。任何東西都可以是一個信號，或多或少。有各種類型的信號可以被處理，例如：模擬信號，數字信號，頻率信號等等。圖像基本上只是二維(或更多維)的信號。對于機器人視覺，我們感興趣的是針對圖像的處理。所以，我們在討論圖像處理，對嗎？不對。

　　圖像處理與計算機視覺(ImageProcessing vs Computer Vision)

　　計算機視覺和圖像處理就像堂兄妹，但他們有著很不同的目標。圖像處理技術主要是用來提高圖像的質量，將其轉換成另外一種格式(如直方圖)或改變它以進一步處理。另一方面，計算機視覺更側重于從圖像中提取信息，以感知它們。因此，您可能會使用圖像處理將彩色圖像轉換為灰度圖像，然后用計算機視覺檢測圖像中的對象。如果我們再進一步往上看這個“族譜”，我們看到，這兩個領域都受物理領域很大的影響特別是光學。

　　到目前為止，情況還這么簡單。當我們將圖形識別或更廣泛的機器學習加入到“族譜”當中的時候，情況就開始變得有些復雜。這個分支專注于識別數據中的圖形，對于需要機器人視覺的旭東更先進的功能來說這是相當重要的。例如，為了能夠從它的圖像中識別一個對象，該軟件必須能夠監測到它所看到的對象是不是之前看到過的對象。因此，機器學習是計算機視覺除信號處理之外的另外一個母體。

　　然而，并不是所有的計算機視覺技術都需要機器學習。你也可以使用信號，而不是圖像進行機器學習，然后將其作為一個Input輸入到機器學習算法。例如。計算機視覺檢測到傳送帶上的零件大小和顏色，然后機器學習根據它從正常的良品看起來應該是什么樣子學到的知識，來判定這些零件是不是不良品。

　　機器視覺(MachineVision)

　　現在我們談到機器視覺，一切都將改變。這是因為機器視覺完全不同于之前談到的術語。它更側重于特定的應用，而不僅僅是關注技術的部分。機器視覺是指工業用途的視覺來進行自動檢測、過程控制和機器人導引。“族譜”的其余部分是科學領域，而機器視覺是一個工程領域。

　　某種程度上來說，你可以認為機器視覺是計算機視覺的孩子，因為它使用計算機視覺和圖像處理的技術和算法。但是，雖然它可以用來指導機器人的，他又不完全是機器人視覺。