新闻中心-深圳机器人

25

2025.07

五年磨一剑，大疆终于官宣ROMO扫地机器人

【导语】电子发烧友网讯，大疆跨界扫地机器人领域终有实质进展。五年传闻后，大疆官宣其扫地机器人品牌“ROMO”将于8月6日正式发布。ROMO以扫拖一体、双目视觉方案为亮点，引发市场关注。在扫地机器人市场竞争激烈、高端化发展的大背景下，大疆依托品牌优势和技术积累，能否以ROMO颠覆现有市场格局，成为业界焦点。作为大疆跨界首秀，ROMO的实际体验和口碑将决定其跨界成败。
25

2025.07

今日科普|视觉机器人三维感知

传统的2D视觉技术，只能提供平面内的形状和纹理信息，而3D视觉感知技术则通过“三维坐标+算法重建”，获取物体的空间特征，解决了传统视觉无法测量体积、表面角度和空间形貌的问题。据法国市场研究与战略咨询公司Yole发布的报告，全球3D视觉感知市场规模预计将在2025年达到172亿美元。这一数字背后，是3D视觉技术在生物识别、消费电子、工业检测、汽车等多个领域的广泛应用。比如，在智能手机上，3D视觉感知
24

2025.07

优必选中标近亿大单，自主换电人形机器人助力行业变革

【导语】7月17日，优必选发布全新工业人形机器人Walker S2，凭借其首创的热插拔自主换电系统，成为全球首个实现自主换电的人形机器人。该技术不仅大幅提升了作业连续性，还降低了人力维护成本，为人形机器人在多领域的规模化应用扫清障碍。优必选作为机器人领域的领军企业，此次创新将进一步巩固其在全球人形机器人市场的领导地位，并加速机器人替代传统人力的进程。
24

2025.07

机器视觉与相机差异探讨

在科技日新月异的今天，机器视觉与相机技术已经成为众多领域的核心驱动力。简单来说，相机是我们日常生活中捕捉图像的工具，它通过镜头捕捉光线并将其转化为数字信号，以供我们查看或存储。而机器视觉，则是人工智能的一个重要分支，它让机器具备“看”的能🍬网址力，通过对图像或视频的分析和理解，实现自动化决策和行
24

2025.07

机器视觉教育现状

近年来，随着人工智能技术的飞速发展，机器视觉作为其核心分支，不仅在工业制造、自动驾驶、医疗影像等领域展现出巨大潜力，也在教育领域逐渐崭露头角。根据最新数据显示，2025年中📀中国国机器视觉市场规模预计突破450亿元，年增速高达28%。这一增长趋势背后，是机器视觉技术在教育领域的广泛应用和深入探
23

2025.07

今日科普|机器人视觉运作原理

机器人视觉，简而言之，是通过光学设备和传感器将现实世界的图像转化为数字信号，再由计算机进行处理与理解的过程。其核心原理主要包括图像采集、处理与识别三个步骤。在图像采集阶段，依赖于高分辨率的摄像头、深度传感器（如激光雷达或ToF相机）以及精密的光源系统。据最新技术进展，2025年的机器人视觉系统已能捕获从可见光到红外的丰富数据。图像处理阶段则通过复杂的算法去除噪声、增强对比度、提取边缘与特征，为后续
23

2025.07

今日科普|机器视觉航天应用探索

在浩瀚的宇宙中，航天器如何“看”清周围的世界，进行精准的观测和探索？答案或许就藏在机器视觉这项前沿技术中。机器视觉，简单来说，就是用摄像头和人工智能算法给机器装上“电子眼”，让它实现甚至超越人眼的功能。据北京航空航天大学宇航学院教授袁丁介绍，科研人员通过运用计算机、传感器等设备与算法模拟人类视觉，使机器能够自动处理分析图像或视频，“看懂”环境并自主决策。这一技术，在航天领域的应用尤为引人注目。机器
23

2025.07

【今日要闻】深度解析：技术创新引领机器人定位与视觉检测新纪元

图5 AMR在特征不明显的走廊中失去视觉测程能力 2.在广阔的开放环境中导航：范围限制：当在大型开放空间（如50 m×50 m的大型仓库）中工作时，AMR难以定位，因为各个独特特征超出了传感器范围（LIDAR的最大范围通常约为10 m到15 m）。如图6所示，由于空间过大，AMR的测程功能无法发挥作用。此外，仓库通常具有统一的特征，因此也给视觉传感器造成困难。在这种情况下，IMU和车轮编码器是精确
23

2025.07

今日科普|机器视觉应用探索

在科技日新月异的今天，机器视觉已成为人工智能领域的一颗璀璨明珠。简单来说，机器视觉就是让机器具备“看”的能力，通过图像和视频识别、分析来理解周围环境并作出相应决策。据市场研究机构IDC预测，到2025年，全球机器视觉市场规模将达到138亿美元，年复合增长率超过14%。这一数据背后，是机器视觉在智能制造、自动驾驶、医疗诊断等多个领域的广泛应用。以智能制造为例，传统的生产线往往依赖人工质检，不仅效率低
22

2025.07

机器视觉图像识别应用

机器视觉图像识别是计算机视觉领域的重要分🔺支，它利用算法和模型让机器“看懂”图像或视频中的内容，并从中提取有意义的信息。这一技术的核心在于图像预处理、特征提取、目标检测与分割以及分类与识别。通过去噪、增强对比度、几何变换等预处理步骤，机器能够更好地分析图像。特征提取则涉及边缘检测、角点检测以及利用卷积神经网络（CNN）自动学习图像特征等方法。在实际应用中，机器视觉图像识别已广泛应用于工业自

- 全球无序抓取市场的领导者