计算机与机器视觉理论算法与实践

① 机器视觉与计算机视觉的区别是什么

1、学科：

机器视觉作为一门系统工程"学科"，有别于计算机视觉，是计算机科学基础的一种形式。

计算机视觉属于计算机"科学"，涉及到从图像中提取信息的人工系统背后的理论,她跨学科。

2、领域：

机器视觉是计算机视觉在工厂自动化中的应用，传统的机器视觉主要应用于工业领域，计算机视觉不限于工业领域。

从狭义的视觉系统角度出发，计算机视觉属于机器视觉系统的一部分。

3、信息处理程度：

机器视觉主要是提取信息，计算机视觉提取并理解信息（定义区分）。

4、软硬件

机器视觉系统中一定包含硬件。

计算机视觉系统中不一定包含硬件，偏算法。

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，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。

作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所 指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提 取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。

② 如何学习机器视觉

这个感觉是从论坛上大家所问的问题得出来的。因为。在论坛中看到不少朋友所问的问题，是相当可笑的。说可笑并非指所提问题过于简单幼稚，而是所问的问题一看就是从书本上抄来的，而不是在实际情况下所遇到的。换句话说，论坛中的朋友大多只是在纸上谈兵，极少有人真正自已动手开发视觉系统。这样说是因为自己搞开发的人绝对问不出某些奇怪问题来的。往深了说一点，好象国内的朋友们只喜欢啃书本，并不愿意(也可能是懒得)动手。 一句话，国外机器视觉发展到今天，已经可以清清楚楚分为三个部分： 1，底层开发部分。 2，二次开发部分。 3，最终使用部分。于是在国外，从事这一行业的人现在也就可以简单而清楚地分成三种人： 1，底层开发的人(从事底层开发工作的人)。 2，二次开发的人(从事二次开工作的人)。 3，使用及操作机器视觉系统的人(从事最终使用工作的人)。 第一类人。就是我们常说的，开发通用视觉系统(如：DVT，西门子，欧姆龙，EVISION，COGNEX等等)的开发人员，也就是DVT，COGNEX这些公司开发部的技术职工。 第二类。就是大家所说的OEM用户。是专门用第一类人所开发出的系统，给第三类人搞二次开发，开发各种专为第三类人所用的系统。 第三类人，就是用户(end user)。这类人是真正将机器视觉系统应用到各个领域中的人，他们不仅在各自的行业中使用种种已经开发成型的机器视觉系统。而且负责对各类系统进行测试及评估。 举个实际例子，这里有不少朋友问过这类问题：如何检测某一工件；检测光盘表面的系统该如何配置CCD相机、镜头及灯源等。问这些问题的朋友应该算是第三类人。他们公司要他们寻找一个系统可以用来检测本公司的产品。但由于第一类人所开发的，只是通用的系统以及视觉系统开发工具的软件包。并没有哪家公司专门开发一套系统来检测光盘或是某种特定的工件。所以，这些朋友就应该来找我，因为我是第二类人。 我的工作就是，专门用DVT，EVISION，COGNEX等的视觉卡，以及视觉系统开发工具软件包为他们专门开发一套他们所需要的光盘检测系统或是工件检测系统。 绕了老大一圈，其实要说的问题就是一个----我所发现的问题：这里80%以上朋友把自己的身分混淆了，越俎代庖。 不客气的说，目前国内搞这行的朋友似乎都有些好高骛远。不少从事第二部分工作朋友(搞二次开发的第二类人)对于机器视觉有关知识的了解，尚不如国外第三类人的知识水平(我是从大家所问的问题感觉到的)。而国内第三类朋友知识水平就更可想而知。 可是奇怪的是，每个人所问的却都是第二类人要问的，有些甚至是一类人才会问的问题。好象，机器视觉是个十分简单的技术，凭大家随便问几个“关键性”的问题，再由所谓的“专家”三言两语的回答一下。大家就一夜之间都可以自己搞底层开发，成第一类人了。 要成为第一类人，又分硬件及软件两种。要对自己所负责的这个模块非常了解，搞软件要知道算法及运行速度；搞硬件要明白公司所选用芯片的特点等等。同时还要清楚对手公司的优缺点以及机器视觉这一行的种种动态和最新技术。 总结一下。这三种人相比，第一类人一定要专业，对机器视觉的某一领域非常非常了解；第二类人虽比不上第一类人那么专业，但更加全面；第三类人更熟悉各个应用系统开发公司(第二类人)的优缺点。 现在大家可以看得出，机器视觉发展到今天，其分工已经越来越细，每个部分的工作其实是很难相互取代的。大家不要以为第三类人就比第一类人低一等，这是一个错误的等级概念。我本人过去曾属于第一类人，现在作的是第二类工作。而我的几个“师弟师妹”(当初曾一起作第一类人时的同事)现在就在干第三类工作。大家别小看第三类工作，以为这是小儿科，你能真作好这一行也不是很容易。毕竟这也是一门行当也是一个饭碗！另外，以我个人来看：以国内现在机器视觉的水平，对于那些想作第一类人的朋友我在这里劝一句：还是算了吧。 国内的机器视觉水平打根子上就差，您还打算搞底层？算法本身都是抄人家的，就只能和对手拼程序的写法了。不过我觉得那更没戏。 这样说我绝没有看不起初学者的意思。我说过：所问的问题再简单，我都不会笑话你。对于每样事物我们都是从无知开始的。但是，对于那些极不实际的好高骛远的问题，我还是要说，希望大家踏实下来，戒浮躁，从最基本地学起----先确定自己的身份。

③ 机器视觉新手应该如何学习

机器视觉新手的学习方法：
1、机器视觉涵盖的方向非常广泛，学习机器视觉之前应该明白自己以后想从事的方向，然后针对不同岗位对岗位职责的要求进行学习补充。
2、了解机器视觉的基本概念，因为从大范围大环境下去了解会非常利于对其他零散知识的整合，也更容易接纳。
3、确定好自己在机器视觉领域的从业方向后，可以分为硬件或软件方向等确认学习目标。
4、知道自己学习的方向后需要了解如何使用操作。
机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉
器视觉系统就是利用机器代替人眼来作各种测量和判断。它是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展一个完整的机器视觉系统的主要工作过程如下：1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。2、图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。5、另一个启动脉冲打开灯光照明，灯光的开启时间应该与摄像机的曝光时间匹配。6、摄像机曝光后，正式开始一帧图像的扫描和输出。7、图像采集部分接收模拟视频信号通过A/D将其数字化，或者是直接接收摄像机数字化后的数字视频数据。8、图像采集部分将数字图像存放在处理器或计算机的内存中。9、处理器对图像进行处理、分析、识别，获得测量结果或逻辑控制值。10、处理结果控制流水线的动作、进行定位、纠正运动的误差等。 从上述的工作流程可以看出，机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体导制等，对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。（良） 清楚了以上机器视觉的原理和过程之后，我建议： 1）人类和动物视觉系统的原理 2）摄像机技术与原理 3）图像识别和处理技术 4）计算机技术5）人工智能

④ 电子信息类专业解读：人工智能

一、人工智能专业是什么？

人工智能专业是研究使用计算机来模拟人类的思维过程和智能行为，辅助或替代人类完成复杂工作的专业。研究范畴包括计算机视觉、自然语言理解、机器人、图像识别、神经网络、机器学习等，应用领域涉及自动驾驶、智能家居、智慧医疗、智慧农业、智能物流、人脸识别、安防监控、智慧城市、新媒体、 游戏 、教育、交通调度、危险情景操作等。

人工智能专业属于电子信息类专业，基本修业年限为四年，可授工学学士学位。该专业旨在培养具有坚实的数学、神经生理学、计算机等多学科交叉知识，熟悉人工智能的基础理论、基础知识和基本技能，掌握信息科学、认知科学、数字图像处理、模式识别、机器学习、自然语言处理等领域的知识体系与技能，了解人工智能产业及前沿领域的未来发展需求，具备研究、开发用于模拟人类智慧领域的应用系统的能力，毕业后能在智能机器人、智能装备、智能制造等领域从事与人工智能系统研发与集成、运营维护、管理等相关工作的工程技术人才。

二、人工智能专业学什么？

示例一（南京工业大学）：离散数学、数据结构与算法、统计学基础、信息检索与数据挖掘、面向对象程序设计、信号与系统、python程序设计、自然语言处理、机器学习与模式识别、神经网络与深度学习、计算机视觉、医学图像分析、认知科学与类脑计算、智慧气象、Python及其应用实践、人工智能实践等。

示例二（上海应用技术大学）：计算机导论、程序设计基础、离散数学、计算机组成与系统、Python语言、操作系统、计算机网络、数据结构、数据库原理及应用、JAVA及应用开发、人工智能导论、模式识别与机器学习、大数据与数据挖掘、机器视觉及应用、深度学习及应用、脑科学及算法设计、语音识别与自然语言处理、智能感知技术、自动驾驶技术及应用、V2X技术与应用、智能家居系统

示例三（宁波工程学院）：高等数学、大学物理、工程伦理、程序设计、数据结构、信号与系统、计算机组成与体系结构、认知科学、知识工程、机器学习、自然语言处理、计算机视觉与模式识别、强化学习与自然计算等。

示例四（辽宁石油化工大学）：程序设计基础、离散数学、数据结构、操作系统、数据库原理、计算机网络、神经网络与深度学习、数字信号处理、Python程序设计、模式识别、算法设计与分析、自然语言处理、计算机视觉、边缘计算等。

示例五（沈阳大学）：机器学习、知识表示与处理、模式识别与计算机视觉、自然语言处理、神经网络与深度学习、智能信息处理、智能机器人、人工智能开发与应用等。

示例六（江南大学）：数学分析、高等代数、程序设计、离散数学、计算机组成原理、数据结构、操作系统、计算机网络、概率论与数理统计、数据库系统原理、软件工程、人工智能导论、机器学习、模式识别、计算机视觉、计算机图形学、自然语言处理、最优化理论与方法、算法设计与分析、数据可视化、机器人与自主系统等。

示例七（西安工业大学）：人工智能导论、模式识别、计算结构与算法应用、机器人概论、机器学习、信号与系统、微机原理与系统设计、深度学习、自然语言处理、智能控制、嵌入式智能信息处理、图像处理与机器视觉、python编程基础、人工智能技术及其军事应用、智能化无人作战系统、认知雷达导论、智能目标识别与分类等。

示例八（西安邮电大学）：人工智能专业导论、机器学习基础、数据挖掘与智能分析、最优化理论与方法、计算智能及应用、算法设计与分析、深度学习及应用、模式识别原理与应用、计算机视觉、人工智能程序设计I(Python)、图像与视频处理、公共安全数据处理技术。

示例九（沈阳建筑大学）：程序设计基础、离散数学、人工智能导论、数据结构与算法分析、Python编程与数据分析、机器学习与模式识别、计算机视觉、智能优化技术、智能控制理论、大数据与建筑应用、物联网技术等。

示例十（辽宁 科技 学院）：数据结构与算法、人工智能专业认知、Python程序设计、知识表示与推理、数据库原理及应用、计算机网络、模式识别理论与应用、智能机器人、自然语言处理、机器学习、神经网络与深度学习、数字图像处理、知识图谱、计算机图形学与人机交互、机器人工程、信息检索与数据挖掘、人工智能前沿技术讲座和社交网络分析。

示例十一（吉林大学）：人工智能导论、神经科学导论、人工智能原理、 人工智能伦理、认知心理学、机器学习与模式识别、深度学习、 计算机视觉、自然语言处理、智能机器人等。

示例十二（广州大学）：C++程序设计、概率论与数理统计、离散数学、人工智能程序设计、数据结构、计算机系统基础，操作系统、数据库原理、人工智能原理、机器学习、模式识别、自然语言处理。

示例十三（桂林电子 科技 大学）：程序设计与问题求解、线性代数及应用、概率论及数理统计、电路与电子技术基础、计算机组成原理、信息论、信号与系统、数字图像处理、人工智能学科概论、人工智能数学基础、机器人学概论、人工智能专业导论、大数据技术原理与应用、自然语言处理、计算机视觉、机器学习、模式识别现代控制理论等。

三、人工智能专业干什么？

人工智能专业学生毕业后，能在人工智能、公共安全、信息通信、生物医药、医疗、金融、交通、物流、气象、教育等领域从事智能模型研究、算法分析与设计、数据分析与数据挖掘、智能搜索、自然语音处理、语音识别、语言与图像理解、计算机视觉与模式识别、自动驾驶研发与测试、智能机器人研发、人工智能运维等方面的工作，也可在高校或科研院所从事教学科研工作，也可报考人工智能、模式识别与智能系统、控制科学与工程、生物医学工程、计算机应用技术、应用统计学、信号与信息处理等学科的研究生继续深造。

⑤ 机器视觉和计算机视觉的区别与关系

研祥慧视机器视觉是目前国内最先进的液晶面板质量检测智能设备,广泛用于LCD模组、平板电视、平板电脑灯产品屏幕缺陷检测,代替人工检测,大幅度降低人力成本,提高检测效率。计算机视觉与机器视觉还是有区别的 计算机视觉主要是在计算机上完成分析,比较偏理论 机器视觉可以有嵌入式、DSP完成。

⑥ 计算机视觉与机器视觉的区别

1、定义不同

计算机视觉：计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，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。

机器视觉：机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，

得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

2、原理不同

计算机视觉：计算机视觉就是用各种成象系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。要经过长期的努力才能达到的目标。

因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。例如，计算机视觉的一个重要应用领域就是自主车辆的视觉导航，还没有条件实现象人那样能识别和理解任何环境，完成自主导航的系统。

因此，人们努力的研究目标是实现在高速公路上具有道路跟踪能力，可避免与前方车辆碰撞的视觉辅助驾驶系统。这里要指出的一点是在计算机视觉系统中计算机起代替人脑的作用，但并不意味着计算机必须按人类视觉的方法完成视觉信息的处理。

计算机视觉可以而且应该根据计算机系统的特点来进行视觉信息的处理。但是，人类视觉系统是迄今为止，人们所知道的功能最强大和完善的视觉系统。如在以下的章节中会看到的那样，对人类视觉处理机制的研究将给计算机视觉的研究提供启发和指导。

因此，用计算机信息处理的方法研究人类视觉的机理，建立人类视觉的计算理论，也是一个非常重要和信人感兴趣的研究领域。这方面的研究被称为计算视觉（Computational Vision）。计算视觉可被认为是计算机视觉中的一个研究领域。

机器视觉：机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，

图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。

3、应用不同

计算机视觉：人类正在进入信息时代，计算机将越来越广泛地进入几乎所有领域。一方面是更多未经计算机专业训练的人也需要应用计算机，而另一方面是计算机的功能越来越强，使用方法越来越复杂。

这就使人在进行交谈和通讯时的灵活性与在使用计算机时所要求的严格和死板之间产生了尖锐的矛盾。人可通过视觉和听觉，语言与外界交换信息，并且可用不同的方式表示相同的含义，而计算机却要求严格按照各种程序语言来编写程序，只有这样计算机才能运行。

为使更多的人能使用复杂的计算机，必须改变过去的那种让人来适应计算机，来死记硬背计算机的使用规则的情况。而是反过来让计算机来适应人的习惯和要求，

以人所习惯的方式与人进行信息交换，也就是让计算机具有视觉、听觉和说话等能力。这时计算机必须具有逻辑推理和决策的能力。具有上述能力的计算机就是智能计算机。

机器视觉：在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路：各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；

辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。SMT表面贴装：SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等；

再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。

除此之外，机器视觉还用于其他各个领域。

⑦ 计算机cv方向是什么

计算机视觉（Computer Vision）是指用计算机实现人的视觉功能——对客观世界的三维场景的感知、识别和理解。

这意味着计算机视觉技术的研究目标是使计算机具有通过二维图像认知三维环境信息的能力。因此不仅需要使机器能感知三维环境中物体的几何信息（形状、位置、姿态、运动等）而且能对它们进行描述、存储、识别与理解。可以认为，计算机视觉与研究人类或动物的视觉是不同的：它借助于几何、物理和学习技术来构筑模型，用统计的方法来处理数据。

人工智能的完整闭环包括感知、认知、推理再反馈到感知的过程，其中视觉在我们的感知系统中占据大部分的感知过程。所以研究视觉是研究计算机的感知重要的一步。

2发展的几个重要节点

视觉研究的开端-Hubel和Wiesel关于大脑视皮层细脑感受野的论述

感受野-（一个感觉神经元的感受野是指这个位置里适当的刺激能够引起该神经元反应的区域。感受野一词主要是指听觉系统、本体感觉系统和视觉系统中神经元的一些性质。）

1959年，Hubel和Wiesel猫实验的故事，把微电极埋进猫的视皮质细胞，之后在屏幕上打出一些光影和图形。通过固定猫的头部来控制视网膜上的成像，并测试细胞对线条、直角、边缘线等图形的反应。Hubel和Wiesel告诉我们视觉识别应该从简单的形状开始。

对于看到鱼和老鼠投像的猫来说，视觉处理的前期并不是对整体的鱼或者老鼠进行处理，视觉处理流程的第一步是对简单的形状的结构处理、边缘排列。只有当图片切换时的反应激烈。

二维到三维- Roberts积木世界让计算机理解三维场景

20世纪50年代主要分析二维图像，而Lary Roberts 1963年写的论文《block world》（积木世界），运用计算机程序，试图从图像中阐释出诸如立方体等多面体的这些边缘和形状。它根据线画图来理解由多面体构成的景物，并对物体形状物体的空间关系进行描述。

学科的诞生

计算机视觉真正的诞生时间是在1966年，MIT人工智能实验室成立了计算机视觉学科，标志着CV成为一门人工智能领域中的可研究的学科，同时历史的发展也证明了CV是人工智能领域中增长最快的一个学科。

视觉理论：视觉是分层的

20世纪80年代初，MIT人工智能实验室的David Marr出版了一本书《视觉》（全名《Vision： A Computational Investigation into the Human Representation and Processing of Visual Information》），他提出了一个观点：视觉是分层的。

他认为视觉是个信息处理任务，应该从三个层次来研究和理解，即计算理论、算法、实现算法的机制或硬件。

一、信息处理的计算理论，在这个层次研究的是对什么信息进行计算和为什么要进行这些计算。

二、算法，在这个层次研究的是如何进行所要求的计算，即设计特定的算法

三、实现算法的机制或硬件，在这个层次上研究完成某一特定算法的计算机构。

例如根据 Fourier 分析理论，任意连续函数可用它的 Fourier 频谱来表示，因此 Fourier 变换是属于第一层的理论，而计算Fourier 变换的算法是属于第二个层次的，至于实现快速，Fourier算法的阵列处理机就属于第三层次。

视觉理论使人们对视觉信息的研究有了明确的内容和较完整的基本体系，仍被看做是研究的主流；

3计算机视觉是一门交叉学科

计算机视觉技术是一种典型的交叉学科研究领域，包含了生物、心理，物理，工程，数学，计算机科学等领域，存在与其他许多学科或研究方向之间相互渗透、相互支撑的关系。在概念的理解中我们常常听到AI、图像处理、模式识别、机器视觉等词语，那么他们和计算机视觉之间是怎样的关系呢？

（图片来自网络）

计算机视觉与人工智能
人工智能技术主要研究智能系统的设计和有关智能的计算理论与方法。 人工智能可被分为三个阶段感知 、认知和动作执行。计算机视觉常被视为A I的一分支 。

计算机视觉与图像处理
图像处理中，人是最终的解释者；计算机视觉中，计算机是图像的解释者。图像处理算法在机器视觉系统的早期阶段起着很大的作用，它们通常被用来增强特定信息并抑制噪声。计算机视觉系统必须有图像处理模块存在。

（图片来自wikipedia）

计算机视觉与模式识别
模式识别是根据从图像中抽取的统计特性或结构信息，把图像分为设定的类别。图像模式的分类是计算机视觉中的一个重要问题。模式识别中的许多方法可以应用于计算机视觉中。

计算机视觉与机器视觉
计算机视觉技术的研究目标是使计算机具有通过一幅或多幅图像认知周围环境的能力（包括对客观世界三维环境的感知 、识别与理解）。 这意味着计算机不仅要模拟人眼的功能，而且更重要的是使计算机完成人眼所不能胜任的工作。而机器视觉则是建立在计算机视觉理论基础之上，偏重于计算机视觉技术的工程化，能够自动获取和分析特定的图像，以控制相应的行为。与计算机视觉所研究的视觉模式识别、视觉理解等内容不同，机器视觉技术重点在于感知环境中物体的形状、位置 、姿态 、运动等几何信息 。两者基本理论框架、底层理论、算法相似，只是研究的最终目的不同。所以实际中并不加以严格划分，对于工业应用常使用“机器视觉” ，而一般情况下则常用“计算机视觉“。（部分选自《基于 OpenCV 的计算机视觉技术实现》）

⑧ 机器人工程这个专业到底怎么样就业前景如何可以考研吗

您好，机器人工程专业是一个很不错的工科学位下的自动化类专业，拥有不错的就业前景，考研也有很多的选择和很好的发展，以下是关于以上问题的具体分析和数据调查希望能对你有所帮助。

首先机器人专业是一门比较典型的交叉学科，它属于自动化类，设计到了关于控制学，材料学，自动化以及计算机等多门学科内容，具有比较强的专业性，因而此专业整体的知识量和学习难度属于比较大的学科，及要求学习者拥有扎实的数理基础，同时也需要在实验和实践能力上有比较强的执行力，所以总结该专业是一门学习难度较大但学习面广，对综合素质要求高的工科专业。