傳統(tǒng)視覺技術(shù)作為計算機視覺的早期核心分支，其發(fā)展歷程清晰呈現(xiàn)出從“規(guī)則驅(qū)動”到“幾何驅(qū)動”的時代轉(zhuǎn)型，這一跨越不僅是技術(shù)方法的革新，更是對視覺感知本質(zhì)的認知深化——規(guī)則驅(qū)動時代以人工設(shè)計的固定規(guī)則為核心，實現(xiàn)簡單場景下的目標檢測與識別；幾何驅(qū)動時代則以計算機幾何、攝影測量原理為基礎(chǔ)，突破了規(guī)則驅(qū)動的場景局限，實現(xiàn)了對目標空間位置、三維形態(tài)的精準感知，為傳統(tǒng)視覺技術(shù)在工業(yè)檢測、機器人導航等領(lǐng)域的深度應用奠定了核心基礎(chǔ)。兩個時代的技術(shù)邏輯、適用場景、核心能力存在本質(zhì)差異，其演進動因與技術(shù)突破共同勾勒出傳統(tǒng)視覺從“平面像素判斷”到“空間幾何感知”的發(fā)展路徑，具體可從規(guī)則驅(qū)動時代的技術(shù)特征與局限、幾何驅(qū)動時代的核心突破與技術(shù)體系、演進動因及行業(yè)影響四個維度展開詳細解析。規(guī)則驅(qū)動時代是傳統(tǒng)視覺的起步階段，其核心邏輯是通過人工設(shè)計的固定規(guī)則，對圖像的像素灰度、邊緣、紋理等簡單特征進行閾值判斷與模板匹配，實現(xiàn)對特定目標的檢測與識別。這一時代的技術(shù)核心是“人工定義特征+固定閾值判斷”，無需復雜的數(shù)學模型與算力支撐，僅通過簡單的算法邏輯即可完成視覺任務。例如，在工業(yè)場景的零件尺寸檢測中，規(guī)則驅(qū)動的視覺系統(tǒng)會通過人工設(shè)定灰度閾值，將圖像轉(zhuǎn)化為黑白二值圖像，再通過邊緣檢測算子（如Sobel算子、Canny算子）提取零件的邊緣輪廓，最后通過預設(shè)的尺寸閾值判斷零件是否合格；在簡單的字符識別場景中，系統(tǒng)會預先存儲標準字符的模板，通過模板匹配規(guī)則對比輸入圖像中的字符與標準模板的相似度，完成識別任務。規(guī)則驅(qū)動時代的技術(shù)優(yōu)勢在于結(jié)構(gòu)簡單、運算效率高、部署成本低，適用于目標形態(tài)固定、光照環(huán)境穩(wěn)定、背景單一的場景，在早期工業(yè)自動化的簡單工位檢測、門禁系統(tǒng)的固定標識識別等領(lǐng)域得到了廣泛應用。但隨著應用場景的復雜化，規(guī)則驅(qū)動的固有局限逐漸凸顯：一是泛化能力極差，人工設(shè)計的規(guī)則具有極強的場景依賴性，一旦場景發(fā)生微小變化（如光照強度改變、目標姿態(tài)偏移、背景出現(xiàn)干擾），固定規(guī)則就會失效，例如原本適用于明亮環(huán)境的灰度閾值，在低光照環(huán)境下會因圖像整體灰度降低而無法有效提取目標邊緣；二是檢測維度單一，規(guī)則驅(qū)動僅能處理圖像的二維平面特征，無法感知目標的三維空間信息，對于需要判斷目標深度、立體形態(tài)的場景（如零件的三維缺陷檢測、機器人抓取的目標定位）無能為力；三是特征表達能力薄弱，人工設(shè)計的規(guī)則僅能捕捉目標的簡單特征（如灰度、邊緣），無法應對復雜紋理、不規(guī)則形態(tài)的目標，例如對于表面存在復雜紋飾的零件，規(guī)則驅(qū)動的系統(tǒng)無法通過簡單的邊緣規(guī)則完成檢測。規(guī)則驅(qū)動時代的技術(shù)局限，使得傳統(tǒng)視覺技術(shù)難以滿足復雜場景下的精準感知需求，推動了其向幾何驅(qū)動時代的轉(zhuǎn)型。幾何驅(qū)動時代是傳統(tǒng)視覺的成熟階段，其核心邏輯是引入計算機幾何、攝影測量、相機標定等數(shù)學與工程原理，通過建立圖像像素與三維空間點的映射關(guān)系，實現(xiàn)對目標空間位置、三維形態(tài)的精準感知，核心是從“平面像素分析”升級為“空間幾何建?！?。這一時代的技術(shù)突破在于構(gòu)建了“圖像-相機-空間”的三維映射體系，通過相機標定獲取相機內(nèi)參（焦距、主點、畸變系數(shù)）與外參（相機在世界坐標系中的位置與姿態(tài)），建立像素坐標與世界坐標的幾何轉(zhuǎn)換模型，從而實現(xiàn)對目標三維信息的恢復。