机器视觉在中国的发展已有十余个年头。过去十年是机器视觉产业在中国市场发展迅速的十年，经过 时期的普及与推广，机器视觉已逐渐为广大客户所熟知，而且应用范围，也逐渐开始扩大，大规模的应用领域由起初的电子、制药等行业，逐步扩展到包装、印刷等各大领域。


机器视觉的定义：机器视觉就是使用光学非接触式感应设备自动接收并解释真实场景的图像以获得信息控制机器或流程。


在工业生产领域，颜色识别视觉系统很大程度上依靠机器视觉，视觉的灵敏度将直接影响产品的检测速度和检测质量，因此设计一款质量过硬的视觉产品尤为重要，在设计过程中，设计人员会面临视觉定位、测量、检测和识别等诸多难题。


1.打光的稳定性
工业视觉应用一般分成四大类：定位、测量、检测和识别，其中测量对光照的稳定性要求很高，因为光照只要发生10-20%的变化，测量结果将可能偏差出1-2个像素，这不是软件的问题，这是光照变化，导致了图像上边缘位置发生了变化，即使再厉害的软件也解决不了问题，必须从系统设计的角度，排除环境光的干扰，同时要保证主动照明光源的发光稳定性。当然通过硬件相机分辨率的提升也是提高准确度，抗环境干扰的一种办法了。比如之前的相机对应物空间尺寸是1个像素10um，而通过提升分辨率后变成1个像素5um，准确度近似可以认为提升1倍，对环境的干扰自然增强了。


2.工件位置的不一致性
步工作都是要能找到待测目标物。每次待测目标物出现在拍摄视场中时，要能准确知道待测目标物在哪里，即使你使用一些机械夹具等，也不能特别准确保证待测目标物每次都出现在同一位置的，这就需要用到定位功能，如果定位不准确，可能测量工具出现的位置就不准确，测量结果有时会有较大偏差。


3.标定
一般在准确测量时需要做以下几个标定：一，光学畸变标定(如果您不是用的软件镜头，一般都必须标定)；二，投影畸变的标定，也就是因为安装位置误差代表的图像畸变校正，三，物像空间的标定，也就是具体算出每个像素对应物空间的尺寸。


不过目前的标定算法都是基于平面的标定，如果待测量的物理不是平面的，标定就会需要作一些特种算法来处理，通常的标定算法是解决不了的。


此外有些标定，因为不方面使用标定板，也必须设计特殊的标定方法，因此标定不 能通过软件中已有的标定算法全部解决。