视觉在人类观察和认知世界的过程中扮演极其重要的角色，据统计，人类获取外界信息75%依靠视觉系统，而在行业检测方面机器视觉的应用也不容小觑。得益于电子制造、智能装备等行业的发展，机器视觉的需求日渐提升，未来五年机器视觉市场将以接近16%的增速持续增长。

        机器视觉可以代替人眼对目标进行识别、跟踪测量和检验以及机器人导航等方面的工作。但是对于不同用户的非专业性、模糊性需求，硬件的选择以及软件的复杂性等多种因素的困扰，如何组建一个成功的机器视觉系统就显得尤为重要。那么，机器视觉系统的难点有哪些？以下总结了五点。

        打光的稳定性

        工业视觉应用一般分为四类：定位、测量、检测及识别，其中测量对光照的稳定性要求较高，因为光照只要发生10-20%的变化，测量结果就可能偏差出1-2个像素。而光照变化导致的图像上边缘位置发生的变化，即使再厉害的软件也解决不了这个问题，必须从系统设计的角度，排除环境光的干扰，同时保证主动照明光源的发光稳定性。当然通过提升硬件相机分辨率也是提高精度，抗环境干扰的一种办法。

        工件位置的不一致性

        一般做测量的项目，无论是离线检测、在线检测，只要是全自动化的检测设备，首先做的工作都是要能找到待测目标物。而待测目标物每次出现在拍摄视场中时，要能精确知道待测目标物的位置。但，即便使用一些机械夹具，也不能特别高精度保证待测目标物每次都出现在同一位置，这时就需要用到定位功能。因为如果定位不准确，测出的位置就不准确，测量结果也会出现较大偏差。

        标定

        高精度测量时一般需做以下几个标定：

        光学畸变标定(如果您不是用的软件镜头，一般都必须标定)；

        投影畸变的标定，也就是因为您安装位置误差代表的图像畸变校正。

        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，通常的标定算法是无法解决的。

        此外有些标定，因不方便使用标定板，也必须设计特殊的标定方法，因此标定不一定能通过软件中已有的标定算法全部解决。

        物体的运动速度

        如果被测量的物体不是静止的，而是在运动状态，那么一定要考虑运动模糊对图像精度(模糊像素=物体运动速度*相机曝光时间)，这也不是软件能够解决的。

        软件的测量精度

        在测量应用中软件的精度只能按照1/2-1/4个像素考虑，最好按照1/2,而不能向定位应用一样达到1/10-1/30个像素精度，因为测量应用中软件能够从图像上提取的特征点非常少。