目前中国制造业面临着向高端转变，承接国际先进制造、参与国际分工的巨大挑战。随着人口红利的逐渐下降，企业用工成本不断上涨，机器视觉系统正逐步走进公众的视野。人口红利的持续消退，给机器人产业带来了重大的发展机遇;在国家政策支持下，产业有望迎来爆发期。
得益于我国机器人产业规划发展，撇开机器视觉系统在其他自动化领域的应用不谈，单就机器人视觉系统来说，机器视觉技术的应用就有非常广阔的空间。机器人与机器视觉系统之间的集成越紧密，设计师们就越易于将三项相关的坐标系统(机器人、视觉和现实世界)联系起来。
在工业生产领域，工业机器人检测产品很大程度上依靠机器视觉系统，机器视觉系统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机器视觉系统产品尤为重要，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。
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。
2、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最高，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精度，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，精度近似可以认为提升1倍，对环境的干扰自然增强了。
3、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。
4、标定
一般在高精度测量时需要做以下几个标定：第一，光学畸变标定(如果您不是用的软件镜头，一般都必须标定);第二，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，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，因此标定不一定能通过软件中已有的标定算法全部解决。
5、工件位置的不一致性
一般做测量的项目，无论是离线检测，还是在线检测，只要是全自动化的检测设备，首先做的第一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，要能精确知道待测目标物在哪里，即使你使用一些机械夹具等，也不能特别高精度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。
以上内容是深圳思普泰克今天分享的内容，阅读完这篇文章相信大家对使用机器视觉系统会遇到的五个难题有了进一步的了解。
