机器视觉：在实际工业生产中，人们经常使用检测、测量和判断工作。
机器人视觉系统的典型组成部分：图像采集部分、图形处理部分、运动控制部分。
视觉系统组成：视觉系统一般由硬件和软件组成。
硬件一般包括：相机、光源、图像采集卡。
视觉软件通常安装在PC端或触摸屏上。
视觉系统的应用主要包括：识别、定位等。
识别：通过扫描条形码、二维码、字符、颜色等，识别特征。
定位：通过图像识别系统对工件进行搜索，通过特征匹配进行定位，断位置。
视觉系统的优势：
安全。在视觉检测过程中，被检测单位不会直接接触被检测物体，不会造成任何损伤。
视野开阔。与人眼相比，视觉系统能感知红外，比人眼检测范围更大。
系统稳定。人类很难长时间高度关注某一物体的观察，因为机器人的视觉可以长期用于测量、分析和识别。
应用广泛。机器视觉不仅用于机器人，而且广泛应用于工业、农业、国防、交通、医疗等行业。
一些实际案例：由于视觉系统的应用非常广泛，我举几个简单的例子：
食品工业：检查食品的保质期，饮料是否有吸管，吸管位置等。
汽车领域：零件坍塌、划痕、缺陷等。
包装行业：现在3C产品的纸箱包装，字体印刷后的检测也使用了很多。例如华为手机的包装盒字体、颜色等检测。
一套最简单的机器视觉系统包括：
视觉成像部分。
图像处理部分。
运动控制部分。
1.视觉成像部分。
视觉成像还包括几个典型的组件：光源、镜头、工业相机。
光源和透镜要求我们掌握光学知识。不同的照明方法可以使相机对物体产生完全不同的成像；镜头的倍数、焦距和视觉的不同选择直接决定了成像的真实性。对于机器视觉工程师来说，掌握如何选择镜头、如何选择光源以及如何确定照明方法是最基本的技能。
工业相机要求我们掌握光电知识，掌握相机传感器的区别，掌握图像成像的基本知识，如清晰度、动态范围、视场角度等，以便根据需要和场景选择正确的相机。掌握这些知识的最快方法是购买入门级单反，以研究这些成像参数与成像之间的关系。
2.图像处理部分。
一般认为，图像处理是在PC机上进行的，事实上，在工业领域，大多数使用工控机，因为它是稳定的，而且具有成本优势。
3.运动控制部分。
典型的运动控制卡，可以开始研究。更高级的PLC也可以玩。这部分的难点在于精度的修正，因为很多场景和要求对精度的要求都很高。
除上述三点外，总体方案的构建能力非常重要，因为方案需要将这些部分串联起来，并能与真实场景联系起来，以满足实际生产自动化需求。
而整体方案的构建能力取决于：
深入了解生产工艺。
深刻理解各个组成部分之间的关系。
这两点需要经过多个项目的经验积累，才能给出一套好的方案。