全书由5章构成，分别为绪论、摄像机与视觉系统标定、视觉测量、视觉控制、视觉控制的应用。本书从控制角度，以能够进行工程实现为目标，以机器人的视觉控制为背景，系统地介绍了视觉系统的构成和标定、视觉测量的原理与方法、视觉控制的原理与实现，并给出了机器人视觉测量与控制的应用示例。本书面向从事机器人研究和应用的科技人员，注重反映本领域的研究前沿和可实现性。可作为机器人、计算机视觉等领域科研工作者和工程技术人员的参考书，也可作为控制科学与工程、计算机等学科的研究生和高年级本科生的教材。方向性很强的光源，增大了对高亮区域的镜面反射发生的可能性，这不利于后面的特征提取。好的光源需要能够使你需要寻找的特征非常明显，除了是摄像头能够拍摄到部件外，好的光源应该能够产生对比度、亮度足够且对部件的位置变化不敏感。光源选择好了，剩下来的工作就容易多了。具体的光源选取方法还在于试验的实践经验。在布匹的生产过程中，像布匹质量检测这种有高度重复性和智能性的工作只能靠人工检测来完成，在现代化流水线后面常常可看到很多的检测工人来执行这道工序，给企业增加巨大的人工成本和管理成本的同时，却仍然不能保证100%的检验合格率（即“零缺陷”）。对布匹质量的检测是重复性劳动，容易出错且效率低。从而触发了工业相机对LED灯下方的工件进行拍照，然后将采集到的图像经采样、量化后传送给计算机的图像分析软件进行处理判断，将得出的结果反馈给机械手执行机构进行抓取和剔除。***分很多种：1.流水线产品的到来***，可以用传感器、可以用图像判断产品是否到来（或者说到了的位置）2.具体产品（或者工件）上的作业，比如焊接、钻孔等，需要***。一般视觉的方式是先找到一个物理的mark点（可以通过视觉的方式获取该mark点的性特征）作为相对的点，然后判断其他需要操作的点或者特征的相对位置关系。需要准备大量的基础数据，来为机器学习提供素材，良品的照片可能比较容易准备，而不良品的判断可以通过结合实物或者通过对良品的分析自主判断。和传统的计算机算法不同，机器学习本质上人类是无法清楚获悉机器学习的具体方式的，人类只是建立一个训练模型，提供素材，剩下的就让机器自行学习，人类在学习过程中根据结果情况对学习模型进行修改与调校。)