镜头

　　FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意：①焦距②目标高度 ③影像高度 ④放大倍数 ⑤影像至目标的距离 ⑥中心点 /节点 ⑦畸变

　　相机

　　按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD和面阵CCD；单色相机和彩色相机。

2. 机器人视觉：用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上（即料斗拣取问题）。至于小范围内的操作和行动，还需要借助于触觉传感技术。

　　此外还有：（1）自动光学检查（2）人脸侦测（3）无人驾驶汽车

　　机器视觉特点

　　1.摄像机的拍照速度自动与被测物的速度相匹配，拍摄到理想的图像；

　　2.零件的尺寸范围为2.4mm到12mm，厚度可以不同；

　　3.系统根据操作者选择不同尺寸的工件，调用相应视觉程序进行尺寸检测，并输出结果；

　　4.针对不同尺寸的零件，排序装置和输送装置可以调整料道的宽度，使零件在固定路径上运动并进行视觉检测

这一区域有很高的空间分辨能力（视锐度，也叫视力）。它还有良好的色觉，对于视觉为重要。***凹以外区域，两种细胞兼有，离***凹越杆细胞越多，视锥细胞则越少。在视***离开的部位（），由于没有任何光感受器，便形成盲点。由两种光感受器的视觉生理特性及分布特点可知，观察颜色主要利用眼球的***区，也就是视场要小一些。因为当视场过大眼球侧视时，先是红、绿感觉消失，只能看到黄蓝色；再往外侧视，黄蓝色感觉也会消失成为全区，这时对颜色的判断会发生错误。

观点二：

在各种缺陷检测的应用中，打光是个难点。如果获得的图片让人看还要仔细斟酌才能给出结果，那么算法就太难做了。反之如果前期搞好打光，突出所要检测的特征，算法并不是困难的东西。

但是，注意这里有一个很严重的但是。我并不是说算法已经够好了，机器视觉和人类的差距还是非常巨大的！这里面差距就是智能。没错，智能相机距离智能两个字，还很远。主要体现在：对于非预期的缺陷的识别。