感觉题主的问题问的不太规范，那么我先就机器人视觉系统做一个介绍：
机器人视觉系统基本构造
一个典型的工业机器视觉系统包括：
工业相机与工业镜头——这部分属于成像器件，通常的视觉系统都是由一套或者多套这样的成像系统组成，如果有多路相机，可能由图像卡切换来获取图像数据，也可能由同步控制同时获取多相机通道的数据。根据应用的需要相机可能是输出标准的单色视频（RS-170/CCIR）、复合信号（Y/C）、RGB信号，也可能是非标准的逐行扫描信号、线扫描信号、高分辨率信号等。
光源——作为辅助成像器件，对成像质量的好坏往往能起到至关重要的作用，各种形状的LED灯、高频荧光灯、光纤卤素灯等都容易得到。
传感器——通常以光纤开关、接近开关等的形式出现，用以判断被测对象的位置和状态，告知图像传感器进行正确的采集。
图像采集卡——通常以插入卡的形式安装在PC中，图像采集卡的主要工作是把相机输出的图像输送给电脑主机。它将来自相机的模拟或数字信号转换成一定格式的图像数据流，同时它可以控制相机的一些参数，比如触发信号，曝光/积分时间，快门速度等。图像采集卡通常有不同的硬件结构以针对不同类型的相机，同时也有不同的总线形式，比如PCI、PCI64、Compact PCI，PC104，ISA等。
PC平台——电脑是一个PC式视觉系统的核心，在这里完成图像数据的处理和绝大部分的控制逻辑，对于检测类型的应用，通常都需要较高频率的CPU，这样可以减少处理的时间。同时，为了减少工业现场电磁、振动、灰尘、温度等的干扰，必须选择工业级的电脑。
视觉处理软件——机器视觉软件用来完成输入的图像数据的处理，然后通过一定的运算得出结果，这个输出的结果可能是PASS/FAIL信号、坐标位置、字符串等。常见的机器视觉软件以C/C++图像库，ActiveX控件，图形式编程环境等形式出现，可以是专用功能的（比如仅仅用于LCD检测，BGA检测，模版对准等），也可以是通用目的的（包括定位、测量、条码/字符识别、斑点检测等）。
控制单元（包含I/O、运动控制、电平转化单元等）——一旦视觉软件完成图像分析（除非仅用于监控），紧接着需要和外部单元进行通信以完成对生产过程的控制。简单的控制可以直接利用部分图像采集卡自带的I/O，相对复杂的逻辑/运动控制则必须依靠附加可编程逻辑控制单元/运动控制卡来实现必要的动作。
机器人视觉系统的特点
- 提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。
- 机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。
机器视觉是一项综合技术。其中包括数字图像处理技术，机械工程技术，控制技术，电光源 照明技术，光学成像技术，传感器技术，模拟与数字视频技术，计算机硬件技术，人机接口技术 等这些技术在机器视觉中式并列关系，相互协调 应用才能构成一个成功的工业机器视觉应用系统。
机器视觉更强调实用性。要求能够适应工业生产中恶劣的环境，要有合理的性价比，要有通用的工业接口，能够由普通工作来操作，有较高的容错能力和安全性，不会破坏工业产品，必须有较强的通用性和可移植性。
对机器视觉工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要的是光、机、电一体化的综合能力。
机器视觉更强调实时性，要求高速度和高精度。因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉，他们的发展速度远远超过其在工业生产中的实际应用速度。
一个完整的机器视觉系统的主要工作过程
工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。
图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。
摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。
摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。
另一个启动脉冲打开灯光照明，灯光的开启时间应该与摄像机的曝光时间匹配。 摄像机曝光后，正式开始一帧图像的扫描和输出。
图像采集部分接收模拟视频信号通过A/D将其数字化，或者是直接接收摄像机数字化后的数字视频数据。
图像采集部分将数字图像存放在处理器或计算机的内存中。
处理器对图像进行处理、分析、识别，获得测量结果或逻辑控制值。
处理结果控制流水线的动作、进行定位、纠正运动的误差等。
从上述的工作流程可以看出，机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体导制等，对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。
使用机器视觉系统的主要原因
重复性——机器可以以相同的方法一次一次的完成检测工作而不会感到疲倦。与此相反，人眼每次检测产品时都会有细微的不同，即使产品时完全相同的。
精确性——由于人眼有物理条件的限制，在精确性上机器有明显的优点。即使人眼依靠放大镜或显微镜来检测产品，机器仍然会更加精确，因为它的精度能够达到千分之一英寸。
速度机器能够更快的检测产品。特别是当检测高速运动的物体时，比如说生产线上，机器能够提高生产效率。
客观性——人眼检测还有一个致命的缺陷，就是情绪带来的主观性，检测结果会随工人心情的好坏产生变化，而机器没有喜怒哀乐，检测的结果自然非常可观可靠。
成本——由于机器比人快，一台自动检测机器能够承担好几个人的任务。而且机器不需要停顿、不会生病、能够连续工作，所以能够极大的提高生产效率。
机器视觉系统的应用领域
机器视觉的应用主要有检测和机器人视觉两个方面：
检测：又可分为高精度定量检测（例如显微照片的细胞分类、机械零部件的尺寸和位置测量）和不用量器的定性或半定量检测（例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测）。
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。
自动光学检查、人脸侦测、无人驾驶汽车
目前的机器人视觉存在的问题：
准确、高速、实时地识别出目标。
有效地构造和组织出可靠的识别算法，并且顺利地实现。这期待着高速的阵列处理单元，以及算法(如神经网络法、小波变换等算法)的新突破，这样就可以用极少的计算量高度地并行实现功能。
实时性。图像采集速度较低以及图像处理需要较长时间给系统带来明显的时滞，此外视觉信息的引入也明显增大了系统的计算量，例如计算图像雅可比矩阵、估计深度信息等等．图像处理速度是影响视觉系统实时性的主要瓶颈之一。
稳定性是所有控制系统首先考虑的问题，对于视觉控制系统，无论是基于位置、基于图像或者混合的视觉伺服方法都面临着如下问题：当初始点远离目标点时，如何保证系统的稳定性，即增大稳定区域和保证全局收敛；为了避免伺服失败，如何保证特征点始终处在视场内。
目前机器人视觉需要在以下方面加强研究：
图像特征的选择问题。视觉伺服的性能密切依赖于所用的图像特征，特征的选择不仅要考虑识别的指标，还要考虑控制指标。从控制的观点看，用冗余特征可抑制噪声的影响，提高视觉伺服的性能，但又会给图像处理增加难度。因此如何选择性能最优的特征，如何处理特征以及如何评价特征，都是需要进一步研究的问题。针对任务有时可能需要从一套特征切换到另一套，可以考虑把全局特征与局部特征结合起来。
结合计算机视觉及图像处理的研究成果，建立机器人视觉系统的专用软件库。
加强系统的动态性能研究。目前的研究多集中于根据图像信息确定期望的机器人运动这一环节上，而对整个视觉伺服系统的动态性能缺乏研究。
利用智能技术的成果。
利用主动视觉的成果。主动视觉是当今计算机视觉和机器人视觉研究领域中的一个热门课题。它强调的是视觉系统与其所处环境之间的交互作用能力。与传统的通用视觉不同，主动视觉强调两点，一是认为视觉系统应具有主动感知的能力，二是认为视觉系统应基于一定的任务(Task Directed)或目的(Purposive Directed)。主动视觉认为在视觉信息获取过程中，应更主动地调整摄像机的参数，如方向、焦距、孔径等并能使摄像机迅速对准感兴趣的物体。更一般地，它强调注视机制(Attention)，强调对分布于不同空间范围和时间段上的信号采用不同的分辨率有选择性地感知，这种主动感知既可在硬件层上通过摄像机物理参数的调整实现，也可以在基于被动摄像机的前提下，在算法和表示层上通过对已获得的数据有选择性地处理实现。同时，主动视觉认为不基于任何目的的视觉过程是毫无意义的，必须将视觉系统与具有的目的(如导航、识别、操作等)相联系，从而形成感知／作用环(Perception／Action Cycle)。
- 多传感器融合问题。视觉传感器具有一定的使用范围，如能有效地结合其它传感器，利用它们之间性能互补的优势，便可以消除不确定性，取得更加可靠、准确的结果。
- 系统操作简单方便。技术参数简单化、处理技术方便化，是系统操作最为关键也是核心的要素。机器视觉技术虽然属于高科技技术，在运作过程中，还需要依靠不断调整各种参数来达到最好的效果。但是目前来说，操作人员大都技术水平有限。因此，系统简化是大多数客户的较价格与质量之后的基本需求，而系统简化主要包括的是检测操作的简化与图像处理的简化。
- 系统长期可维护性。一个好的系统不仅要考虑使用性还应考虑其在长期运做中的可维护性，机器视觉技术的稳定性、可靠性足以使系统在实际应用中，更好的发挥功能优势，提供有力的技术支持。
- 检测技术稳定可靠。在工业生产过程中，由于被测物体的多样化以及机械的误差影响，使得整个检测过程很难是维持在平稳的状态。因此，这就需要机器视觉技术有很高的稳定性，从光源照明、图像采集到图像存储与处理都要有可以在任何环境下持续运作的适应能力，同时，还要尽量能采集到突出检测对象的图像，这样才能给出最为稳定、准确、清晰的检测结果，才能为生产或质检工作提供技术支持。
