目前机器视觉技术在国内主要应用于定位、测量、检测和识别四个主要方向，在进行图像采集和图像处理的过程中，有几个技术难点，直接影响了分析数据的获取精确性，下面我们一起来看看机器视觉系统设计中的技术难点有哪些?
![机器视觉系统设计中的技术难点]( "机器视觉系统设计中的技术难点")
第一，标定
在高精度测量的时候一般是需要进行标定，主要分为光学畸变标定、投影畸变标定，物像空间的标定等，不过一般的标定算法都是基于平面的标定，对于不是平面的很难用标定算法解决。
还有有些特殊的测量过程中不会使用到标定板，所以标定算法不一定能解决所有问题。
第二，软件的测量精度
测量精度一般在1/2-1/4个像素，原因是测量软件精度过小，从图像上提取的特征点信息就越少。
通过上述的5个问题可以看出机器视觉系统设计时会出现很多因素的干扰，所以我们需要不断的去改善和升级技术去规避掉这些难以避免的问题，也相信技术的创新，很多问题都能别解决。
第三，物体的运动速度
在图像获取获取过程中，图像模糊精度取决于物体运动速度和相机曝光时间，所以物体运动速度快很可能导致图片成像模糊，此外其他设备(工业相机、工业镜头、光源等)也会间接影响检测。
![机器视觉系统设计中的技术难点]( "机器视觉系统设计中的技术难点")
第四，工件位置的一致性
工件位置的不一致性是导致测量检测的一个特别重要的关注要素。工业生产线上不论是在线检测还是离线检测，机器视觉系统在获取产品图片信息时需要确保产品所抵达的位置是同一个位置，否则会出现定位不准确，测量工具出现的位置就不准确，导致测量结果出现偏差，对于产品的合格性很难把控。
第五，打光的稳定性
在机器视觉应用中，打光稳定性最影响测量的精度，因为只要是光照发生微小变化，测量结果都可能出现1到2个像素差。主要原因是光照的不稳定会影响到图像采集边缘位置发生变化，所以在机器视觉系统设计中将环境光的影响消除到最低，同时要保证配套的主动光源的稳定性。
通过以上不难看出机器视觉系统设计时会出现很多因素的干扰，所以我们需要不断的去改善和升级技术去规避掉这些难以避免的问题