導語：機器視覺系統由相機或傳感器、照明、處理器、提取有用信息的軟件和輸出設備（通常是機械臂）組成。
     80%的人類學習都是通過視覺進行的。當考慮到可通過視覺獲得多少信息時，工業機器人也需要看到才能發揮作用也就不足為奇了。
     機器視覺發明于1950年代，并在1980年代越來越受歡迎。視覺系統的進步，使其成為尋求簡化生產和質量檢查的制造商的有利可圖的工具。
     在最簡單的形式中，機器視覺系統由相機或傳感器、照明、處理器、提取有用信息的軟件和輸出設備(通常是機械臂)組成。
     沒有機器視覺系統的機器人——盲人機器人——可以完成簡單、可重復的動作，但無法與機器視覺讓機器人對周圍環境做出直觀反應的能力相抗衡。但是，什么使機器視覺系統更好?
     燈光?相機?動作?
     翻閱舊照片是一個很好的例子，說明為什么在拍攝圖像時照明是關鍵——需要看看正在拍攝什么或誰。照明也是機器視覺系統的基礎。糟糕的圖像捕獲會導致信息丟失，對于機器人來說，這可能會導致無法進行相關過程。
     另一件要考慮的事情是放置相機或傳感器的位置。成像設備可以放置在機械手本身上，稱為臂端工具(EOAT)配置，也可以安裝在機器人上方。在這種情況下，相機將在固定配置下俯視工作區。
     固定配置通常是較好的方法——攝像頭具有更大的視野，可以在機器人移動時拍照，從而縮短周期時間。此外，由于相機的位置始終相同，因此無需考慮機器人運動中的細微差異。
     但是，有些應用程序中EOAT配置更好。這種配置非常適合從各個角度檢查復雜零件或難以接近的區域。這會顯著減慢循環時間，因為在機器人運動時相機無法捕捉圖像。經驗豐富的自動化顧問可以為較好的配置提供建議。
     2D，還是3D?
     攝像頭或傳感器所需的位置還取決于部署的機器視覺類型——選擇2D或3D視覺取決于應用。
     在目標對象的顏色或紋理很重要的情況下，2D視覺效果很好。這傳統上用于檢查任務，如條形碼讀取或存在檢測。2D視覺的局限性包括無法感知深度。任何對形狀或位置很重要的任務，例如垃圾箱揀選，都可以通過3D機器視覺更好地完成。
     在3D視覺中，使用多個攝像頭來創建目標對象的3D模型。ShibauraMachine的TSVision3D系統以這種方式運行，因此不需要復雜的CAD數據來識別對象。
     使用兩個集成的高速立體攝像頭來捕捉連續的實時3D圖像，該軟件可以識別位于其視野內的任何物體。使用這項技術，TSVision3D可以實現自動化的垃圾箱揀選，即使對于不均勻的產品-以香蕉或芒果為例。
     在選擇視覺系統時，制造商必須考慮機器人將與何種物體進行交互。對于垃圾箱揀選系統和不尋常形狀的產品，3D視覺將是不能少的。
     技術往往模仿自然，機器視覺系統也不例外。能夠看到意味著機器人可以響應其工作空間的變化，瞄準不同形狀和大小的物體，使它們比盲人的前輩更靈活、更高效、更有能力。