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
视觉引导入门
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。
我们利用远程遥控，让小强在地面上重复的绕一个边长大概1mX2m的方形轨迹。小强同时返回两组分别根据小强的陀螺仪和摄像头计算出的坐标。以上视频就是电脑上实时显示的小强的位置坐标。其中红色的线代表根据视觉定位算法定出的坐标，绿色的线代表根据陀螺仪和电机编码器数据定出的小强的位置坐标。可以看出两种方法得到的结果基本一致。随着绕的圈数的增加，陀螺仪的误差越来越大，但是视觉定位计算出的坐标没有什么变化。这也是视觉定位算法的优势。
误差及精度分析
视觉测量技术的精度主要由图像的质量和图像算法来确定，也与误差的来源、分析及补偿有关。玖瑞科技精研算法和图像质量，可有效保证精度在图像分辨率以上，具体0.01-0.5个相素视项目的需求而确定。
误差分析
但凡测量皆有误差，有一套完整的误差分析理论来进行测量系统的误差分析。就视觉测量技术来讲，其误差来源有以下几个方面：
1、图像传感器的误差（CCD/CMOS）
由于技术和工艺的原因，图像传感器自身存在误差，误差主要来源于噪声，噪声分为图像噪声、暗电流噪声和热噪声。这会影响测量的精度。CCD传感器比CMOS传感器要好的多。
（作者： 来源：）
