當我們談?wù)撊找鏌衢T的工業(yè)4.0、智能制造這些話題時，機器人是一個無論如何也繞不開的問題。機器人的智能化程度影響著整個工業(yè)演化的進程，傳統(tǒng)的機器人僅能在嚴格定義的結(jié)構(gòu)化環(huán)境中執(zhí)行預(yù)定指令動作，缺乏對環(huán)境的感知與應(yīng)變能力，這極大地限制了機器人的應(yīng)用。利用機器人的視覺控制，不需要預(yù)先對工業(yè)機器人的運動軌跡進行示教或離線編程，可節(jié)約大量的編程時間，提高生產(chǎn)效率和加工質(zhì)量。這就是我們標題中提到的，基于機器視覺的工業(yè)機器人定位技術(shù)。這一技術(shù)在國內(nèi)較早被應(yīng)用于焊接機器人對焊縫的跟蹤，而維視圖像的視覺采集設(shè)備及圖像處理軟件，被行業(yè)內(nèi)廣泛使用。


目前業(yè)內(nèi)已經(jīng)有采用物聯(lián)網(wǎng)數(shù)字化技術(shù)實現(xiàn)駕駛員精神狀況的檢測系統(tǒng)，它基于車聯(lián)網(wǎng)應(yīng)用的，以適應(yīng)行駛安全檢測的新需求。這種數(shù)字化的系統(tǒng)的應(yīng)用融合姿態(tài)信息的多姿態(tài)人臉檢測方法，基于生物特征的頭部姿態(tài)估計方法，融合駕駛員自身多種生物特征的疲勞駕駛模型，將極大提高疲勞駕駛檢測的準確性和可靠性。這類數(shù)字化系統(tǒng)的工作原理就是通過視覺傳感器對人的眼瞼眼球的幾何特征和動作特征、眼睛的凝視角度及其動態(tài)變化、頭部位置和方向的變化等進行實時檢測和測量，建立駕駛?cè)搜鄄款^部特征與疲勞狀態(tài)的關(guān)系模型，研究疲勞狀態(tài)的多參量綜合描述方法


另一個啟動脈沖打開燈光照明，燈光的開啟時間應(yīng)該與攝像機的曝光時間匹配。6、攝像機曝光后，正式開始一幀圖像的掃描和輸出。7、圖像采集部分接收模擬視頻信號通過A/D將其數(shù)字化，或者是直接接收攝像機數(shù)字化后的數(shù)字視頻數(shù)據(jù)。8、圖像采集部分將數(shù)字圖像存放在處理器或計算機的內(nèi)存中。9、處理器對圖像進行處理、分析、識別，獲得測量結(jié)果或邏輯控制值（合格或不合格）。10、處理結(jié)果控制流水線的動作、進行定位、糾正運動的誤差等。