這項自動化成像技術(shù)已經(jīng)得到了廣泛的應(yīng)用，其在工業(yè)生產(chǎn)、智能交通、安防監(jiān)控等領(lǐng)域的應(yīng)用優(yōu)勢顯然得到了廣大用戶的認可。機器視覺系統(tǒng)包括圖像采集和圖像處理兩大環(huán)節(jié)，由光源、鏡頭、工業(yè)相機、圖像處理軟件等核心組件構(gòu)成，主要有定位、識別與檢測三大功能。在整個機器視覺系統(tǒng)成像過程中，高精度的系統(tǒng)標定是實現(xiàn)高清成像的基礎(chǔ)與重點，對最終應(yīng)用有著直接的影響。  
  　　機器視覺
  　　標定的分類
  　　空間物體表面某點的三維幾何位置與其在圖像中對應(yīng)點之間的相互關(guān)系是由工業(yè)相機成像的幾何模型決定的，這些幾何模型參數(shù)就是工業(yè)相機參數(shù)。在通常情況下，這些參數(shù)必須通過實驗與計算才能得到，而這個實驗與計算的過程就被稱為機器視覺系統(tǒng)標定。目前，機器視覺標定主要有傳統(tǒng)標定方法與自標定方法兩大類：
  　　其一，傳統(tǒng)機器視覺
  　　標定方法
  　　傳統(tǒng)機器視覺標定方法需要標定參照物，在一定的工業(yè)相機模型下，通過對特定標定參照物進行圖像處理，并利用一系列數(shù)學變換公式計算及優(yōu)化，以此獲取相機模型內(nèi)部參數(shù)和外部參數(shù)。另外，為了提高計算精度，還需確定非線性畸變校正參數(shù)。根據(jù)標定參照物與算法思路的不同，傳統(tǒng)機器視覺標定方法又可以分為基于3D立體靶標的相機標定、基于2D平面靶標的相機標定等幾類。不過，需要注意的是，這一標定方法在場景未知或是相機任意運動的情況下效果不佳，甚至很難實現(xiàn)。
  　　其二，機器視覺自標定方法。
  　　機器視覺自標定方法是在20世紀90年代初，由Faugeras，Luong，Maybank等人首次提出的，這一自標定法是利用工業(yè)相機本身參數(shù)之間的約束關(guān)系來進行標定，而與場景或是工業(yè)相機的運動無關(guān)，所以相比傳統(tǒng)標定方法更為靈活。
  　　機器視覺
  　　標定的作用
  　　機器視覺
  　　標定的精度大小，直接影響著系統(tǒng)成像的精度，可以說，只有做好了前期的這一標定工作，后續(xù)工作才能正常展開，所以，提高標定精度是當前科研工作的重要方面之一。機器視覺系統(tǒng)標定方法的存在，尤其是自標定方法，極大地提高了成像精度，接下來，研究人員還將繼續(xù)對標定方法進行優(yōu)化升級，例如進一步研究解決如何提高標定算法的魯棒性等等。