這項自動化成像技術已經得到了廣泛的應用，其在工業生產、智能交通、安防監控等領域的應用優勢顯然得到了廣大用戶的認可。機器視覺系統包括圖像采集和圖像處理兩大環節，由光源、鏡頭、工業相機、圖像處理軟件等核心組件構成，主要有定位、識別與檢測三大功能。在整個機器視覺系統成像過程中，高精度的系統標定是實現高清成像的基礎與重點，對最終應用有著直接的影響。
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點之間的相互關系是由工業相機成像的幾何模型決定的，這些幾何模型參數就是工業相機參數。在通常情況下，這些參數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標定。目前，機器視覺標定主要有傳統標定方法與自標定方法兩大類：
其一，傳統機器視覺
標定方法
傳統機器視覺標定方法需要標定參照物，在一定的工業相機模型下，通過對特定標定參照物進行圖像處理，并利用一系列數學變換公式計算及優化，以此獲取相機模型內部參數和外部參數。另外，為了提高計算精度，還需確定非線性畸變校正參數。根據標定參照物與算法思路的不同，傳統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。
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相機本身參數之間的約束關系來進行標定，而與場景或是工業相機的運動無關，所以相比傳統標定方法更為靈活。
機器視覺
標定的作用
機器視覺
標定的精度大小，直接影響著系統成像的精度，可以說，只有做好了前期的這一標定工作，后續工作才能正常展開，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，研究人員還將繼續對標定方法進行優化升級，例如進一步研究解決如何提高標定算法的魯棒性等等。
