從而觸發(fā)了工業(yè)相機對LED燈下方的工件進行拍照，然后將采集到的圖像經(jīng)采樣、量化后傳送給計算機的圖像分析軟件進行處理判斷，將得出的結(jié)果反饋給機械手執(zhí)行機構(gòu)進行抓取和剔除。

定位分很多種：

1.流水線產(chǎn)品的到來定位，可以用傳感器、可以用圖像判斷產(chǎn)品是否到來（或者說到了的位置）

2.具體產(chǎn)品（或者工件）上的作業(yè)，比如焊接、鉆孔等，需要定位。一般視覺的方式是先找到一個物理的mark點（可以通過視覺的方式獲取該mark點的性特征）作為相對的點，然后判斷其他需要操作的點或者特征的相對位置關(guān)系。

需要準備大量的基礎(chǔ)數(shù)據(jù)，來為機器學習提供素材，良品的照片可能比較容易準備，而不良品的判斷可以通過結(jié)合實物或者通過對良品的分析自主判斷。和傳統(tǒng)的計算機算法不同，機器學習本質(zhì)上人類是無法清楚獲悉機器學習的具體方式的，人類只是建立一個訓練模型，提供素材，剩下的就讓機器自行學習，人類在學習過程中根據(jù)結(jié)果情況對學習模型進行修改與調(diào)校。

這樣，視覺定位系統(tǒng)將基于區(qū)域的匹配和形狀特征識別結(jié)合，進行數(shù)據(jù)識別和計算，能夠快速準確地識別出物體特征的邊界與中心，機器人控制系統(tǒng)通過逆運動學求解得到機器人各關(guān)節(jié)位置的轉(zhuǎn)角誤差，后控制的末端執(zhí)行機構(gòu)，調(diào)整機器人的位姿以消除此誤差。從而解決了機器人末端實際位置與期望位置相距較遠的問題，改善了傳統(tǒng)機器人的定位精度。