1.照明

    如果有过在低光照下拍摄数码照片的经验，就会知道照明至关重要。糟糕的照明会毁掉一切。成像传感器不像人眼那样适应性强或敏感。如果照明类型错误，视觉传感器将无法可靠地检测到物体。

    有各种克服照明挑战的方法。一种方法是将有源照明结合到视觉传感器本身中。其他解决方案包括使用红外照明，环境中的固定照明或使用其他形式的光的技术，例如激光。

    2.变形或铰接球

    它们是用计算机视觉设置来检测的简单对象。你可能只是检测它的圆形轮廓，也许使用模板匹配算法。但是，如果球被压扁，它会改变形状，同样的方法将不再起作用。这是变形。它会导致一些机器人视觉技术相当大的问题。

    铰接类似，是指由可移动关节引起的变形。例如，当您在肘部弯曲手臂时，手臂的形状会发生变化。各个链接（骨骼）保持相同的形状，但轮廓变形。由于许多视觉算法使用形状轮廓，因此清晰度使得物体识别更加困难。

    3.职位和方向

    机器人视觉系统常见的功能是检测已知物体的位置和方向。因此，大多数集成视觉解决方案通常都克服了这两者面临的挑战。

    只要整个物体可以在摄像机图像内被查看，检测物体的位置通常是直截了当的。许多系统对于对象方向的变化也是强健的。但是，并不是所有的方向都是平等的。虽然检测沿一个轴旋转的物体是足够简单的，但是检测物体何时3D旋转则更为复杂。

    4.背景

    图像的背景对物体检测的容易程度有很大的影响。想象一个极端的例子，对象被放置在一张纸上，在该纸上打印同一对象的图像。在这种情况下，机器人视觉设置可能不可能确定哪个是真实的物体。

    完美的背景是空白的，并提供与检测到的物体良好的对比。它的确切属性将取决于正在使用的视觉检测算法。如果使用边缘检测器，那么背景不应该包含清晰的线条。背景的颜色和亮度也应该与物体的颜色和亮度不同。

    5.闭塞

    遮挡意味着物体的一部分被遮住了。在前面的四个挑战中，整个对象出现在相机图像中。遮挡是不同的，因为部分对象丢失。视觉系统显然不能检测到图像中不存在的东西。

    有各种各样的东西可能会导致遮挡，包括：其他物体，机器人的部分或相机的不良位置。克服遮挡的方法通常涉及将对象的可见部分与其已知模型进行匹配，并假定对象的隐藏部分存在。

    6.比例

    在某些情况下，人眼很容易被尺度上的差异所欺骗。机器人视觉系统也可能被他们弄糊涂了。想象一下，你有两个完全相同的物体，只是一个比另一个大。想象一下，您正在使用固定的2D视觉设置，物体的大小决定了它与机器人的距离。如果您训练系统识别较小的物体，则会错误地检测到两个物体是相同的，并且较大的物体更接近相机。

更多资讯：库卡机器人