機器視覺長期以來用于工業自動化系統中，以通過取代傳統上的人工檢查來提高生產質量和產量。從拾取和放置、對象跟蹤到計量、缺陷檢測等應用，利用視覺數據可以通過提供簡單的通過失敗信息或閉環控制回路，來提高整個系統的性能。

　　機器視覺的使用并不僅僅在工業自動化領域;我們也看到了相機在日常生活中的大量應用，例如用于計算機、移動設備，特別是在汽車中。攝像頭僅僅是在幾年前才被引入到汽車中，但是現在汽車中已經配備了大量攝像頭，以為駕駛員提供完整的360°車輛視圖。

　　但是談到機器視覺領域的最大技術進步，可能一直是處理能力。隨著處理器性能每兩年翻一番，以及對多核CPU、GPU和FPGA等并行處理技術的持續關注，視覺系統設計人員現在可以將高度復雜的算法應用于視覺數據，并創建更智能的系統。

　　處理技術的發展帶來了新機會，而不僅僅是更智能或更強大的算法。讓我們看看為制造機器增加視覺功能的應用案例。這些系統傳統上設計為形成協作分布式系統的智能子系統網絡，該系統允許模塊化設計(見圖1)。

　　圖1：智能子系統網絡，其設計為構成協作分布式控制系統。該系統允許模塊化設計，但采用這種以硬件為中心的方法可能導致性能瓶頸。

　　然而，隨著系統性能的提高，采用這種以硬件為中心的方法可能遇到困難，因為這些系統通常采用時間關鍵和非時間關鍵協議的混合來聯接。通過各種通信協議將這些不同的系統聯接在一起，會導致延遲、確定性和吞吐量方面出現瓶頸。

　　例如，如果設計者試圖利用這種分布式架構開發應用，并且必須在視覺和運動系統之間保持緊密集成，例如在視覺伺服中所需要的，那么可能遇到由于缺乏處理能力而帶來的主要性能挑戰。此外，由于每個子系統都具有自己的控制器，這實際上會降低處理效率。

　　最后，由于這種以硬件為中心的分布式方法，設計人員不得不使用不同的設計工具來設計視覺系統中每個子系統的特定視覺軟件，以及用于運動系統的運動專用軟件等。這對于規模較小的設計團隊而言尤其具有挑戰性，因為一個小團隊甚至是一名工程師，需要負責設計中的許多部分。