制造业中，机器视觉用来做目标检测是一种常见的需求，通过相机拍照，可识别视野内物品的位置和种类，以控制机械手的抓取。虽然基于深度神经网络（YOLO、TensorFlow等）可以做到一次性检测出目标位置及种类，但这类神经网络的训练耗时耗力，难度较大，一般的应用中，采用模板匹配的方式仍具有简便易行，部署快速等优点，其精度完全能够满足需求。
下面简单展示基于模板匹配技术的目标检测定位算法效果：
一、 标准件的检测
1） 从反光性上，标准件有强反光（如不锈钢）、弱反光（碳钢）两类，光源可采取不同的打光方式，以突出被测目标的特征。下图展示了一个示例

打光效果的选择，应根据被测物体的特征进行，各种类别的被测物体之间有显著的特征区别。如本例中，螺母将会和平垫均具有圆形的亮圈区域，应突出螺母的六边形暗区，否则将不易区分螺母和平垫。
2） 在图中提取出匹配结果大于阈值的点，绘制方框，这里便是找到的目标位置。目标位置坐标为图像坐标，根据标定结果转换为世界坐标，即可控制机械手的抓取。

3） 如需适用不同角度的模板匹配，需要将模板进行一定间隔的旋转，每旋转一步，进行一次模板匹配，如图所示（螺母和弹垫）均被检测出来了。

丁斗科技的成功案例：位置检测精度优于±0.1mm，角度精度优于±0.1°。可为您进行配套开发，具体可联系丁斗科技