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。

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。

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。

讓我們來看看這種集中式處理架構的一些好處。以視覺引導運動應用為例，例如柔性饋送，其中視覺系統為運動系統提供引導功能。這里，零件的位置和取向都是隨機的。在任務開始時，視覺系統拍攝零件的圖像以確定其位置和取向，并將該信息提供給運動系統。然后，運動系統根據圖像坐標將致動器移動到零件所處的位置，并拾起它。它也可以使用此信息在放置零件之前校正方向。通過這種方法，設計者可以消除先前用于定向和定位零件的任何夾具。這不但降低了成本，還允許應用程序能更容易地適應新的零件設計，只需要修改軟件即可。

以硬件為中心的架構的關鍵優點是其可擴展性，這主要歸因于系統之間的以太網鏈路。但是也必須特別注意通過該鏈路的通信。如前所述，這種方法的挑戰在于以太網鏈路的不確定性，并且帶寬有限。對于大多數僅在任務開始時給出引導的視覺引導運動任務，這是可接受的；但是也可能存在其他情況，其中延遲的變化可能是一大挑戰。將這種設計轉向集中式處理架構，具有諸多優點。

首先，因為可以使用相同的軟件開發視覺系統和運動系統，設計者不需要熟悉多種編程語言或環境，因此降低了開發復雜性。第二，消除了以太網網絡上的潛在性能瓶頸，因為現在數據僅在單個應用中的環路之間傳遞，而不是在物理層之間傳遞。

這使得整個系統的運行具有確定性，因為一切共享相同的過程。當將視覺直接引入控制回路中時，例如在視覺伺服應用中，這是特別有價值的。這里，視覺系統在運動期間連續捕獲致動器和目標零件的圖像，直到運動完成。這些捕獲的圖像用于提供關于運動成功的反饋。有了這一反饋，設計人員可以提高現有自動化的精度和精密度，而無需升級到高性能運動硬件。

現在提出了一個問題：這個系統是什么樣子？如果設計人員將要使用能滿足機器視覺系統所需的計算和控制需求的系統，并要與其他系統（如運動控制、HMI和I／O）無縫連接，那么他們需要使用具備所需性能的硬件架構，以及每個這些系統所需的智能和控制能力。這種系統的一個很好的選擇是：使用將處理器和FPGA與I／O相結合的異構處理架構。已經有很多行業投資這種架構，包括美國Xilinx公司的Zynq全可編程SoC（將ARM處理器與Xilinx 7系列FPGA架構相結合），以及英特爾數十億美元收購Altera等。

對于視覺系統，使用FPGA特別有益，這主要是因為其固有的并行性。算法可以分開，運行數千種不同的方式，并且可以保持完全獨立。另外，這種架構的好處不僅僅體現在視覺方面，其對運動控制系統和I／O也大有裨益。處理器和FPGA可用于執行高級處理、計算和制定決策。設計人員幾乎可以通過模擬和數字I／O、工業協議、定制協議、傳感器、致動器和繼電器等，連接到任何總線上的任何傳感器。此架構還滿足了其他要求，如時序和同步以及業務挑戰（如提高生產率）。每個人都希望更快地開發產品，這種架構消除了對大型專業設計團隊的需要。

不幸的是，雖然這種架構提供了很多性能和可擴展性，但是實現它的傳統方法需要專業知識，特別是在使用FPGA時。這為設計者帶來了巨大風險，并有可能導致使用該架構不切實際甚至不可能。然而，使用集成軟件（如NI LabVIEW），設計人員可以通過提取低級復雜性，并將所需的所有技術集成到單一開發環境中，來提高生產率，降低風險。