机器视觉一般由工业光源，图像采集单元，图像处理单元，图像处理软件及网络通讯装置等构成。在自动化工业质量控制和在线检测领域，2D和3D技术都具有重要的作用。如何将两者结合起来创建一个更可靠、高效的机器视觉检测系统，首先要认识两者的各自优势和局限性。

从2D视觉技术开始

2D技术起步较早，技术也相对成熟，在过去的30年中已被证明在广泛的自动化和产品质量控制过程中非常有效。

2D技术根据灰度或彩色图像中对比度的特征提供结果。 2D适用于缺失/存在检测、离散对象分析、图案对齐、条形码和光学字符识别(OCR)以及基于边缘检测的各种二维几何分析，用于拟合线条、弧线、圆形及其关系(距离，角度，交叉点等)。

模式匹配：处理零件变化的关键

2D视觉技术在很大程度上由基于轮廓的图案匹配驱动，以识别部件的位置，尺寸和方向。 技术人员可以使用2D来识别零件并创建动态适应零件位置，角度和尺寸的检测工具，从而实现零件移动的稳健测量。 今天的模式匹配处理遮挡，杂波，失真，对比度反转，重叠的部分和不均匀的照明。

无法测量形状

2D传感器不支持与形状相关的测量。 例如，2D传感器不能够测量诸如物体平面度，表面角度，部分体积，或者区分相同颜色的物体之类的特征，或者在具有接触侧的物体位置之间进行区分。

易受变量照明条件的影响

由于照明决定了边缘位置和测量精度，因此传感器视野范围内的照明变化有时会导致边缘测量误差，除非使用特定的技术来补偿这种影响。 在工厂条件下，照明变化是生产车间意外环境或现场来源的共同挑战。

有限的对比度补偿

2D传感器依赖于测量物体的对比度(边缘数据)，例如，这意味着它们无法测量黑色背景上的黑色物体，或者在没有特定光照的情况下区分部分特征来暴露边缘的存在和定义。

对物体运动敏感

由于元件移动造成的误差，二维传感器需要沿光轴(Z轴)精确固定，使用尺度不变特征检测，或者使用大型远心光学元件(必须与FOV尺寸相匹配)来消除影响。