依实际情况而定，目前很多需求不是单纯的定位，很多都需视觉检测特征然后定位，尺寸测量要看实际情况，主要是检测的数据要求，局部同一视野或运算后整体粗略尺寸，一般定位系统也可以实现。高精度尺寸测量就是另一个范畴了，硬件、安装结构等都要满足才可以。

机器视觉在生产制造中主要用在视觉引导，尺寸测量，产品检测，物体识别等几个领域。

在这几个领域中，一个最基本的算法就是产品识别和定位，比如视觉引导机器人，要在图像中识别出要抓取的产品，并定位出坐标，才引导机器人到指定的产品位置。尺寸测量，产品检测等也是一样的，在测量和检测之前，首先要知道有没有产品，产品的位置在哪里，才可以应用后续的各种分析工具。因此，产品识别和定位是一个基本问题。如果要设计一个可行的产品识别和定位的算法，需要克服几方面的困难：

1、快速的指定产品：工业产品千差万别。因此，对于每一个具体的应用，需要从几张，甚至一张图像上，快速指定需要查找的产品，比如当前产线需要定位铆钉的位置，拍一张照片并进行相应的学习，就可以在后续的图像中进行搜索定位。

2、快速的搜索产品：对于一张200万像素的图片，通常要求在几十毫秒的时间可以识别和定位出产品的位置。

3、高精度的定位：工业生产对精度和公差有严格的要求，因此产品的定位就要力求准确。现在普遍要求识别定位算法可以达到一个像素级别的定位精度，甚至可以达到亚像素级别。

4、可以适应产品缺失、遮挡、脏污等的影响：如果一个产品被遮挡，导致产品在图像中缺失一定比列，需要依然可以识别定位到物体。反之，如果产品表面发生脏污，导致表面的特征发生变化，需要依然可以识别定位。

5、可以适应光照亮度不均匀的影响：如果产品的亮度发生变化，比如一半亮一半暗，需要依然可以识别定位。

6、可以识别旋转的产品：产品通常可能在360度范围内旋转。

7、可以识别多个产品：一张图像中可能有多个产品，需要分别识别定位。

8、可以准确识别接近对称的物体：接近对称的物体很容易别识别成错误的方向，需要进行相应的设计。

9、可以应对物体的极性翻转：比如学习的产品是白底黑字，但是实际上产品图像有可能是黑底白字，需要可以识别。