Вообщето задача сводится к скорости считывания АЦП видеосигнала и сложности критеря отбора обьекта. Если простейший критерий- скажем яркость обьекта в 2 раза больше яркости фона, то в видеосигнале их оч просто найти, он же простой как топор, развертка, всегда есть првязка к геометрии. А двигать камеру уже дело десятое.
В принципе АВР потянуть может, там ничего сложного нет. Естественно что имеется ввиду примерное позиционирование камеры лижбы обьект попадал в поле, если нужно точное позиционирование или геометрия обьекта максимально точная, например для измерения его размеров, то надо более быстрое АЦП- чтоб чаще измерять видеосигнал и пошуствее чем авр камень. Естественно при этом что синхроимпульсы из видео сигнала будет вычислять не АЦП а простенький копеечный видеоконтроллер, их море разных.