[Eleven7]

Die Kamera im Beispiel ist ja auch statisch, denn dafür gibts ja auch einen Grund: Nämlich genau dein Problem mit der Bilderkennung.
Beim Bau des Gestells nimmt man dafür dann aber auch präzise Servos/Schrittmotoren, und Kalibrierungssensoren, damit mechanische Probleme so weit wie möglich rausfallen.

Eine Möglichkeit wäre eventuell 2 Kameras: Eine statische, die das bewegende Objekt identifiziert (Farbe/Größe/ungefährer Ort) + eine Kamera direkt auf dem zielenden Gerät, das dann nach den übergebenen Daten sucht.