针对汽车仪表盘内凹六边形卡槽尺寸检测中存在人工检测速度慢、精度差等问题, 提出一种基于点云数据密度提取的内凹多边形自动化测量方法。首先使用双目结构光扫描的方式, 获取零件表面的点云原始数据; 使用KD-tree建立点云拓扑关系并进行半径滤波; 利用贪婪算法重建网格曲面; 最后采用基平面偏置与密度提取融合, 实现点云的边缘特征点和噪点分类, 提取内凹多边形孔径特征, 并计算其尺寸。选用带有内凹六边形特征的弧形汽车仪表盘零件为试验工件进行算法验证。试验结果表明, 该算法可以有效提取特征且内部特征尺寸测量精度为60 μm; 相较于传统测量方法, 单个内凹六边形测量时间可缩短至1 s, 能够实现内凹型不规则工件的自动化快速尺寸测量。

配油盘作为液压系统的核心元件之一, 其曲面尺寸是否合格直接关系到液压系统的性能。针对其表面部分轮廓特征提取困难、测量误差较大的问题, 提出一种基于附加图像边缘检测的球面分割及尺寸测量方法: 首先, 采用Sobel算子对拍摄的配油盘图像边缘进行锐化并提取球面部分轮廓形成掩膜; 然后, 借助掩膜分割出球面部分的四步相移图, 采用四步相移法求解相位主值, 并使用双频外差法展开相位; 最后, 通过系统标定, 计算得到配油盘球面部分的三维点云数据, 并进行球面拟合。试验结果表明: 采用该方法能够分割出较为清晰的球面部分点云图, 基于点云数据拟合的测量精度99.238%, 高于依据高度分割、区域生长分割、RANSAC(random sample consensus)分割和手动框选等方法的测量精度, 实现了配油盘球面尺寸的高精度测量。

在路面裂缝的检测中, 传统人工检测的方法准确性低, 效率低, 且单目视觉技术无法准确获得深度信息, 只能得到二维平面信息。基于此, 文章引入了双目线结构光技术, 提出了一种基于地面平均高度的三维裂缝提取算法, 实现了裂缝的三维信息采集。算法提取图像中每列像素值中最低点为起点, 向左右扩散形成一个边缘提取范围, 计算该列边缘提取范围以外的像素平均值作为地面平均高度值, 然后以最低点为中心开始遍历每个像素值, 当左右两边像素超过地面平均高度值时, 则确定两个像素点为裂缝边缘。整合所有列, 实现整条裂缝边缘的提取。实验结果表明: 文章提出的裂缝识别算法能够较为准确的对裂缝边缘进行提取, 通过与Canny边缘提取算法对比, 数据表明, 文章算法在连续性上表现更好, 本文算法的图像水平相关性数据总体都高于Canny边缘提取算法, 平均提高了30%。

从实验上研究了干涉粒子成像技术（IPI）的最大可测粒子尺寸。分析了同一视场中不同物面导致的物距变化对IPI最大可测粒径的影响。搭建了单光束照射的IPI实验系统，对粒子直径为51 μm和110 μm的聚苯乙烯混合粒子场进行测量，分析了同一视场内不同采集区域的最大可测粒径。实验结果表明，IPI技术最大可测粒径受实验系统物距影响，对于一固定参数的实验系统，同一视场内不同采集区域的最大可测粒径不同。

针对孔内表面缺陷尺寸测量难的问题，提出一种内窥图像校正方法以实现孔内表面尺寸测量。根据内窥成像原理，在考虑应用场景几何约束的情况下，将图像畸变分解为周向畸变和轴向畸变，将校正模型中的参数简化为图像中心坐标和一个非线性增长函数，进而提高了内窥镜图像边缘区域的校正精度。采用Hough变换和图像像素标定的方法得到相关参数，为克服轴向校正对标定结果的依赖，采用神经网络算法拟合包含像素相对位置和孔径的轴向校正函数。实验结果表明，基于像素标定的6组实验的平均测量误差为1.95%，准确度高。对于不具备标定条件的孔内表面缺陷，采用轴向校正函数进行校正和测量，3组实验的平均测量误差为6.75%，结果较为理想。所提出的校正方法通用性好、准确率高，可用于孔类零件及管道的自动化检测和智能检测。

针对现有多相机系统在无公共视场时标定过程繁琐问题，提出了一种基于旋转标定板的多相机系统标定方法。首先通过拟合旋转靶标轨迹实现转轴拟合和建立系统坐标系；然后各相机获取单幅完整的靶标图像，使用PnP算法解算相机与转台系统间的位姿关系；接着将转台转角通过罗德里格斯公式转换为靶标旋转前后的旋转矩阵和平移向量；最后使用计算所得的变换关系实现对多相机系统的标定。实验结果表明，本文方法不受限于相机的视场范围，能够快速、自动地标定多相机系统，在测量精度上也满足大尺寸测量需求。

工业零件的产品检测是保证零件质量合格最重要的环节。传统的接触式检测方法难以满足工业现场高效、高精度等需求, 基于机器视觉的图像测量系统已广泛应用于检测产品的几何参数。非透明物体形成的高对比度图像的测量已经进行了大量的工作, 针对透明物体形成的低对比度图像的研究相对较少。以直角棱镜为对象, 开发了一种用于测量低对比度产品尺寸的图像测量系统。对不同光照强度下采集到的图像进行平均, 得到平滑的图像; 采用限制对比度的直方图均衡化算法增强图像的对比度和使用Zernike矩边缘检测算法确定精确的亚像素边缘。通过多个对比实验验证了改进算法的合理性和优越性。棱镜厚度的平均误差小于0.003mm, 标准偏差小于0.0015mm。提出的方案为相对透明物体的高精度测量领域提供了一种可行性方案。

针对传统像素级边缘检测算法Canny算法进行改进，将高斯滤波换成了引导滤波，在降噪平滑的基础上更好的保留了边缘的清晰度，同时设计算法自适应获得适合图片的高低阈值。提出了一种改进的基于反正切函数模型的亚像素边缘检测方法，根据反正切函数中心对称的特性，通过面积相等的理论计算亚像素边缘位置，相比传统方法极大的减小了计算量及计算时间。通过对弹簧顶部图片进行3次最小二乘法拟合圆，快速、同步获得弹簧的内径、外径尺寸信息。实验结果表明: 与传统反正切亚像素拟合方法相比，该方法在保证检测精度的同时，将平均计算时间缩减到1.7%以下。