随着世界工业的不断发展,工业生产中,工件繁多复杂,需要对工件进行筛选工作。基于机器视觉的检测方法对工件识别的重要性逐渐凸显,并被广泛应用于工件筛选与分类,不仅节省人力资源,而且提高工业生产效率。工件识别的难点在于如何选取最具代表性的特征,并在存在干扰因素众多的工业环境中,快速地获取带有代表性特征的图像;如何利用图像处理,从图像中提取不失真的工件有效特征;如何运用已获得的工件特征,对待验工件与模板工件进行匹配。本文主要针对常用于油田开采设备上的组装零件的筛选工作,并结合视觉算法进行展开,本文的主要内容如下:(1)根据工业环境,搭建了以工控机、图像采集卡、激光发射器及CCD摄像机为基础的视觉系统的硬件平台,采用了主要由VS2010软件平台和OpenCV计算机视觉开源数据库组成的软件系统。对摄像机与结构光进行了标定,并对标定精度做出误差分析,结果表明标定精度高,达到工业要求。选取了工件轮廓作为工件的主要特征,并用适合工业环境的线结构光进行提取。保证了特征的独特性,也使得特征的提取工作有针对性地进行,使得后续的三维测量工作能够有的放矢。(2)选取了多个较小且形状多样的工件,作为检验三维测量的精确度,以及分析匹配结果进而选取合适匹配策略的实验工件。对采集到的工件结构光图像进行图像处理,为了滤除图像分割后仍存在的杂波,采用改进的中值滤波算法,对经过图像处理工作后的图像进行自适应算子中值滤波。采用了一种适用于本文的自动感兴趣区域提取方法,将要处理结构光区域当作ROI区域,再利用改进的质心法提取ROI区域的结构光中心线。使用提取后的结构光中心线进行轮廓点提取,再利用结构光标定的数据恢复待验工件轮廓点和工件的三维信息,并对测量结果进行误差分析。(3)画出实际工件的CAD图,从CAD工件图中导出模板工件dxf格式文件中的轮廓数据。并针对工业要求,选择了快速、准确且适合工件轮廓特征的匹配策略。其中包括对待验工件与实际工件的轮廓Hu矩和轮廓面积进行匹配,建立Hu矩匹配程度的map,将Hu矩匹配程度从小到大排列,再用轮廓面积的匹配程度对排列结果进行筛选。最后给出并分析了实验结果。(4)选取了20个常用于油田开采设备上的组装零件建立工件库。针对立体工件的三维测量与识别,本文搭建了基于视觉的工件识别系统软件平台。给出工件库中工件的CAD图,以及利用本文改进的中值滤波法和质心法提取工件库中工件的轮廓参数后,结合结构光标定参数恢复得到的立体工件三维轮廓图。最后选取100个工件对该系统软件平台进行准确率测试,结果显示,准确率达到100%。