数控机床为机械制造业的工业母机。作为反映其制造水平的关键指标,机床精度的定期空载检验对于机床增值至关重要。机床精度分为静态精度和动态精度,仅检定机床静态精度不足以反映机床的真实加工状态,还需对动态精度进行测量。对于变曲率复杂零件的高质高效加工,机床执行能力不足极易产生运行轨迹的轮廓误差,成为影响机床动态精度的主要来源。因此,研究相应轮廓误差的测试方法对于提升数控机床精度意义重大。本文针对现有轮廓误差检测设备在测量精度、速度、范围、轨迹形式等方面的局限,旨在探索视觉测量技术在机床轮廓误差检测中的应用潜力,拓展视觉测试速度和范围等性能指标,提出基于视觉的机床轮廓误差测量方法。从视觉测量中景深畸变行为的精确表征、机床运动图像的高质量采集、标识图像的高效处理三方面出发,研究高精度视觉测量方法;研究视觉高时空测量方法,拓展视觉系统的应用范围。最后,构建了4套视觉测试系统,对以上关键技术进行应用和验证。具体研究内容如下:(1)数控机床的多维动态运动轨迹测量对视觉镜头的景深提出了更高的要求。在近景成像参数下,轨迹图像的畸变大,严重影响了轮廓误差的检测精度。为此,开展了景深畸变分区校准与相机标定方法研究。首先,针对畸变局部收敛的问题,建立了基于直线构象的畸变独立求解与校准模型。其次,提出了基于角点控制的线上点链接以及片段拼组方法,并在小靶面大物距和大靶面小物距成像的参数配置下,揭示了景深图像的失真特性。进而,提出了二维物距平面畸变和三维景深畸变的等半径分区方法。与此同时,为了满足实测中镜头(变焦环和对焦环)不可触碰调整的应用需求,构建了不依赖于对焦状态的景深畸变模型。将畸变分区方法和景深畸变模型融合后蕴含在相机标定中,最终实现了景深畸变的精细表征和相机的高精度标定。搭建了景深畸变实验系统,开展了畸变校准与相机标定实验,对比结果表明:分区校准与标定方法的精度较未分区方法提高了 2倍以上。(2)轮廓误差测试现场的光照时变且分布不均匀,难以获取机床运动的连续清晰图像。此外,采集的序列图像中含有大量的特征,准确匹配为多像片间同名特征对应关系的确定带来了挑战。针对以上问题,研究了机床运动图像的高质量采集方法和标识图像的快速准确处理方法。在图像采集方面,分析了物像光能的传递模型,选取了具有不同光学特性的4种圆形标识,揭示了标识在各自适宜照明下的成像规律,并对比了各标识的成像品质。据此,提出了基于光刻标识与匀亮照明的机床运动图像特征强化方法,形成了3套测量工装和5种合作靶标,以适应不同应用场合。其中,配备短时匀亮照明的大尺寸测量工装,抑制了标识的运动模糊,满足了动态宽范围轮廓误差的测量需求。图像采集实验表明:标识成像区域灰度均匀(标准差为0.54像素)、亮度强(232.3)、对比度高(81.27%)、边缘锐利(边缘灰度梯度为55.5),验证了强化标识成像的高品质,为高精度定位提供了先决条件。在后续图像处理中,首先,提出了基于移位循环的标识图像处理方法。随后,针对其在编码和解码效率方面的不足,提出了基于最多零位起始以及基于找寻标记位的标识高效编码和准确解码方法。左右相机各自采集了 1200张图像,平均单张图像含36个编码标识,对双目图像中的86400多个标识进行解码,三种方法的解码成功率为100%。此外,后两种方法的解码效率明显优于移位循环方法,验证了标识图像处理方法的效率和准确性。(3)针对视觉方法测量速度和测量范围两者难以同步提升的问题,在分析恒定带宽下成像参数间制约关系的基础上,提出了基于误差分配的轮廓误差视觉高时空测量方法。在测量速度方面,提出了基于同步缩减相机分辨率和视场的测试速度提升方法。在宽范围测量方面,针对小视场所致的参考基元在图像中不可见的问题,采用一个标识作为参考基元表征整个运动轨迹,研究了基于先验几何约束的宽范围轮廓测量方法,并将该思想应用于单目远心视觉、双目三维视觉和单目三维视觉测量理论,构建了系列宽范围轮廓推算模型,间接提升了视觉系统的空间分辨率。最后,提出了基于机床正交辅助运动的基准转换方法,获得了机床坐标系下的测量数据,与名义轨迹比较后,完成了轮廓误差的测量。根据本文提出的方法,采样帧频从33 fys提升到了 590 fps,测量范围从85 mm×85 mm 提升到了 231 mm×231 mm。以上述关键技术为基础,搭建了4套数控机床轮廓误差的视觉测试系统,各自对机床运行的小范围等角螺旋线轨迹、宽范围蝴蝶轨迹、宽范围等角螺旋线轨迹和宽范围空间轨迹的轮廓误差展开测量。实验结果表明:视觉检测误差小于待检误差(轮廓误差)的1/3,表明了视觉测量轮廓误差的有效性和精度。研究工作为机床动态精度的提升提供了重要参考。