随着计算视觉技术的发展,工业零件表面质量的无接触自动检测的研究与应用受到了越来越多的关注。由于3D视觉传感器可以提供的更加丰富的物体表面结构数据和纹理数据,工业领域基于传统视觉的技术开始逐渐采用基于3D视觉传感器提供的检测数据,以满足更高准确率和更高精度的检测要求。本文通过与企业的合作,基于高性能的3D视觉传感器,设计并实现了可针对简单和复杂形状结构的工业零件的表面质量检测系统,并将它们应用于高铁摩擦片和石油管螺纹的质量检测。本文主要贡献如下:第一,针对具有简单形状结构的工业零件,本文提出了一套表面质量的检测方法,包括尺寸测量和缺陷检测。本方法可根据工业零件的几何特征有针对性的完成指定检测和测量指标。几何特性包括工业零件表面的简单轮廓、简单几何形状以及较为平整的表面。除此之外,本方法设计并实现了较为通用的算法,包括点云数据预处理、平面提取、有效点集提取算法等,便于有针对性的实现具备简单几何结构工业零件的表面质量检测任务,缩短了质量检测流程的开发周期。第二,针对形状结构较为复杂的工业零件,本文在其标准模型的基础上,提出了一套表面质量检测方法。设计并实现了一次人工标注、点云配准、搜索标注点集和特定的尺寸计算策略,通过在标准模型中对表面质量检测中的计算对象进行一次性的人工标注,然后利用点云配准与搜索标注点集完成扫描点云中待检测和测量部位的定位,最后根据特定的计算规则与待检测点云中已定位的计算对象完成质量检测。本方法简化了表面质量检测中计算对象的设计逻辑,所以对不同的检测需求具有一定的扩展性。第三,为验证本文方法的可行性与高效率,本文将所提方法应用于高铁摩擦片和石油管螺纹的表面质量检测任务。其中,高铁摩擦片因表面结构简单,故应用简单形状结构的工业零件表面质量的检测方法并成功实现了高铁摩擦片表面各参数检测;石油管螺纹因表面具有较为复杂的曲面螺旋结构,故应用复杂形状结构的工业零件表面质量检测方法并成功实现了石油管螺纹表面各参数的检测。实验结果表明,本文的工业零件表面质量的检测结果符合实际生产要求,而且缺陷检测的效率和准确率显著高于人工检测结果。