基于单目视觉的三维扫描测量技术具有测量精度高、动态响应快、效率高和分辨率高等优点,近年来,被广泛应用于产品快速设计、产品质量检测、安全控制以及物体识别等诸多领域。然而,国内大多数钢铁企业的钢卷包装质量检测仍处于以人工检测为主的状态,因此,开展基于单目视觉的钢卷捆带自动识别方法研究具有重要的技术价值和广阔的应用前景。本文针对钢卷包装人工质量检测效率低的问题,提出一种基于CCD/结构光的钢卷捆带自动识别方法,该方法基于单目视觉的三维扫描测量技术,主要通过激光发射器、光源、CCD工业相机和计算机等装置,构建基于单目视觉的三维扫描测量平台,自动识别钢卷捆带,完成钢卷包装的质量检测。该方法与传统的人工质量检测方法相比,具有安全高效、分辨率高和测量精确高等特点。本文的研究工作主要包括:1.针对本文采用的基于CCD/结构光的钢卷捆带自动识别方法,阐述了其研究背景及意义,总结了国内外结构光测量技术、结构光条纹中心线提取技术和基于视觉的三维重建技术的研究现状,总结了基于单目视觉的三维扫描测量技术在自动识别钢卷捆带、完成钢卷包装的质量检测中所存在的问题,提出了本课题的研究内容和总体解决方案。2.针对工业相机采集的图像存在畸变问题,研究了相机模型和相机标定的相关算法,并采用经典的“张正友标定法”对CCD相机进行标定,得到相机的内外参数,然后根据这些参数对采集的图像的畸变问题进行校正。3.针对传统结构光条纹中心线提取算法计算量大、运算速度慢等问题,对比分析了结构光条纹中心线提取的各种算法的优劣,其中“Zhang-Suen细化算法”操作简单,Steger算法具有良好的鲁棒性,精度高,这两种算法特点比较突出,优先考虑这两种算法对图像进行结构光条纹中心线提取。经过综合对比后选取了Steger算法,并针对其运算量大的问题进行改进,最后采用改进后的Steger算法对图像进行了结构光条纹中心线提取。改进后的Steger算法不仅具有Steger算法精度高和鲁棒性好的特点,处理一帧分辨率为2001024?pixelpixel的图像,用时为761.8 ms,能够满足钢卷捆带自动识别的实时性、高精度要求。4.针对钢铁厂钢卷捆带检测的特点,分析并比较了图像特征提取与匹配的各种算法的优劣,并结合本课题运用相关算法进行了实验与分析。对本课题前期处理后的图像进行特征提取与匹配,并对几种经典的特征提取与匹配算法进行比较与分析。最终选用ORB算法对图像进行特征提取与匹配,该算法在保证可重复性和抗噪性的同时,提高了检测速度,可用于实时系统进行特征提取。5.基于本文研究的相机标定算法、结构光条纹中心线提取算法和图像特征提取与匹配算法,设计了基于CCD/结构光的钢卷捆带自动识别与三维重建的实验。通过测试,验证了相关算法的可靠性与实时性。