在工业4.0革命的浪潮中,产品智能化是其核心内容之一。在产品精密测量方面,结合光电系统的图像检测方法已经取代人工检测,成为符合产品智能化的一个可行方案。精密测量通常将标准量放在待测对象所在坐标系下进行比照,标准坐标系转换为待测坐标系的研究就是本文需要解决的定标问题。不同坐标系之间的映射关系可以使用矩阵转换来处理。根据不同坐标系下的直线是否能保持平行关系,矩阵转换可分为刚性变换和投影变换来研究。为实现不同坐标系之间建立联系,本文提出了一种结合模板匹配和轮廓提取的方法来定位谐振腔的Mark点(定位孔)。由于谐振腔标准坐标系下的直线能够在待测坐标系下保持平行性,使用矩阵变换中的刚性变换模型就能够将标准待测组件坐标转换为当前组件坐标,完成谐振腔精确定位。刚性变换中的参数则由转换前后的定位孔坐标信息计算得到。经过重复性测试实验验证,谐振腔精确定位算法的误差精度和稳定性都较高。同样,钢网图像坐标系与标准设计坐标系之间映射关系的建立也需要使用矩阵变换。在钢网场景下,由于不同坐标系下的直线不能保持平行性,需要使用投影变换完成定标。根据钢网闭合图形的重心点纵坐标分布概率,采用参数自适应的DBSCAN聚类算法将具有一定密度的重心点分为同一簇。从特征簇中筛选特征点参与计算投影矩阵参数,最后完成配准。实验统计的误差数据表明该算法对具有缺陷性的钢网图像具有良好的适应性且大部分的误差均落在±48μm之内。对于超大尺寸的钢网图像,本文提出了一种不同的解决思路——基于二分树的配准算法,可以很好地应对大数据量带来的计算成本。二分树对闭合图形重心点坐标在不同维度上进行分割,将分割得到的节点作为特征点输入经简化后的随机采样一致性算法中,最后估计出最为合理的投影变换矩阵参数。经验证实验得到的数据分析,该算法具有很强的容错性和鲁棒性,能够胜任超大尺寸的钢网配准问题。