汽车行业作为一个自动化程度比较高的高科技行业,对产品的高精度检测提出了越来越高的要求,很多先进的自动化技术已经成功的运用到该行业各个生产流程中。机器视觉作为21世纪的新兴科技之一已经被广泛的应用于汽车生产制造的各个环节,例如汽车零部件的尺寸及外观质量检测,自动装配正确性的检测等。以前传统的检测方式耗费大量人力,而且容易受到工人情绪及自身技术水平的影响,不能保证很高的检验正确性。应用机器视觉系统能够大幅降低检验成本,提高检验正确性,加快生产速度和效率。本课题以发动机气门尺寸检测为研究对象,研究基于计算机视觉的气门多种尺寸的检测算法,提高检测精度以及检测效率。在本课题的检测系统中,用高速CCD提取气门图像,然后对图像进行中值滤波,对目标区域进行边缘检测,应用二次曲线拟合算法得出精确的亚像素边缘信息,将测得的左右边缘坐标差乘上像素当量并进行误差补偿,得到精确的尺寸值,最后在计算机上编程实现,并实际应用于生产实践。主要研究内容如下：1.根据气门尺寸的检测要求,在所采集的气门图像的基础上,研究各尺寸的检测算法。在研究象元平场校正、标准件测量定标、镜头畸变校正、多种边缘亚像素检测定位等算法基础上,进一步研究更高精度、更加稳定和更高速度的检测方法,实现零件图像的水平、垂直、斜向和圆弧等边缘的高精度检测。精确提取上述边缘,并建立其描述函数,用描述函数相交边缘的焦点位置确定某些特征点。2.在上下锥面尽可能宽的范围内定义锥面检测范围,在锥面定位检测设定中搜索与量规直径相同直径所在的轴向位置。在锥面定位检测设定范围内,拟合上下两条锥面线,求取与这两条直线相关的尺寸数据。3.扩展检测数据至20个尺寸数据,在原数据库中扩充其记录,按使用方便性修改数据库中各项的排列顺序。按照软件工程思想,对整个软件结构进行优化,将共用功能进行模块化设计。用软件编程,实现上述算法,实际应用于各种尺寸的精确检测。