随着机器人技术、计算机、图像处理及模式识别等技术的快速发展,基于视觉的工业机器人得到了越来越广泛的应用。其中,机器视觉是工业机器人获知周围环境信息的重要手段,能够增强工业机器人的自主能力和灵活性。在汽车生产线上,传统的车身焊点质量检测采用的是技术人员通过人工抽样方式,手持检测设备对焊点质量进行检测,这种方法效率低,严重影响汽车产能。针对上述问题,急需开发一套基于机器视觉的白车身焊点质量检测机器人系统,本文针对该系统的视觉定位算法进行研究,主要工作内容如下：首先,根据白车身焊点质量检测机器人系统的工作原理和技术要求,设计了该系统的整体方案。选用日本安川公司的MOTOMAN-MH12型机器人作为工业机器人本体,以Smartek GC1392C工业摄像机和研华工控机为机器视觉硬件主体,构建机器人系统软件框架,搭建了整个白车身焊点质量检测机器人系统平台。其次,为了改善CCD摄像机拍摄的车身焊点图像,对所拍摄的图像进行了图像预处理,主要包括图像的灰度化、中值滤波和图像锐化。接着,提取焊点的边缘特征,分析对比几种经典的边缘检测算子,发现小波极大值边缘检测算子以其更优越的检测效果而获得采用。然后,利用随机Hough变换(RHT)算法实现圆弧的检测,识别了图像上车身焊点的中心位置之后,为了实现车身焊点在线智能识别分类,先提取车身焊点的图像特征。通过分析焊点的图像特征,并根据实际项目情况,决定采用灰度共生矩阵(GLCM)特征参数来描述焊点的图像特征。针对车身焊点识别,在传统的支持向量机(SVM)的基础上,采用基于粒子群优化的模糊核聚类P-KFCM及SVM算法设计车身焊点分类器,成功实现了车身焊点与圆孔等其他干扰因素的区分。实验结果表明该方法能有效地识别出车身焊点。最后,对安川MH-12型机器人及其数学模型、手眼成像模型和相关坐标之间转换进行了理论分析。以此为基础,利用白车身焊点质量检测机器人系统平台在Windows系统上的VC++6.0软件环境和OpenCV图像函数库等软件进行相关实验,计算出图像中焊点中心坐标位置与机械手末端夹持的焊点质量检测设备超声波探头在机器人基坐标系中的相对位置,应用所提出的车身焊点识别与定位算法,在车身焊点质量检测机器人系统平台实现了车身焊点的实时在线定位实验。