随着汽车的普及,汽车轮毂的需求量也随之增加,同时呈现出多样化的特点。在多品种、小批量的轮毂混流生产中,传统的人工识别方式存在着工人疲劳、识别效率低等缺点,同时生产自动化的需求在不断提高,因此将机器视觉技术应用到轮毂的自动化生产中,由机器代替人工进行识别,对生产成本的降低和生产效率的提高有着重要的意义。针对传统的人工识别与图像识别存在的问题,本文研究了通过三维点云处理技术对轮毂型号进行在线识别的方法,具体内容如下:首先,根据轮毂毛坯的构型特点及输送形式,分析了三维点云识别相对于图像识别的优势所在,提出了实现轮毂型号在线识别的系统方案及其组成,分析了系统的工作流程。其次,针对轮毂点云数据量大、存在多种噪点的问题,分析了噪点产生的原因及特点,研究了轮毂点云的下采样算法及滤波算法。提出了基于深度特征的自适应分割算法,实现了轮毂点云毛刺的去除。研究了轮毂直径、宽度、旋转周期、幅窗数和轮辐形状的特征提取算法,在特征提取过程中对轮毂放置的倾斜性及运动波动性进行判断,决定轮毂点云数据是否可用。根据轮辐的旋转周期及幅窗数,将轮毂划分到不同的搜索空间,通过SVM分类算法和形状上下文匹配算法,实现了轮毂型号的自动识别。最后,利用基于C++语言的MFC库、点云PCL函数库以及OpenCV函数库开发了轮毂型号在线识别系统,以线激光传感器、光电传感器、单片机等硬件搭建了实验平台,对特征提取的精度、系统的识别准确度和识别效率进行测试,实验结果均满足识别要求,验证了本文方法的可行性。