在人工智能时代,机械制造业对零件测量技术提出了更高的要求。轴作为机械结构中的重要零件,利用机器视觉技术对其实现高效、高精度的轴径测量,于机械制造业的智能化有十分积极的作用。在轴径的线结构光视觉测量中,具有光滑表面的轴受其反射特性的影响,常出现光条图像质量差而严重影响测量精度的问题。为解决这种问题,本文提出了一种基于Lambert漫反射模型的光条图像增强算法,实验证明该法可有效提升光滑轴的测量精度。首先,本文分析了线性成像模型与非线性成像模型的区别与联系,并选用张正友的两步法标定相机参数。此外,还具体介绍了轴径的视觉测量中,本文所使用的光平面标定技术、回转轴线标定技术以及轴径拟合算法。其次,建立了轴径测量的世界坐标系,并介绍了常见的三种光条中心点检测方法。在此基础上,利用不同的中心点检测算法分别检测不同质量的光条图像,对其检测精度进行评价,证明了光条图像质量对轴径测量精度会产生重要影响。再次,以Lambert漫反射模型作为轴的理想反射模型,分析了入射光强与图像灰度之间的关系。通过对光源点、反射点和相机的世界坐标求解,建立了轴表面的光反射模型,确定了用理论灰度值代替真实灰度值的准则。按照替换准则,提出一种光条图像质量的增强算法。最后,搭建实验平台并设计实验流程以验证增强算法。对比轴的实际尺寸和光条图像增强前后的视觉测量结果,证明本文算法可提升光滑轴的轴径测量精度,并且还分析了影响轴径视觉测量精度的其他因素。对于工程中一些光滑轴的视觉测量,本文的研究内容有一定的价值。