机器视觉技术近年来得到快速的发展,目前广泛应用于工业生产领域,如轮毂的非接触测量、在线定位识别等。轮毂定位识别系统是基于机器视觉技术完成轮毂信息提取的功能整体,其优势在于:可以实时地得知轮毂在图像平面中的位置,同时识别出轮毂的型号。本文将图像处理技术和机器视觉技术结合完成不同类型轮毂的定位与识别,对定位和识别的方法进行优化,提高了轮毂定位和识别的效率和准确率。研究工作具有一定的理论意义和工程应用价值。论文主要工作与结论如下:(1)轮毂定位方法研究:先确定轮毂定位要提取轮毂的轮廓圆与关键点的信息,采用霍夫梯度法完成对轮毂外轮廓圆的提取,接着用简化降维后的SIFT特征点匹配定位方法求出待检测定位轮毂与模板轮毂的空间变换矩阵,根据空间变换矩阵计算出轮毂关键点的坐标。实验结果表明,这种方法有效地克服了光照不均给定位带来的影响,对平移旋转和部分缺失也有较强的鲁棒性。(2)轮毂识别方法研究:共采集七种不同类型的轮毂图片,先对轮毂图片进行预处理,包括图像去噪、图像分割、形态学处理和边缘检测,在预处理的基础上完成对轮毂特征值的提取,如轮毂半径、孔洞特征、轮辐特征和不变量特征等;接着采用串行、并行和加权融合三种方法对轮毂特征值进行融合,并设置权重使不同特征值在加权最终值所占得比例不同来提高轮毂的分类精度;最后采用模板匹配、最近邻分类法和设置阈值法对三种融合后的轮毂特征值进行识别,并取少量样本作出三种分类模型的ROC曲线。识别结果表明,改进后的加权融合方法比串行和并行融合的识别准确率高,识别准确率达99%。根据ROC曲线,设置阈值法的分类模型最优。(3)完成轮毂定位识别系统的构建:先完成轮毂定位识别系统硬件的选型,包括计算机、工业相机和光源等。接着用HALCON机器视觉软件平台与Visual Studio 2017混合编程完成对轮毂定位识别系统软件的设计开发,将构建好的系统对输入的轮毂图像进行定位识别。经过验证,该系统可以满足轮毂的定位和识别要求。综上所述,本文对轮毂定位识别方法进行了研究,对轮毂图像中的定位和型号识别展开了深入的探讨,提出了鲁棒性强、精度高的轮毂定位方法和准确率高的轮毂识别方法,并建立了轮毂定位识别系统,完成了轮毂图像的智能化定位与识别。