本文的意义及主要任务

在机器视觉中，对于一些复杂曲面的特征点的提取，存在着一定的困难。于是我们在物体上贴一些圆点来作为标记点，圆点的边缘检测及圆心提取也就成了复杂曲面测量的一项重要技术。同时标记点的匹配及误差评判是检测后期处理过程中的重点。主要完成圆的边缘提取及圆心提取。通过光学扫描仪对物体的不同角度进行扫描，通过算法完成拼接，并对其进行误差分析。

本文在第一章将着重介绍机器视觉及逆向工程的一些基本概念以及发展现状。在第二章介绍标记点的边缘提取，列举了几种常用圆的边缘检测算法，并对其进行分析比较，得出在不同条件下各种算法的优缺点。圆心提取及标记点匹配将在第三章和第四章着重介绍，圆心提取主要提到了Hough变换法、最小二乘法以及重心检测法。标记点的匹配主要讲一种基于结构光测量的自适应快速重定位的匹配算法，这种算法具有较强的容错性，对各种噪声具有一定的鲁棒性，是一种快速识别和配准算法。在每章节后面对各种算法进行编程实现，比较其优缺点。

第三章主要针对各种图像分别应用常规Hough变换和随机Hough变换进行圆检测，并对数据进行对比分析。其中，由于常规Hough变换检测时间较稳定，对每幅图像只进行1到2次测试；随机采样导致随机Hough变换检测时间不稳定，对每幅图像进行3到5次重复测试。下面四幅图是对不同情况的圆在常规Hough变换与随机Hough变换后的性能比较。

根据实验结果，在一定条件下，重心检测的精度相对较高。重心法是一种比较传统的圆心检测算法，它要求对图象边缘的提取能达到多层，这样检测精度就会越准。但同时也增加了它的运算量，使其速度缓慢。我们在用重心检测法同时，要找到一个满足精度和速度要求的共同点。最小二乘法是通过园内不共线的三点检测圆，这样的算法则要求圆的形状要规范，要考虑图像数据输入时的误差程度，并且它需要对多组数据求平均值，这样又降低了精度。但只要对两个限制条件控制好，它的精度也可达到像素级。Hough变换每一种新的改进算法都有它独特的一面，同时也有它不足的一面。在本文中只选择改进的随机Hough变换与常规Hough变换进行对比研究，以期能对具体的目标圆检测实践有一定的指导意义。常规Hough变换检测耗时较长，但能稳定地实现检测，改进的随机Hough变换方法能较好的实现检测，并且耗时明显减少。