基于机器视觉的二维复杂平面尺寸测量中。边缘角点包含丰富的图像目标特征信息，其检测精度对后续图像分析及参数计算精度有着至关重要的影响。本文提出了一种边缘轮廓角点的高精度定位方法，该方法先利用角点处的曲率变化及相邻两角点线段与x轴正向的夹角变化，初步确定角点的位置坐标，然后利用优化方法去除伪角点，以实现对真实角点的高精度定位。研究表明，该方法便捷、高效，在服装衣片的样片边缘测量中取得了理想的结果。

针对人工包装USB组件效率低和分装错误率高的问题,开发一套集识别、选择和分选于一体的智能分拣系统。提出一种改进的分拣算法,利用边缘曲线等价方法确定工件形状,通过多目标形心图像区域分割快算方法确定各组件中心,采用Harris角点检测算法获取旋转角度。构建分选识别相机和旋转纠偏相机相结合的双目视觉智慧分选和包装模式。结果表明:最大旋转角度误差为0.75°,最大质心偏差为0.68 mm,测试成功率达99.5%以上,所构建的智能分拣系统对USB组件不同摆放位置模板匹配的误差和抓取误判率均满足设计要求。研究结果为智能化设备研究提供了参考。

目标部分遮挡或缺失是计算机视觉应用到制造业中经常遇到的问题。对现实生产中工件间遮挡的图像匹配问题进行研究,提出了小波变换和Shi-Tomasi角点检测相结合的算法。对小波分解后的低频图像进行特征点提取,舍弃图像的高频成分,有效降低噪声对图像的影响。选用常见的法兰盘作为实验对象,在多种环境下验证文中算法的可行性,最后用RANSAC算法消除误匹配。匹配结果表明,该算法不仅可以减少遮挡工件匹配的计算量,去除伪角点,加快识别速度,而且在噪声干扰、旋转、尺度变化等条件下也有较好的匹配效果。