钢铁制造各工序技术水平的发展关系到我国工业现代化和制造智能化的进程。在传统的炼钢作业测温取样工艺中,需要人工周期性对测温枪套接取样器,并且回收测温完成后燃烧的取样器送检。由于该工艺危险系数较高,急需构建面向测温取样工艺的机器人自动化作业系统代替人工作业。本文主要围绕炼钢作业中的测温取样任务,通过搭建视觉系统,研究复杂环境光下如何对取样器端面退化图像进行增强处理,继而通过基于线段和弧线段检测器的特征提取算法对物料仓架上的取样器和固定在链式传动机构上的测温枪进行检测和定位,再对取样器的抓取位进行视觉测量,设计了面向测温取样工艺的视觉检测和定位方法。本文的主要研究内容如下:1.在测温取样任务中,取样器为圆管状结构,其端面图像受到复杂背景光干扰会导致成像图像退化出现特征不明显、缺损或者伪特征的情况,本文提出了基于灰度直方图关键点约束的同态滤波图像增强方法。该方法首先对图像光照反射模型进行建模,在灰度直方图中选取合适的关键点,计算其灰度区间像素比率值作为控制矩阵参数,用于控制频域滤波器的形式,以自适应于不同光照条件下的图像增强。该方法对低照度图像拉伸对比度同时提升亮度,对高照度图像采用低通滤波器抑制高频信号,减小高光照条件下引入的伪轮廓对目标识别的影响。2.在目标特征检测和定位中,由于取样器加工精度限制及测温枪接触钢液导致特征变形或不明显,使得传统特征提取算法效果较差甚至失效,本文设计一种基于局部特征聚类拟合的自底向上特征提取方法,结合线段检测器、弧线段检测器及局部特征窗口进行识别和定位。首先通过对目标的基础线段特征、弧线段特征以及局部特征模板进行提取,同时根据已有算法的缺陷进行约束和改进,再通过设计特定的轮廓提取策略进行聚类和拟合获得目标的定位信息。该方法较传统工业视觉的特征提取算法具有更高的精度和鲁棒性,为机器人作业提供了更精确的信息。3.针对上述提出的视觉检测和定位方法进行了实验验证。首先对实验室环境不同强度光照和实验现场不同曝光参数下的取样器端面图像进行图像增强算法的有效性验证,随后采用光电传感器对取样器末端面定位结果进行精度测试,同时与其它算法结果进行对比实验,最后设计实验测量取样器抓取位的测量精度以及采用激光跟踪仪测量测温枪的定位精度。综上所述,针对炼钢作业测温取样工艺,本文提出了一种处理复杂光照条件下目标视觉检测和定位的方法,在没有人为干预的情况下,能够有效完成对取样器和测温枪的识别和定位任务,最终与工业机器人进行配合实现自动化作业,同时验证了本文提出的方法在实际工业现场作业的有效性。