曲面反求重建是一种先进制造技术的重要手段,能够对已有的实体模型进行数字化反求,以便于对模型进行再修改和再设计。对实体模型进行数字化反求检测的方法有很多,而机器视觉检测是其中一种非常有效和常见的检测方法。随着计算机图像处理技术的快速发展,机器视觉被广泛应用于工业、农业、医疗、汽车和航空航天等各种不同的领域,机器视觉的核心算法是国内外学者研究的热点。使用机器视觉对物体表面进行三维曲面检测是一种可靠有效的检测手段。因此,研究基于机器视觉的曲面反求的关键算法与技术对提高我国的智能制造技术具有重要的意义。本文研究的重点是基于机器视觉的曲面反求重建关键算法。本文研究对象的表面三维点云数据是使用机器视觉中的双目立体视觉来获得的。着重研究了“三维点云数据的获取”、“三维点云的配准”和“三维点云的曲面拟合”三项曲面反求重建关键技术。同时,本文阐述了曲面反求重建整体技术流程,研究此过程中涉及的理论技术与原理,并在现有的理论技术上进行优化创新。本文的主要研究内容如下:(1)提出了一种基于机器视觉快速获取低噪点三维点云数据的方法。阐述了双目立体视觉获取物体表面三维点云的基本原理。这种方法包括图像的预处理操作、自适应最小匹配区域的实现、匹配图像的背景处理和视差的处理。影响三维点云获取效率主要因素是通过立体匹配计算视差的过程。而匹配图片的大小以及立体匹配参数则是影响立体匹配效率的主要因素。为了获得被测物体更多的表面细节,一般都需要使用高分辨率的相机,同时获得图片的数据量也非常大,直接进行立体匹配将消耗非常多的时间。为了解决图片质量与立体匹配效率的矛盾,提出了一种自适应最小匹配区域的方法,只对物体所在图像区域进行立体匹配。为了验证这种方法的效率,设计了效率对比试验,对三个不同大小的对象分别统计使用本文方法的耗时和不使用的耗时,耗时分别为不使用本文方法耗时的17.2%、26.3%和53.9%。立体匹配过程中误匹配是产生噪点的主要因素,所以减少误匹配是获得低噪点的三维点云的关键。本文对待匹配图像的背景进行处理,采用物体所在区域保持不变的方式来减小误匹配,并对得到的视差根据左右相机的视野差异进行适当的处理,得到的三维点云的噪点非常少。本文方法能够在保证点云质量的情况下减少运算时间,为后续的点云配准和曲面反求创造了良好的条件。(2)提出了能够提高点云配准效果和效率的滤波参数设定的方法。阐述了点云配准的基本原理以及点云配准前处理的必要性。影响点云配准效果的主要因素是两片点云的相似性。相似性越高,意味着共有的区域和特征占比越大,所以配准效果越好。但同时获取点云的次数和配准次数也随之增多,从而大大地降低了配准的效率和增加了配准的难度。为了解决这个矛盾,本文对前后两次获得的点云使用直通滤波算法大致地去除非共有区域,通过这种方式在保证获取的点云次数不变的情况下提高了共有区域的占比从而提高配准效果和配准效率。(3)提出了一种多片点云拼接的方法。点云拼接的效果取决于点云配准结果以及拼接方式。点云配准难免会存在误差,如果按固定方向顺序依次将点云通过配准结果矩阵连乘的方式统一到基准点云的坐标系下,会因为配准误差的积累而导致拼接错位。本文为了减少矩阵连乘的次数,采用在基准点云两侧进行双向拼接。结果表明,该方法能够取得更好的拼接效果。(4)对曲面拟合的几种方法进行阐述并对这几种方法的拟合效果进行对比。从结果中可以看出本文获得的三维点云数据使用泊松曲面拟合算法拟合出的曲面能够准确地反映出物体的形状特征,为物体的曲面反求重建提供了一种可行的手段。