目前汽车卡钳主要依靠手工打磨,存在打磨效率低、工人劳动环境差、打磨质量依靠工人经验等问题,采用机器人对汽车卡钳毛刺进行打磨可以很好地解决这些问题。为了能够自动规划汽车卡钳的机器人打磨路径,需要知道毛刺的打磨区域和其位置信息。传统的毛刺测量方法为手动测量,存在测量效率低、对毛刺和测量工具造成磨损等问题。采用视觉对汽车卡钳毛刺加工区域进行检测和定位,属于非接触测量,既可以提高效率,又不会对毛刺区域造成损坏。因此本文对卡钳毛刺加工区域检测和定位的视觉算法进行研究,主要包括以下几个方面。1)通过实验对比不同的图像平滑算法的效果,发现基于图像梯度信息的自适应滤波可以对卡钳图像的边缘进行锐化,同时对轮廓内部区域有很好的平滑效果;研究不同的阈值分割算法,发现局部自适应阈值分割算法和基于K-means聚类分割算法可以很好地应对卡钳光照不均匀图像的分割;针对卡钳阈值分割后存在大量反光区域,提出基于轮廓跟踪的反光区域查找算法,并对反光区域进行填充,实验证明该方法可以得到卡钳完整的二值图像。2)将打磨好卡钳模板的去除反光区域的二值图像1和未打磨工件的二值图像2相减得到毛刺加工区域的二值图,然后对二值图像进行轮廓查找和计算轮廓的质心位置;研究整像素边缘检测算法和改进算法对卡钳中心矩形边缘检测的效果,发现改进的Canny算法可以很好地检测出单一边缘;研究亚像素边缘细分算法,针对Zernike矩的图像亚像素定位中阈值K的选择进行改进,选择结合Canny的Zernike矩的图像亚像素定位,实验表明该方法可以准确获得卡钳图像单一的亚像素边缘;研究hough变换直线检测和最小二乘直线拟合算法,首先使用累积概率霍夫变换对矩形边线进行检测,然后对检测到的直线进行亚像素定位,最后对获得的亚像素边缘点执行最小二乘拟合,得到中心矩形的亚像素边缘。3)根据实验需要选择合适的相机、光源和镜头来采集卡钳图片;阐述相机的成像原理和产生畸变的原因,采用张正友标定法对相机进行畸变矫正,然后对畸变矫正后的图片进行线性标定;最后在VisualStudio环境中进行卡钳中心矩形检测和毛刺加工区域检测实验,实验结果表明本文算法可以检测出卡钳毛刺加工区域和机器人抓取的中心矩形的亚像素边缘。本文研究采用视觉技术检测卡钳毛刺打磨区域和卡钳中心矩形区域,得到毛刺打磨区域信息和毛刺相对中心矩形位置信息的方法,进而指导机器人实现卡钳打磨的离线编程。