车身漆膜质量的优劣是评价汽车美观及制造质量好坏的一个重要指标，由于漆膜缺陷严重影响消费者对汽车购买的满意度，故车身漆膜质量对公司效益具有一定影响。车身漆膜质量的检测与评价传统上常采用人工检测的方法，在此种情况下需检测员反复调整被检测件的角度进行观察，或者是抚摸被检测件局部漆膜表面，以确定是否存在漆膜缺陷，导致车身漆膜缺陷检测工作效率低下、检测难度大，另外，由于检测人员技术水平参差不齐，很可能在漆膜缺陷检测过程中受到客观或主观因素的影响。本文研究的车身漆膜缺陷检测方法基于车身漆膜表面对线结构光的反射原理，通过摄像机采集反射线结构光光条的特征图像，然后按照线条特征进行识别分类。此种检测方法属于计算机视觉和智能识别的一个部分，具有非接触、大视场、准确度高、实时性强以及主动受控的特点，利用线结构光对检测目标表面进行扫描，可以达到完整检测车身漆膜表面的目的，因此，本方法在车身漆膜缺陷在线检测领域具有较大应用潜力。本文主要是针对具有三维特征变化的缺陷检测进行探究，各章节对相关漆膜缺陷检测方法的关键技术进行了深入研究及验证。在结构光中心线提取方面，主要采用形态学细化算法和灰度极值法相结合，在保证结构光中心线外形信息的前提下，将误差控制在一定范围之内，并且结构光中心线提取速度有了大幅度提高，为适应在线检测的速度要求奠定基础。在形态学细化算法图像前处理方面，本文采用光条检测边缘缺失像素点合理弥补的方法，保证反射线结构光光条信息的完整性；另外通过边缘检测特征图像灰度值再处理的方式，增大线结构光光条区域与背景区域的对比度，基于以上两个方面的图像再处理，实现结构光中心线的自动阈值提取，避免不同图像因外界因素对中心线提取精度造成的影响。为了利用结构光中心线的二维图像特征，建立与车身漆膜三维缺陷特征之间的关系，需要对结构光中心线缺陷区域的图像特征进行归纳分析。本文基于斜率法对缺陷区域特征与圆弧特征进行对比分析，验证本文漆膜缺陷识别方法的可行性，最终针对结构光中心线的凸、凹特征，开发基于像素跟踪的方向代码法为主、斜率法为辅的漆膜缺陷区域提取算法，可以快速、准确的对缺陷区域图像坐标进行提取。为识别结构光中心线的断裂特征，本文基于线结构光光条检测边缘修正后的连续性特征，对单像素结构光中心线进行相邻像素点距离分析，并设定距离阈值对断裂缺陷进行判定。完成缺陷区域图像坐标提取之后，需进一步确定提取区域二维图像特征与车身漆膜三维缺陷特征之间的关系，本文采用散点圆拟合的方法对缺陷区域图像坐标进行拟合，然后通过相邻结构光中心线圆拟合特征或断裂特征的组合方式确定缺陷类型。本文通过针对特定类型的车身漆膜缺陷检测实验，验证缺陷检测方法在漆膜缺陷识别方面具有较好的效果，但是与汽车车身漆膜缺陷在线检测的高精度要求仍有一定距离，需要从实验硬件和软件两个方面作一步的优化。