曳引式电梯在人们日常生活中具有广泛的使用,曳引轮通过内部绳槽与曳引绳之间的摩擦力为曳引机提供动力。曳引轮在使用过程中将逐渐发生磨损,导致曳引系统发生故障,给电梯的安全运行带来隐患。当前对于曳引轮磨损情况的检测主要是采用定性分析,无法实现定量精确检测。本文研究了曳引轮绳槽结构的特点,通过机器视觉技术,研究曳引轮槽磨损量非接触式测量方法。本文首先调研了大量电梯曳引轮常用槽型,分析曳引轮槽两种失效形式,并从国家标准和电梯曳引轮日常检验维护经验两个方面,总结曳引轮磨损定量检测标准。基于曳引轮槽轮廓结构,构建基于机器视觉的曳引轮磨损检测方案,提出一种非接触式定量曳引轮绳槽磨损检测方法。根据实际检测环境以及被测目标特征,完成曳引轮视觉检测系统的硬件选型与设计,并对软件工作流程进行了详细分析。以五槽型曳引轮为检测对象,为了尽可能减少相机自身以及外界因素对成像质量的影响,本文对于获取的图像进行增强处理,通过频率域滤波去除成像噪声,再通过拉普拉斯算子进行边缘增强,突出弱光照环境下的边缘信息,避免后续目标槽匹配以及特征点检测误差。在成像模糊、光照不均匀的情况下,匹配算法仍具有较高的准确度。相机获取的曳引轮槽图像受光照影响较大,由于曳引轮槽内部纹理结构复杂,会出现光照不均匀、多处暗斑、边缘过渡不明显等现象,本文通过光照强度分析,论证曳引轮所处的环境不适合形态学轮廓处理,并最终采用特征点检测的方法突出轮廓边界。通过构建钢丝绳纹理特征,并加权融合,去除冗余特征点,只保留轮槽边界特征点。通过边界特征点的曲线拟合分析,计算钢丝绳拐点,实现绳槽间距测量。本文基于系统方案构建物理模型,并从相机轴向距离、镜头光心与钢丝绳边缘距离、曳引轮槽遮挡误差三个方面探讨计算值与实际间距之间存在的误差,并对误差进行控制和补偿。本文采用高精度塞尺多次测量取均值的方法作为标准值,最终通过本文检测算法对绳槽间距测量,测量结果与标准值比较,相对误差在±0.93%以内,验证了本系统的可行性与实验精度。