随着计算机辅助设计(Computer Aided Design, CAD)技术的迅速发展和人们对工业产品性能、外观等要求的不断提高,工业产品的设计越来越复杂,工件制造加工的难度也越来越大,如何评价分析工件的制造质量变得越来越重要。工件的制造误差分析是对其制造工艺评价和改进的重要环节。工业计算机断层成像(Computed Tomography, CT)技术是一种先进的无损检测技术,能够非接触、不破坏地检测工件内部结构和缺陷,在航天、航空、国防军工、铁路运输、机械制造等领域获得广泛应用。本文研究基于边缘检测的工业CT图像与CAD模型进行比对检测,从而分析工件制造误差的方法。为了实现二维工业CT图像与CAD图的比对,将CAD图通过CAD软件转换为BMP位图文件,并通过Facet模型提取工业CT图像的亚像素边缘。首先通过最小包围矩形确定缩放参数,再结合二者的质心和主方向确定旋转、平移参数实现粗配准,然后用奇异值分解-迭代最近点算法进行精配准。最后通过配准参数将CAD数据变换到工业CT图像原图上,在二者的误差处用彩色填充以便直观地显示误差。为了实现三维工业CT图像与CAD模型的配准,需要得到两个待配准特征点集。CAD模型采用STL格式,并将其网格进行细分后取三角网格的顶点作为待配准特征点集。对于工业CT图像,通过提取边缘面作为其特征点集。首先将工业CT体数据沿3个互相垂直的方向划分切片序列,然后对每个切片序列的切片图像逐个采用模板自适应细胞神经网络(Cell Neural Networks, CNN)提取边缘,重组得到对应方向的边缘体数据。最后将3个方向的边缘体数据按位或运算融合得到工件完整的边缘面体数据。从实验结果可以看出,本文方法能够快速地提取出三维工业CT体数据较为完整、真实的边缘面。由于三维工业CT图像与CAD模型之间存在较大的平移和旋转错位时,精配准的速度将非常缓慢,而且常导致精配准陷入局部收敛得到错误的匹配结果。因此本文首先结合主成分分析和最小包围盒的思想将边缘面数据与CAD模型实现粗配准。经过粗配准之后,再用奇异值分解-迭代最近点算法进行精配准,其中最近点对的求取用k-d树进行加速。最后,计算每一点对之间的距离,从而对制造误差进行分析,并用彩色云图直观地显示误差分布。实验结果表明,文中的方法能够实现工件的比对检测,自动化程度高、能直观显示误差分布且精度高。通过改进工业CT图像与CAD模型的比对检测方法,可将工业CT技术用于制造工艺分析与改进中。