以柱类零件为代表的回转体零件,在机械制造等工业活动中有着广泛应用。尤其在自动化装配或复杂装配环境中,为实现精密装配、确保产品质量,对柱类零件的空间状态进行快速、精确检测具有重要需求。然而,柱类零件一般近无表面纹理,且以金属材质或复合材料为主,具有较高的反光特性等因素,均限制了柱类零件空间状态的精密测量。由于非接触、高速、高精度的优点,基于条纹投影的三维测量技术在人脸识别、工业检测、质量检验等方面得到了大量应用,成为近年来的研究热点。本文以高动态范围柱类零件的空间状态测量为研究对象,针对近无表面纹理特征、表面反光的测量难点,通过融合双目视觉和条纹投影测量轮廓术,提出自适应双目条纹投影方法,并对其关键技术进行了研究,重点解决了高精度相机标定问题、高动态范围条纹图像问题、条纹图像滤波问题、非完整点云圆柱拟合问题等。论文主要研究内容包括:(1)研究高鲁棒标定靶中心提取方法。标定靶中心提取是进行相机标定的基础,对圆特征标定靶图像的亚像素高精度分割、椭圆中心提取等进行了研究,基于模糊商空间理论提出了图像分割动态粒度矩阵空间模型,将图像分割问题描述为图像在不同粒度、不同层次上的转换和跳跃,通过信息熵方法得到最优模糊聚类种群;提出量子启发群领导优化算法,用于求解上述最优聚类初始种群,从而得到全局最优解,即分割阈值。对标定靶图像进行全局阈值粗分割,得到圆靶感兴趣区;提出基于动态粒度矩阵空间模型的鲁棒椭圆中心提取方法,其思想是将椭圆中心提取问题转化为椭圆中心簇的最优聚类问题。首先采用迭代最小二乘得到椭圆中心簇,其次基于动态粒度矩阵空间模型对椭圆中心簇进行动态模糊聚类,得到最优聚类;然后,将最优聚类的多中心与最小二乘拟合中心进行比较,从而得到鲁棒椭圆中心。(2)研究高动态范围物体条纹图像测量方法。针对被测柱类零件具有高反光、局部镜面反射问题,提出了高动态范围自适应双目条纹投影测量方法,首先建立投影仪—被测物体—相机的非线性图像灰度响应函数,分析了物体表面反射特性对投影强度的影响。其次,通过投射序列灰度图像得到物体表面像素点及邻域点的反射特性,根据该特性计算最优投影灰度值。最后,将修正的灰度值通过双目转换关系和相机—投影仪转换关系,映射为投影条纹图像对应点的灰度值,提高条纹图像的质量。(3)研究相移条纹图像方向去噪方法。受环境、电磁设备等的影响,条纹图像不可避免受到噪声的污染,尤其是高斯噪声。首先分析了高斯噪声对相位计算的影响,推导得出高斯噪声引起的相位误差也呈现出高斯分布。为降低高斯噪声引起的相位误差,提出基于条纹相移场模型的条纹图像去噪方法,将传统单幅图像独立滤波转化为全相移图像方向滤波;其次,根据模糊商空间对全相移图像的滤波方向进行了修正;最后,提出带保真度项的改进四阶方向偏微分方程的泛函滤波方法,相比四阶方向偏微分方程方法,收敛速度更快、保留更多的原始图像细节信息。将所提方法对四步相移条纹图像进行滤波,降低了高斯噪声引起的相位误差,且在不同噪声强度下,本方法均取得更优的信噪比,说明具有更高的鲁棒性。(4)研究非完整点云圆柱拟合方法。采用双目条纹投影系统对柱类零件进行三维测量,受噪声、采样密度不均匀、遮挡等导致模型不完整、样本间缺乏语义关系等问题,只能得到部分点云信息,即非完整点云,并且点云数据通常受到异常点污染。大多数现有的圆柱拟合方法对完整圆柱点云拟合表现良好,但在不完整点云拟合中鲁棒性较差。首先分析了点云的数学模型以及存在误差,然后对点云进行离群点去除和双边滤波,降低噪声的影响;然后,通过对点云进行等距截平面选取,基于随机采样一致性算法对截平面上的边缘点进行椭圆拟合,并对椭圆中心点簇进行圆柱轴线拟合,从而得到柱类零件参数。本文以柱类零件空间状态检测为对象,以双目条纹投影为手段,研究了高鲁棒标定靶中心提取方法、高动态范围自适应双目条纹投影测量方法、基于条纹相移场模型的条纹图像去噪方法和基于截平面的非完整点云圆柱拟合方法等关键技术。通过对直径分别为199.750mm、239.741mm、276.299mm的柱类零件测量实验,平均直径拟合误差不超过0.03mm,轴线向量平均偏差小于0.02rad,实现了高动态范围柱类零件空间状态的准确测量。本文提出的关键技术不仅适用于柱类零件,同样也适用于其它回转类物体。