机器视觉检测是工业自动化的关键技术之一,其市场应用正处于蓬勃发展阶段。相较于人眼其具有更高的精度、更高的效率、以及更客观的数据等,但限于技术水平,不足亦非常明显,即没有一套固定的模式适用于所有场合。传统的视觉检测研究集中于平面或规则球面,以及具有漫反射性质的被测面,相对简单理想。而对于宽幅、高速、和以高亮异型为代表的复杂表面的检测研究则几近空白,这些领域亦是视觉检测的难点所在。具有高亮异型特征的被测物主要包括塑料薄膜、陶瓷表面、精磨金属表面、油漆表面等,其光亮的物理性质会造成局部曝光和周围环境投影等干扰,影响成像质量,而不规则形状与高亮性质相互耦合,使问题复杂化。另外,不规则的表面形状要求相机实时变换拍摄位姿,完成全表面成像,6自由度机器人平台可以出色的完成这一任务。本文以具有高亮异型特征的摩托车油箱为被测物展开研究,具体包括:首先,从抑制背景、突出缺陷角度,深入研究了影响成像质量的各种因素,主要包括光源、被测物、相机三者之间的相互影响关系,从而设计适用于高亮表面的光照成像系统。另外,利用6自由度机器人平台,完成不规则曲面全表面成像。其次,对采集到的图像进行去噪预处理后,分析划痕类型缺陷与油漆背景面的特征,从而提出适用的缺陷分割算法,即基于边缘与区域相结合的的方法,完整且连续的分割出缺陷。缺陷特征的提取是对缺陷数据的降维处理,研究适用于缺陷的特征描述,包括缺陷的区域、灰度、梯度特征,为后续缺陷匹配做准备。最后,针对实体边缘类假缺陷,研究基于坏值剔除原理的算法排除方案,实现从定性判断到定量指标判断。再次,针对缺陷的不同特征,实现不同图像间缺陷对的有效匹配。其中,采用基于缺陷区域特征的匹配具有简单高效的特点,适用于实时性要求高的场合。而基于缺陷梯度特征匹配中,结合FLANN匹配库具有较高鲁棒性的同时有效地提高了算法的实时性。随后,对已实现匹配的缺陷对,基于多视几何原理求出了它们的三维位置坐标,实现缺陷的定位。最后,以某型摩托车油箱为被测物实验验证了成像系统设计方案、缺陷分割及特征提取算法、缺陷匹配与三角化定位算法的可行性,达到了预期效果。提出并实现相机与机器人系统联合标定的方法实时获取相机外参数的方法。