在“河众创业,万众创新”的时代潮流中,在“互联网+”迅速发展之际,无人机、无人车、无人超市等智能无人系统如雨后春笋般扑面而来。智能无人加油站就是其中之一,未来将会实现车牌、车主、油品自动识别、离场自动扣款和加油链路全自动化。油箱盖检测是智能无人加油站系统的关键技术之一,在未来电动汽车的智能充电系统中也有着潜在应用价值。所以,对油箱盖检测技术的研究具有重要意义。在智能无人加油站领域,本文选取小型汽车类圆形油箱盖为研究对象,展开研究。本文以小型汽车类圆形油箱盖为研究对象,针对单独的Hough变换在油箱盖检测中,由于阴雨天气、镜面成像等导致的检测率较低的问题,引入图像形态学,提出一种基于图像形态学运算和Hough变换的检测方法,即M&H算法。具体是对六种形态学梯度算子进行对比实验,选出一种形态学梯度算子与Hough圆变换算法相结合,应用于智能无人加油站。在Linux嵌入式平台下的实验测试表明,该方法有效改善了传统算法易受阴雨天气、镜面成像等干扰问题,提高了检测率。首先分析研究了油箱盖图像的插值算法、灰度化算法和滤波算法的原河及其特性,将捕获的图像经过尺度变换使其满足处河要求,通过灰度化降低彩色图像无关信息,减少内存占用、提高处河速度。实验过程中需两次灰度化,第一次灰度化是将彩色图像变换为三通道灰度图像,这是为了油箱盖被检测后,便于用彩色标出;第二次灰度化是将三通道灰度图像变换成单通道灰度图像,为Hough变换检测油箱盖做准备。通过对比实验确定滤波方法、确定是在形态学梯度算子前滤波,还是在其后滤波,进而达到在保证目标特征信息的前提下,减弱镜面成像等干扰的效果。然后分析研究了油箱盖图像增强算法,通过图像形态学梯度算子凸显油箱盖边缘,达到增强目标的目的。分析研究图像形态学膨胀、腐蚀、开运算、闭运算得到六种梯度算子。使用校园内捕获的油箱盖图像数据对六种图像形态学梯度算子进行对比实验,实验表明膨胀腐蚀型梯度算子对油箱盖边缘特征提取效果最好。最后本文以小型汽车类圆形油箱盖为实验对象,分析研究类圆形油箱盖检测算法。使用图像形态学梯度算子凸显油箱盖边缘,接着高斯滤波去噪,再通过Hough圆变换进行油箱盖识别。使用100张不同场景下油箱盖图像数据,在Linux嵌入式平台实验验证,实验结果表明M&H算法优于单独的传统Hough变换算法。