随着机器视觉及机器人在打磨抛光等应用领域技术的高速发展,加工制造业智能化、自动化、低成本化将成为新时代进步的一种趋势。而如何实现制造加工过程自动化、智能化,进而达到管理控制一体化,这将对当前企业的发展来说是前所未有的挑战。本文针对目前结合机器视觉的打磨抛光技术中出现的亟待解决的工件位置跟踪、工件视觉检测等技术进行了研究,提出了若干有效、快速的解决方案,主要包括工件位置跟踪、工件缺陷检测、表面粗糙度检测等。其目的主要是为了实现工件的自动化打磨抛光和视觉检测一体化,将传统数控机床、工业机器人和计算机视觉相结合,控制六自由度机械臂末端对工件进行打磨的基础上建立视觉反馈系统,开发出一种将自动打磨加工与视觉检测相结合的新技术,主要研究内容如下面几点所示:(1)介绍了目前工件视觉检测的发展状况,对自动跟踪、缺陷检测、粗糙度检测等研究现状进行了深入分析。此外对当前的一些视觉检测方法进行了阐述,并根据实际情况合理地完成实验环境的搭建;(2)为了实时检测工件的移动位置,提出一种改进的自适应尺度估计相关滤波器跟踪算法来实现对工件的全程自动跟踪,并实时反馈工件位置信息情况。该方法在原有的相关滤波KCF跟踪算法上,实现跟踪目标自适应尺度估计,而且结合移动平台进行了工件质心位置预测估计,在尺度估计的同时保证了一定的跟踪效率,此外还加入质心修正重定位机制增强了跟踪的稳定性;(3)针对工件表面缺陷的处理,利用基于模糊自适应的Hough方法提取图像中工件的倾斜角,并利用仿射变换和自适应阈值边缘检测算法获取工件表面缺陷轮廓,并实时反馈其缺陷信息。其次为了检测工件表面不易检测的细小缺陷,提出一种局部放大区域缺陷检测算法,对金属工件表面放大后的图像进行各向异性的纹理抑制,提取缺陷的主体轮廓结构;(4)最后针对传统的接触式触针粗糙度测量法容易损伤物体表面结构且难以适用于视觉检测的缺点,本文采用非接触式的光切显微镜并结合配套的CCD相机、移动平台等设备进行工件表面粗糙度的检测。在检测中利用光切法检测其已知粗糙度的标准工件轮廓曲线图像,将其曲线像素高度差值与标准值建立一关系曲线并计算出粗糙度算法参数,最后再利用最小二乘法拟合曲线减小误差得到表面粗糙度估计值。总的来说,本文在工件的自动化打磨抛光加工过程中,结合工业机器人、移动平台等设备,建立视觉反馈打磨抛光控制系统,实现工件的自动打磨抛光和机器视觉检测一体化,提高工件的质量和检测效率。