摘要
随着现代工业的发展，物体检测与分类技术正朝着自动化、智能化方向发展，而传统人工分类方法难以满足现代制造业需求。因此，以机器视觉技术为基础的圆形物体检测与分类方法的应用逐步占据主导地位，从而不断提升工业自动化和智能化水平。基于机器视觉的检测与分类方法鉴于具有非接触、快速检测、高准确率等优点，研究其应用有着重要的理论意义和实用价值。 本文对机器视觉检测与分类方法进行深入研究和分析，针对检测与分类方法研究中存在的问题提出改进方法，并对分类效果进行了实验分析验证。 （1）对相机成像模型和标定原理进行研究分析，在分析相机标定参数求解过程中，通过对比不同相机标定方法的优缺点，选择操作简单、精确度高的标准张正友标定法进行相机标定。研究分析了标定过程中切向畸变和径向畸变的影响，并将其加入标准张正友标定法中，从而进一步提高了相机标定与校正的精确度。双目相机可以通过三角测量原理测量出物体三维信息，应用在对堆叠圆形物体场景参数检测，从而实现多个圆形物体在平面放置或堆叠放置时的检测与分类。 （2）对双目相机获取到的图片进行预处理，采用直方图匹配提高灰度化图像对比度，将中值滤波和高斯滤波相结合，对图像进行自适应降噪处理，有效地降低噪声干扰。为了获取物体轮廓清晰的特征信息，本文提出在Canny算子基础上改进的检测算法，其中在梯度幅值计算时分别增加45°和135°方向进行梯度计算；在双阈值检测边缘过程中，采用自适应阈值方法能自动获取高低阈值，实验表明，改进Canny边缘检测算法可获得清晰连续的物体图像轮廓。 （3）研究圆形物体检测。对于重叠或遮挡的物体，边缘信息并不完整，采用霍夫变换和圆形约束组合算法进行物体检测，实验证明了该组合算法能准确拟合遮挡边缘并得到相应的坐标值，通过定弦定角方法得到圆形物体的重要参数坐标。本文介绍了多种分类器，然后根据圆形物体检测特征使用基于统计理论的改进型支持向量机算法进行分类器设计。 （4）研究编写了基于机器视觉的圆形物体检测与分类软件系统，该软件系统可实现图像采集、相机标定、图像预处理和尺寸测量等功能。选择尺寸特征和形状特征的分类方式，采用支持向量机和最小二乘支持向量机进行分类实验对比，验证了其可行性。
NETL