为了解决传统条纹中心提取算法对物体材质及噪声敏感问题, 采用自适应结构光条纹中心提取算法来提取条纹亚像素坐标。该算法首先对图像进行预处理, 利用图像掩模操作提取条纹图像感兴趣区域, 通过自适应卷积模板消除噪声干扰, 得到条纹区域截面宽度及条纹中心坐标的像素集合; 其次根据中心坐标的像素集合采用二次加权灰度重心法求取条纹中心初始坐标值, 将此作为种子点进行区域生长运算, 并结合主成分分析分解特征矩阵; 最终得到线结构光中心的亚像素坐标点。结果表明, 该算法能够有效快速地获取结构光条纹中心亚像素坐标, 相比灰度重心法, 所提算法实验结果波动性较小且标准误差也相对较小, 提取速度相比基于Hessian矩阵的Steger法提高近4倍, 满足工业测量系统实时性要求。所提出的结构光条纹中心提取算法具有较高的提取精度和良好的稳健性, 计算复杂度低, 具有较高的实时性, 可为后续3维视觉测量系统提供良好的精度保障。

为了适应生产线上不同摆放姿态下工件的视觉识别，实现基于视觉的机器人工件定位及抓取，构建了六自由度工件姿态变换模拟实验平台运动学模型及视觉系统模型，通过坐标变换实现工件姿态参量的测量。建立了六自由度姿态变换实验平台坐标系，通过3个滑动副、3个转动副，构建了基于Denavit-Hartenberg（D-H）方法的六自由度姿态变换实验平台运动学模型，并得到了D-H参量表、各个关节的变换矩阵及实验平台基座到末端的总变换矩阵。基于小孔成像原理，构建了姿态变换实验平台视觉系统的内、外参量模型，获得了工件表面点与图像点间的内参量关系矩阵及工件坐标系与相机坐标间的外关系矩阵。由激光环形光条图像，得到工件表面在摄像机坐标系中的法向量，并通过坐标系间的变换得到工件表面在世界坐标系中的法向量，进而推算出工件的姿态参量。结果表明，姿态参量的横滚角θ平均误差为0.373°，俯仰角φ平均误差为0.253°，偏转角ξ平均误差为0.673°。被测工件的姿态测量值与真实值基本吻合，满足不同姿态下的工件视觉测量要求。