张 丛，李永刚，罗陆锋

ZHANG Cong, LI Yong-gang, LUO Lu-feng

（天津职业技术师范大学 机械工程学院，天津 300222）

0 引言

机器视觉在机械行业中越来越广泛应用于产品识别、检测、装配等领域[1]。零件识别是现代化生产线上基于机器视觉的工业机器人实现自动化视觉检测的关键技术，零件识别技术中必不可少的部分是特征取。特征提取常用的提取算子有Moravec算子[2]、Harris算子[3]、SUSAN算子[4]和SIFT算子[5]。

SIFT(尺度不变特征转换)算法是目前用于图像识别中较为成功的特征提取算法，因具有很好的尺度、旋转、视角和光照不变性被广泛应用，如三维重建[6,7]、影像配准[8,9]、图像拼接[10,11]、目标识别[12]。

由于传送带上零件因摆放存在的遮挡、旋转等问题的存在，文章选用SIFT算法对零件图像进行特征提取。但是该算法提取的是图像的局部区域特征点，而组成机械零件的主要几何元素是直线或是圆边缘，所以为了充分利用边缘角点特征，在SIFT算法的基础上引入SUSAN角点检测算子[13]。因为SUSAN算子是用于检测图像角点特征较好的算法，基于最小核差值的底层处理方法，直接处理的是图像的灰度值，速度快，定位精度高，有很好的抗噪性能。

所以将SIFT算法与SUSAN算法结合使用于零件图像的特征提取，能有效检测出图像的角点，更大限度的利用了图像边缘点信息。为了增强零件的图像边缘响应，文章针对机械零件的几何特点，首先选用均值滤波和拉普拉斯锐化预处理方法。

1 图像预处理

由于生产线环境、输入设备和光照条件不稳定的影响，直接采集到的图像会受到噪声、光照的影响，使得图像不清晰，不利于提取特征点。……