朱福康，刘 毅，孟凡杰，丛 明

(1.大连理工大学 机械工程学院，辽宁 大连 116024；2.营口金辰机械股份有限公司，辽宁 营口 115000)

0 引言

在机械制造行业中，零件装配是产品出厂前的基本工作之一，其中轴孔装配是最常见的配合形式。随着工业4.0时代的到来，机械装配也由自动化向智能化方向发展，越来越多的机构研究使用视觉系统和工业机器人完成零件装配工作。

在轴孔装配工作中，如何通过机器视觉完成对待装配工件上圆孔的识别和定位是整个装配过程的关键。霍夫变换(Hough transform)于1962年由Paul Hough首次提出，而后经推广和改进广泛应用于图像中直线和圆形的检测[1]。传统Hough变换最大的优点是识别效果的鲁棒性，即对图像的质量和噪声不是特别敏感[2]。但该算法的实现会占用大量的计算机内存、花费很长的计算时间，使得传统Hough变换在实际应用中几乎无法实现[3-4]。

因此，国内外专家学者不断对传统的Hough变换算法进行改进，做了大量的研究工作。Xu L等[5]提出了随机霍夫变换算法(randomized Hough transform)，通过对图像空间中的点进行随机抽样以及参数空间中的动态链表结构解决了传统Hough变换计算时间长、内存开销大问题，在处理背景简单的图像时表现出了很好的性能。蒋联源[6]对随机Hough变换进行了改进，优化了样本点和待选圆的确定算法，结果表明该算法具有很强的鲁棒性和良好的检测精度，检测速度明显优于原算法。Victor AR等[7]采用遗传算法寻找最优候选边缘点，避免了一些伪边缘点参与后续运算，缩小了搜索空间，结果表明该方法较传统Hough圆检测提高了检测的速度和精度，检测结果可以达到亚像素级别。……