于微波，王国秀，李岩，杨宏韬，李昱，刘克平

(长春工业大学 电气与电子工程学院， 吉林 长春 130012)

0 引言

工业现场的工件自动测量过程中，工件图像的角点提取是测量过程很重要的一环，角点提取的质量和速度会直接影响测量的精度和效率，因此研究角点检测算法(corner detection algorithm，CDA)对工件的自动化测量具有十分重要的意义。现阶段角点检测算法主要有以下三种[1]：①基于灰度图像的角点检测算法；②基于二值图像的角点检测算法；③基于轮廓曲线的角点检测算法。其中基于灰度图像与二值图像的角点检测算法依靠图像灰度值的变化获取角点，操作复杂、计算难度较大，而基于轮廓曲线的角点检测算法在轮廓曲线上进行角点提取，计算量较少、检测的准确性较高，由于工业检测在保证精度的同时对速度也有很大的要求，因此基于轮廓曲线的角点检测算法被广泛地应用在工业检测现场[2]。

文献[3]最早提出使用k-Cosine方法检测轮廓角点，该算法先计算轮廓线上每一点前后支撑臂夹角的余弦值，然后将局部极大值点作为角点。钱文光等[4]提出了一种基于轮廓尖锐度的角点检测算法，该算法对轮廓曲线进行高斯平滑，近似计算轮廓线中心点两侧支撑区域的夹角提取角点，通过非极大值抑制获取最终角点，该算法能较好抑制伪角点，但高斯平滑使算法更复杂且检测精度降低。赵亚利[5]等人提出一种图像边缘轮廓自适应阈值的角点检测算法，通过Canny算子提取边缘轮廓，平滑后计算轮廓点响应并与自适应阈值做比较获取候选角点，非极大值抑制后确定最终角点，而通过边缘提取到轮廓往往具有断点，具有较大影响。……