随着工业的发展,设备的更新换代,大量的机械零件尚未达报废标准就被淘汰。为避免浪费要对零件的三维信息进行收集以方便零件的重用与重制造。传统的测量方法效率低,智能化程度低,且有人为误差。机器视觉测量方法的兴起,为零件的尺寸测量与三维信息收集提供了新的思路。轴类零件是工业生产中使用量极大的零件,每年淘汰的轴零件数量极大,但是很多并没有达到报废标准,所以针对废旧轴类零件的进行测量并三维重建,对于方便零件再利用具有重要意义。本文应用机器视觉技术,融合轴类零件制造语义信息,提出了废旧轴类零件三维信息重建方法,并对此方法相关的机器视觉检测的一些过程进行了研究。首先,基于机器视觉对废旧轴进行高精度的二维测量,获得轴零件的关键尺寸参数;然后利用测得的二维尺寸参数,结合轴类零件制造语义信息,对废旧轴零件进行参数化建模;最后应用双目视觉技术对废旧轴零件上的破损进行三维重建,以获得轴零件的完整三维信息。基于以上思路,本文研究内容如下:高精度机器视觉检测需要好的边缘提取效果。但对于边缘检测结果,尚没有一个统一的、可以被广泛接受的量化评价标准。本文提出了一种针对图像边缘检测效果的,边缘连续性评价算法。以边缘的连续性作为图片边缘提取效果的评价指标,使用边缘段凸包面积与边缘段长度相结合来数值化的评价边缘连续性。并设计了多种实验对同一图片在不同的边缘检测算法、不同边缘检测参数下的检测结果,用本文算法进行评价对比。为进一步提高视觉测量精度,需将像素精度级别的边缘检测提升到亚像素精度上。对此,文章分析了常用的高斯差值亚像素边缘提取方法的局限性,并提出了一种高斯插值与双卷积插值相结合的亚像素定位方法,并针对轴类零件边线为平行的特点,设计了一种测量平行线间距离的亚像素精度测量方法。运用此方法,对几种标准量块与轴零件进行测量实验,以验证方法精度。为实现废旧轴类零件三维模型的快速建模。本文以Open CASCADE作为建模内核,首先分析轴零件主体特征的数学模型来确定参数化建模的尺寸约束与拓扑约束;之后针对轴零件制造语义信息,建立标准键槽库,来获得键槽特征深度信息;最后,设计人机界面,来方便用户选择轴零件类型与输入相应的尺寸参数。运用此系统,结合上文的亚像素精度尺寸测量方法,对废旧轴零件进行实际建模。最后,针对现有的测量方法无法对废旧零件的破损进行测量的问题。本文应用双目视觉三维重建的办法,建立一个针对零件破损的三维点云重建系统。分析破损点云数据,估计其破损范围与位置,并对破损点云进行三维建模。本文为高精度的废旧轴类零件的测量与三维重建,提供了新的思路。