主要的工作和贡献有: (1)针对精密零件外观检测视觉系统中摄像机内参数及手眼关系的标定问题，分别研究了基于标定板的视觉系统标定方法及自标定方法，并提出了基于两特征点的机器人视觉自标定方法。所提出的基于两特征点的自标定方法仅选取空间中两个特征点作为标定参考点，并将机器人视觉系统中的摄像机内参数的标定与机器人及摄像机的手眼标定过程结合在一起。
通过参数分析实验及对比实验可见，本文提出
微小零件精密加工收费情况
主要的工作和贡献有: (1)针对精密零件外观检测视觉系统中摄像机内参数及手眼关系的标定问题，分别研究了基于标定板的视觉系统标定方法及自标定方法，并提出了基于两特征点的机器人视觉自标定方法。所提出的基于两特征点的自标定方法仅选取空间中两个特征点作为标定参考点，并将机器人视觉系统中的摄像机内参数的标定与机器人及摄像机的手眼标定过程结合在一起。
通过参数分析实验及对比实验可见，本文提出的基于视觉显著性的精密零件检测算法运行时间在4ms左右，当合理设置匹配阈值时，检测成功率可以达到100％。本文提出的基于视觉显著性的精密零件检测算法运行时间短，检测成功率高，能够满足实际应用中的效率与准确性要求。(3)针对精密零件表面瑕疵分割和提取困难等问题，提出了基于图像重构集合和深度卷积网络的精密零件表面瑕疵检测方法。
该方法将训练数据集中的精密零件图像进行自适应多尺度及随轮廓局部提取后，创建重构图像集合，再进行卷积神经网络的训练。所提出的基于图像重构的卷积神经网络能够同时实现多种不同类型瑕疵的有效检测。该方法在精密零件的垫伤、划痕和麻点瑕疵的检测中，均达到了97％以上的检测效果。同时，为了解决缺少带标注的精密零件样本库的问题，本文采集了一万幅精密零件的外观样本图像并对其瑕疵类型进行标注，创建了精密零件表面瑕疵样本数据库。
（作者： 来源：）
