基于机器视觉的测量技术现在已经相当成熟,但目前使用机器视觉进行工业零件测量的多为小尺寸零件,对于超出工业相机有效物距的零件的测量较少。应用图像拼接方法,将拍摄到的单个齿轮的多个图像拼接成一个完整的齿轮图像,以便后续进行齿轮的测量。在图像拼接过程中,将SURF特征点检测与FREAK特征描述子相结合,节省了特征匹配的时间,提高了拼接速度;使用两次BFMatcher(暴力匹配)及对称性验证,提高了特征匹配点的质量;对特征匹配点进行多次筛选,保证了变换矩阵的准确性;去除变换矩阵中的缩放和剪切动作,保证了图像只进行刚性变换;采用加权图像融合方法,保证了图像的无缝拼接。经实验和误差分析,结果表明该齿轮拼接技术方法速度快、精度高。

提出了采用SURF特征匹配的方法对钻杆接头目标识别的控制方法。对钻杆接头获取目标图片后进行工作环境干扰模拟和自身工作状态模拟预处理,以提高仿真实验的真实准确度,便于更好地对不同环境和工作状态的目标特征的匹配识别。对预处理后的钻杆接头图像采用SURF特征提取匹配的方法进行图像目标识别,模拟实验中主要对SURF特征匹配阈值和匹配特征点的数量进行了学习。实验结果表明,文中提出的图像目标识别方法效果较好,为井口自动化工具的全自动化、智能化控制提供一种思路,具有一定的参考价值和借鉴意义。