机器视觉技术具有非接触、精度高、速度快的优点。各行业的领先企业在解决了生产自动化的问题之后,开始寻求以机器视觉为基础的检测自动化和装配自动化,机器视觉技术已成为工业界关注的热点之一。在印刷线路板的制造过程中,定位孔位置的精度,直接决定了在后续工序中线路板的定位和对准精度,进而影响PCB的加工质量。由机器视觉系统对定位孔的位置进行定位,并引导数控系统的主轴与定位孔对准,可有效提高定位孔的位置精度,并能显著提高生产效率。为实现线路板外观和特征精确检测,对常用的边缘检测算法进行了分析和实现,并通过实验比较了算法的优劣。为了克服外部光照变化对边缘检测的影响,研究了含噪图像的边缘检测问题,提出了一个具有抑制高斯白噪声能力的快速边缘检测算法。为提高检测精度,研究了亚像素边缘检测方法,依据边缘处的微分是一个关于边缘点对称的函数这一事实,提出了一种通用的亚像素级边缘检测方法。为了有效提取线路板上的特征点,首先分析了Moravec算子、Harris算子和SUSAN算子等角点检测方法。针对SUSAN法检测X型角点能力较弱的问题,通过引入点对的概念,提出了一种点对核值匹配的角点检测算法,实验证明,它比SUSAN方法具有更高的检出率。随后,研究了Hough变换的基本思想以及它的各种变形,分析了直线、圆、椭圆等常见特征提取方法。对于直线特征,提出一种基于一阶原点矩的直线检测新方法;对于圆特征,在总结常用圆的提取方法的基础上,根据圆的几何特征,提出了一种新的计算量较小的圆特征提取方法。为提高圆的检测和定位精度,推导了标准圆参数的非线性优化方程,进而实现了这些几何特征的亚像素级精度检测。为了进行特征尺寸的测量和定位,探讨了相机的线性模型和非线性模型。分析了两种常用的相机标定方法:基于径向约束的方法和基于平面的标定方法,对相机内外参数求解过程给出了详细的推理。为进一步提高标定精度,探讨了非线性优化方法,对初次标定获得的参数使用L-M优化算法进行优化,提高标定精度。为了研究和验证视觉检测与定位中的各项技术,设计并实现了一个具有四自由度的测试平台,可完成X、Y、Z三个方向的平移运动和绕Z轴的旋转运动;以F2812处理器为核心设计了一个电机控制电路;以CPLD为核心设计了一个4路编码器解码电路。在VC环境下,实现了上述图像处理算法,完成了图像处理软件设计;在CCS开发环境下,完成了DSP控制程序的设计。最后将它们有机地整合在一起,构建了一个完整的机器视觉图像检测与定位系统。最后通过实验,分别对不同的目标物进行尺寸测量、位姿调整、目标跟踪等测试,验证了系统功能和相关关键算法。