针对圆形目标的二维图像无法直接获取其中心三维坐标的问题，提出了一种基于随机Hough变换的圆心三维坐标提取的方法。随机Hough变换方法可对采集到的圆形目标图像快速地进行圆形中心特征点的检测定位，并根据双目视觉算法将获取到的特征点二维坐标进行立体匹配，最终得到圆形目标中心的三维坐标信息。所提方法主要用于石油钻井领域中智能化接单根作业的钻杆定位工作，针对钻杆接头图像定位的实验结果表明：相比于传统Hough变换方法，随机Hough变换方法检测的计算时间大大缩短，可以显著提高特征点检测效率；同时结合双目视觉算法能够准确提取圆形目标中心的三维坐标，且精度高、稳定性好。

为了实现缺陷圆圆心与半径参数的检测，本文提出一种基于随机抽样与投票策略的检测方法。通过在目标轮廓上随机提取三点并由此获得任意两条弦，计算它们各自对应的垂直平分线的交点。重复上述过程可得到若干候选圆心坐标，应用投票策略检测出频数最高的坐标值，得到理想圆心。在此基础上再根据投票策略获取半径参数。仿真和实验结果表明，本文方法适应性强，鲁棒性好，可应用于不同类型缺陷圆检测；其检测结果准确可靠，易于实现，可以满足工程应用需求。

为了提高随机圆检测算法的检测效率和精密度, 提出了一种改进的随机圆检测算法。针对传统的随机算法无效累积多、执行效率低的问题, 研究了两步法无效圆模型筛选策略。首先根据图像梯度信息, 当迭代过程中取样点的梯度线与其构造圆的圆心距离小于设定阈值时, 判定圆模型为真; 然后取图像边缘点的子集, 当子集的局内点个数小于期望值时, 圆模型无效。针对随机圆检测算法精密度较差的问题, 提出了对边缘点聚类, 结合最小二乘法对结果进行优化。实验结果表明, 算法在执行效率上优于其他三种经典算法, 检测精密度与其他随机圆检测算法相比, 有显著提升。

基于靶标的几何特征提出了一种快速识别算法来解决目前航天器靶标识别存在的问题。设计了一款带有线段与圆环图案的合作靶标。利用高斯滤波去除图像中的噪声, 运用Canny检测算子得到边缘图像, 并跟踪得到单像素边缘序列。然后, 通过判断非共线四点是否共圆排除大部分不可能构成圆的边缘, 利用同一圆周的两段子弧对应相同圆心和半径的几何特征实现圆检测。最后根据靶标圆与线段的几何关系排除干扰, 实现靶标的准确识别。实验结果表明, 该靶标识别算法对噪声、光照、旋转等不敏感, 能够在多种复杂场景中快速、准确地识别靶标, 处理时间小于125 ms, 满足实时位姿测量8帧的需要。目前, 该算法已经成功应用于工程样机。

针对基于Hough 变换类圆检测算法所需设置参数较多和基于距离直方图的算法计算量大等问题，提出了一种基于梯度的区域生长和距离直方图的快速圆检测方法(GHC)。该算法通过利用梯度模值和方向进行区域生长的方法得到若干圆弧线段支撑区域；选取弧线段上的三个坐标点求解该圆弧段对应的圆心和半径并求解出正方形适应区域；将每条圆弧线段上的所有点向其适应区域内各坐标点进行投影并统计距离的累加值；综合全图距离直方图，精确地求解出图像中包含各圆的圆心和半径并进行完整度校验。通过实验表明，相比基于距离直方图的圆检测算法(HBCD)和随机Hough变换算法(RHT)，该法对不同尺寸、完整度的单圆或多圆均有良好的检测效果，具有较强的稳健性和较小的空间、时间复杂度。

针对随机Hough变换(RHT)及其改进算法在同一圆边缘点随机抽样时命中率低且投票处理过程复杂, 提出了基于有序搜索的广义Hough变换快速圆检测算法(SQHT)。该算法利用圆的几何性质和梯度方向信息来有序搜索圆边缘点集, 将Hough变换的基于投票判定基元参数转变为有效确定基元三点的讨论。执行算法时, 首先顺序搜寻第一边缘点并根据邻域边缘点集或图像灰度值计算其梯度值; 接着在第一点所在行匹配与其梯度信息相符的第二点, 根据前两点信息在第一点所在列匹配第三点; 最后按照RHT算法流程确定有效基元参数, 从而避免了随机抽样带来的时间不确定性。该算法具有计算速度快, 检测时间可控, 适用范围广泛, 抗干扰性强等特点。相比于RHT算法, 提出的算法在单目标圆检测情况下检测效率提高了2倍, 在多目标圆(5个及以上)且有非目标边缘点情况下检测效率提高了5倍, 在多圆检测方面能有效弥补了Hough变换算法的不足。

印刷电路板 (PCB)表观缺陷检测是机器视觉检测领域的一个重要问题, 为了有效地利用参考法对印刷电路板光电图像进行检测, 需要提高图像配准精度。本文提出了一种基于随机 Hough变换(RHT)和空间数据坐标变换理论相结合的配准方法, 该方法在寻找配准目标和完成配准效率方面均有很大提高。利用 PCB光电图像进行实验, 结果表明: 在提高检测精度, 降低内存空间, 减少计算时间等方面, 该配准算法的优势明显。

为了测量光杆六角螺栓的外形尺寸, 提出了一种基于图像测量的视觉检测方法。简要介绍了六角螺栓制造的工艺流程, 指出了光杆螺栓检测的重要性。在分析Hough变换原理的基础上, 介绍了圆的检测方法, 提出了一种基于特征的正六边形检测方法。首先进行直线检测, 利用检测到的直线建立直线方程, 其次根据方程求取相邻直线的交点, 计算每条边的长度和相邻两边的夹角。最后利用Hough变换的圆检测方法检查交点是否在同一圆周上。在检测实验中螺杆直径的测量误差为0.37%, 螺栓头部正六边形的角度测量误差为0.40%, 边长测量误差为1.25%。结果表明, 该方法是有效的, 能较准确地检测出光杆六角螺栓的外形尺寸。

随机 Hough变换和随机圆检测算法是图像中检测圆轮廓的快速方法，但在实际应用中分别在速度和精度上有不足。将上述算法中的随机采样分布、采样累积分布和采样次数阈值归为采样约束问题，将代理点计算出的参数与真实参数的偏差归为参数校准问题。经分析上述问题，将改进的随机圆检测算法作为快速识别方法，将随机圆 Hough变换作为校准方法，结合两者的优点提出一种基于识别 -校准框架的高效圆检测算法。实验数据证明，在噪声和不理想圆轮廓条件下，该框架能够很好地平衡检测速度与精度，从而体现出算法的高效性。

针对检测图像多圆问题，该文提出一种利用圆的对称性与旋转变换相结合的圆检测新方法。从圆的几何性质出发，在图像边缘点上以过圆心且平行横坐标的直线为对称轴搜索对称点集 P1；然后图像做旋转变换，再次对称点搜索并做反旋转变换得到点集 P2；利用圆的旋转对称性，圆上的点集即是点集 P1与 P2的交集，从而实现圆的检测。实验结果表明，该算法与当前应用最广的 RHT、RCD圆检测方法相比具有检测速度快，实现简单等优点。