轿车产品的竞争力很大程度取决于其质量,车身是轿车的重要组成部分,其重量和成本占整个轿车的40%到60%之间。大量案例表明,车身的质量问题多数根源于总成制造阶段,总成的尺寸精度直接影响着车身整体质量。仪表板骨架是轿车车身中总成之一,它与车身骨架及各种仪器、仪表构成装配关系。由于它是一个结构复杂的焊接件,在生产中难免会造成制造偏差,如果不合格的产品传递到轿车总装配线,不但会影响到各种仪器、仪表的装配精度,甚至会由于偏差过大而无法完成与车身骨架的装配,因此要在传递到下一个环节之前严格控制仪表板骨架的质量。计算机视觉检测方法具有速度快、精度高、柔性好、非接触式等优点被广泛应用在工业生产检测中。本文对BORA轿车仪表板骨架在生产现场经常出现的三种缺陷模式(支撑架漏焊、支撑架相对位置偏差、孔径尺寸偏差)设计了视觉检测方案,并对视觉检测方法中的关键技术进行深入研究,建立了针对BORA轿车仪表板骨架的视觉检测系统,最后通过实验对视觉检测系统进行验证。在检测方案设计上,采用三组双目立体视觉检测系统对仪表板骨架上焊接的8个支撑架进行检测,“检测”即对上述三种缺陷模式的评鉴,其中漏焊通过支撑架边缘的存在性进行判断,支撑架相对位置偏差通过安装孔孔心检测相对位置与理想相对位置的对比来判断,半径尺寸偏差通过安装孔孔径检测值是否满足公差要求来判断。在制定检测方案后,搭建了针对该检测方案的视觉检测实验台,并开发了管柱式轿车仪表板骨架视觉检测定位装置,为后续的生产现场实际检测提供了自动化的定位设备。在摄像机标定方面,将垂直移动的棋盘格做为标靶,建立三层自适应神经网络对两台摄像机进行标定,最后通过误差分析求得综合标定误差为：0.1577mm。在边缘提取方法的设计上,本文先对图像进行了去背景、图像降噪、边缘加强一系列的预处理,再应用canny算子对边缘进行提取。在立体匹配上,通过特征匹配、极线约束、区域匹配、唯一性约束对两幅图像孔边缘待匹配点进行逐步筛选,最终建立一一对应关系。孔心坐标的求取方法为先用两幅图像离散的边缘点进行椭圆拟合,求得各自椭圆圆心后再用神经网络计算出孔心的三维坐标。孔半径的求取方法为先用神经网络求得各个匹配孔边缘点的三维坐标,将这些点与上步求得的孔心位置之间距离平均值做为孔半径的检测值,最后通过误差分析求得该视觉检测系统的检测精度小于0.1mm,满足仪表板骨架检测精度要求。本文研究意义在于若将此视觉检测方法结合本文开发的自动定位装置应用到BORA轿车仪表板骨架于生产现场的实际检测中,不但可以提高其检测精度和速度,还可以通过100%的在线检测使仪表板骨架质量得到有效控制。