小型連接件廣泛應用于電子拔插設備中，其尺寸是否合格直接影響電子產品的使用壽命。機器視覺是一種基于圖像處理技術的非接觸式測量技術，檢測結果精確、可靠。在尺寸檢測中，一般采用短焦距定焦光學鏡頭，因此不可避免地將引入非線性畸變。另外，機器視覺圖像處理的結果通常為像素個數,實際應用中需要得到像素與實際尺寸之間的關系,才能換算出實際尺寸，所以需要進行攝像機標定得到畸變參數和像素當量[1-2]。

    亞像素檢測方法目前已被廣泛應用于高精度測量中,亞像素表示圖像中每個像素將會被分為更小單元，達到更高精度。傳統的邊緣檢測算子，如Sobel算子、Canny算子等對圖像邊緣的定位只能達到像素級，Zernike矩方法是亞像素邊緣檢測算子中應用最廣泛的方法[3],其定位精度和運行時間均優于其他的空間算子。
    本文首先對攝像機進行標定，采用雙線定位法找到針腳位置，最后利用基于Zernike矩的亞像素邊緣檢測算法找到針緣邊位置，計算針寬。實驗結果表明，該方法檢測精度高、效果好。
1 攝像機標定
1.1 畸變參數
     實際攝像機的透鏡總是在成像儀的邊緣位置產生顯著的畸變,畸變主要分為徑向畸變和切向畸變兩種。徑向畸變來自于透鏡形狀的設計，而切向畸變來自于整個攝像機的組裝過程中[4]。針對徑向畸變，成像儀中心的畸變為0，隨著向邊緣移動，畸變越來越重，成像儀某點的徑向位置可按下式進行調節：

    其中,xi為左側邊緣點橫坐標，xi′為xi同縱坐標下右側邊緣點橫坐標。
    根據標定圖像可得每33.6個像素對應實際距離為0.2cm，計算結果見表1。

    通過實驗分析和比較結果表明，通過攝像機標定可以有效地消除攝像頭畸變，為后續尺寸測量精度提供保障，而且基于Zernike矩的亞像素邊緣檢測方法不僅提高了邊緣檢測的精度,同時也縮小了尺寸檢測中的誤差。
參考文獻
[1] 李文濤.基于兩步法的攝像機標定[J].控制工程,2011,9(18):48-51.
[2] 高俊釵，雷志勇，王澤民.高精度測量的相機標定[J].電光與控制，2011,18（2）:93-96.
[3] 韓麗燕，陳方林.一種Zernike矩亞像素邊緣檢測的優化算法[J].電子測試,2010,6(6)：1-5.
[4] 李明金，熊顯名，張紹兵.一種基于Opencv的攝像機標定新方法[J].激光與光電子學進展，2009(12):99-102.
[5] 馬艷娥，高磊，呂晶晶.基于改進的Canny算子和Zernike矩的亞像素邊緣檢測方法[J].電子測試，2011，7(7)：20-23.
[6] PAPAKOSTAS G A, BOUTALIS Y S. Numerical error analysis in Zernike moments computation[J]. Image of Computer Vision, 2006,24(9):960-969.