小模數直齒輪免參數并行快速測量

方一鳴， 石照耀

（北京工業大學 北京市精密測控技術與儀器工程技術研究中心，北京 100124）

1 引 言

小模數齒輪的生產柔性化程度高，以注塑齒輪為例，單條產線多臺注塑機通常同時生產多種不同參數的注塑齒輪，通過機械手放在同一條傳送帶上。然而，迄今為止還沒有成熟的齒輪測量儀器能夠同時對多種型號齒輪實現混合在線全檢，仍主要依靠人工抽檢［1］。

齒輪測量涉及到齒數、模數、壓力角、變位系數等一系列參數，單一的測量工具或者齒輪量儀難以完成全部參數的測量，且測量過程復雜、效率低。中低精度等級齒輪的測量需要借助卡尺、千分表、千分尺、通止規和深度尺等多種工具，對操作人員的專業性要求高、測量技術門檻高。對于某些特殊奇數齒數，或者齒頂很尖的齒輪而言，也是難以用常規工具進行測量的。齒輪測量中心、雙嚙儀等齒輪量儀在測量時都需要輸入模數、齒數、壓力角和變位系數等參數，不能實現未知參數齒輪的測量［1-2］。特別地，由于小模數齒輪（模數≤1 mm）的尺寸小、齒槽間隙小，傳統的接觸式測頭難以進入齒槽間隙進行測量，而且裝夾困難［3］，因此傳統的接觸式測量方法難以完成對小模數齒輪的測量。

相對于接觸式測量，視覺測量技術具有測量效率高、獲取信息全、穩定性好和非接觸等優點，在齒輪測量領域開始得到應用［4］。文獻［5］依據齒輪精度標準ISO 1328-1［6］，給出了齒距偏差和齒廓偏差的視覺測量和評定方法，對模數為0.5 mm的8級精度直齒輪，測得的齒距偏差、齒廓偏差與齒輪測量中心的測量結果的最大差值為4 μm。近幾十年，在基于經典微分算子的邊緣檢測算法的基礎上，發展了基于矩方法、插值法和擬合法的亞像素邊緣定位算法［7-8］，突破了像素級分辨率的限制。文獻［9］開發了一套齒輪測量應用程序，基于亞像素邊緣檢測算子提取出直齒輪齒廓，并設定條件剔除假邊緣，最終得到齒頂圓直徑等參數。文獻［10］探究了運用極坐標變換算法對齒輪的齒數、公法線變動量等參數的視覺測量方法。

雖然基于視覺的齒輪測量技術目前得到了一定的發展，但測量對象往往都是單一齒輪，沒有對多種型號齒輪的混合測量方法的研究；齒輪測量項目也比較單一，通常只對齒輪尺寸和單項誤差的其中一項或幾項進行測量，缺乏對齒輪完整參數測量方法的研究，而且測量前需要已知模數和壓力角才能完成測量。

本文針對直齒圓柱齒輪，結合圖像處理方法和齒輪設計理論，開發了十多種齒輪關鍵參數的視覺測量方法，并對圖像處理方法中涉及到的多目標分割、亞像素邊緣檢測、輪廓擬合、圓與齒廓的交點定位和輪廓分割等問題進行了探究，總結了一套適用于小模數齒輪產線的、多種型號齒輪免參數快速測量方法。

2 涉及的圖像處理方法

本文提出的小模數直齒輪免參數快速測量方法基于機器視覺技術，運用圖像處理方法獲取齒輪的一些關鍵特征，再結合齒輪設計理論測算出齒輪參數。涉及到的圖像處理方法包括：多目標齒輪的分割、亞像素邊緣定位、齒輪輪廓擬合、圓與齒廓的交點定位和輪廓分割。

2.1 多目標齒輪的分割

小模數齒輪尺寸小，采用視覺方法測量時，通常視野范圍內可以容納多個目標齒輪，因此可以實現多種型號齒輪并行測量。測量時，將齒輪擺放在水平載物臺上，采用投影法測量；投影法測量需要選擇背光光源［11］，測量時需要將每個目標齒輪分割成獨立的區域。因為利用背光光源采集的齒輪輪廓清晰、干擾噪聲較小，所以采取常用的閾值分割方法即可將不同目標齒輪區分出來，分割效果如圖1所示，圖1（b）顯示了多種不同型號齒輪分割好后用最小外接圓包裹形成的獨立區域。

圖1 多目標齒輪圖像的分割結果Fig.1 Segmentation results of multi-objective gear images

2.2 亞像素邊緣定位

齒輪的輪廓中包含齒輪幾何參數信息，需要進行提取。本文提出一種基于Facet曲面模型的齒輪亞像素邊緣擬合算法，來定位齒輪的輪廓。

Facet模型［12］的概念由Robert M. Haralick率先提出，一幅圖像可以看成一個由眾多像素單元組成的矩陣，可以被劃分為若干個小的矩陣，每個小矩陣區域滿足一定的灰度分布，這樣的一個區域為一個Facet。每個Facet的灰度分布函數是其對應區域內像素點的多項式函數，它是以邊緣像素點為中心的鄰域中的灰度值擬合成的二元三次多項式：

此處的鄰域一般為3×3或5×5的像素矩陣，為了簡化計算，可先由Canny算子［13］提取出齒輪像素級邊緣，只需要計算像素級邊緣附近的過渡像素區域（鄰域）的灰度分布，根據該鄰域的灰度分布用最小二乘法擬合式（2），即可求得多項式各項系數a0~a9。

接下來，對通過多項式擬合的齒輪輪廓鄰域的灰度分布函數求偏導，解得齒輪輪廓的單位法向量(nx，ny)，對齒輪輪廓法向橫截面上的灰度分布函數用二階泰勒級數展開，則某一輪廓像素點(xi，yi)為中心的橫截面上的灰度可以表示為：

其中：H(x，y)是由二階偏導數組成的Hessian矩陣，t為待求的參數，rx，ry是Facet模型的二元三次多項式的一階偏導數：

要使灰度分布函數在梯度向量方向上取得極值，則令?f/?t=0，得到：

圖2是由Facet曲面模型擬合出的齒輪亞像素邊緣輪廓，在其中一個輪齒放大后的圖像中可以清晰看到每個亞像素坐標對應的梯度幅值和方向（用藍色箭頭表示），為了突出表示效果，此處將表示梯度幅值的藍色箭頭長度縮小了10倍，并且每3個亞像素邊緣點只顯示一個藍色箭頭）（彩圖見期刊電子版）。

圖2 基于Facet曲面模型的齒輪亞像素邊緣擬合Fig.2 Gear subpixel edge fitting based on Facet surface model

2.3 齒輪輪廓擬合

齒輪端面中心點是計算齒輪各項參數的基礎，所以在測量時需要先對齒輪中心進行定位。齒輪中心可以通過齒頂圓、齒根圓或中孔圓擬合得到，但相比于齒頂和齒根，中孔通常作為配合孔要與輸出軸或軸承等裝配一體，中孔的尺寸公差、圓柱度影響的是齒輪的使用性能，而且只有中孔輪廓是連續的，故通過中孔輪廓來擬合齒輪中心點。

最常用的圓擬合方法為最小二乘法，但考慮到采用視覺方法擬合圓極易受到灰塵、毛刺等干擾，使提取的邊緣點出現離群值，而最小二乘法對于離群值是不夠可靠的，會產生較大的計算誤差。所以，本文采用基于迭代重加權最小二乘的方法來改進圓擬合精度。首先，易知圓的坐標公式：

其中，(x0，y0)和r分別為要擬合的中孔圓心和半徑，假設基于Facet的亞像素邊緣定位算法獲得的中孔邊緣點有n個，則其誤差平方的優化目標函數可以表示為：

式中，A，B，C為系數：

為每個亞像素輪廓坐標(xi，yi)引入距離權重wi后，式（7）將改寫為：

迭代重加權最小二乘法的最終目標是使目標函數S取得極小值，這時只要對系數分別求偏導，即可算出A，B，C，但在沒有擬合出圓方程之前，并不能得出每個點到圓心的距離，也就無法分配權重，所以需要通過迭代法求解，在第一次迭代時采用標準的最小二乘法進行擬合圓，即wi=1；在第2~n次迭代時，采用Huber提出的權重函數擬合圓：

其中：參數γ為削波函數，定義了哪些點為離群點；δ為函數的自變量，表示點到圓心的距離。將該式代入到式（9）即可計算出最佳擬合圓心和半徑，圖3顯示了采用迭代重加權最小二乘的方法擬合齒輪中心孔圓心和半徑的過程。

圖3 齒輪中心孔輪廓的圓擬合Fig.3 Circular fitting of gear center hole profile

2.4 圓與齒廓的交點定位

在圖像中，圓與齒廓的交點是測算齒輪參數的關鍵。通過分度圓與齒廓的交點可以求出齒數、齒厚和齒距等參數；通過基圓與齒廓的交點可以確定理論漸開線齒廓的起始位置。

齒廓與圓的交點可以通過兩幅圖像疊加來獲取。在image1中畫齒廓像素點，并把灰度值設為80；在image2中根據計算出的分度圓直徑和圓心畫分度圓輪廓像素點，并把灰度值設為80。此處有一個前提，image1和image2兩幅圖所畫輪廓都只能有單個像素寬度且連續，因此在進行邊緣提取后一定要進行細化操作使邊緣只有單個像素寬度，疊加后的圖如圖4所示，此時交點分為以下三種情況：

圖4 圓與齒廓交點的三種情況Fig.4 Three situations of intersection between circle and profile

第一種如圖4（a）所示，這種交點可直接搜尋圖中灰度值為160的像素點得到；第二種如圖4（b）所示，這種交點應定位在相鄰4個灰度值為80的像素點組成的正方形區域的中心；第三種如圖4（c）所示，這種交點在兩個對角相連的、灰度值為160的像素點的連接中心處。

2.5 輪廓分割

采用2.4節的方法，在圖像中確定齒輪輪廓與起評圓和終評圓的交點，以交點位置為分段點將輪廓分割成齒頂、齒廓和齒根（含過渡曲線）等部分，如圖5所示。起評圓和終評圓確定了評價段齒廓的區域，是齒輪精度標準［6］中的概念。

圖5 將輪廓分割成齒頂、齒廓和齒根Fig.5 Divide the profile into tooth tips， tooth profiles，and tooth roots

3 齒輪參數測算

3.1 模數

我國目前尚未制定專門的小模數齒輪模數標準，只是參考GB/T 1357［14］從0.1~0.9 mm選擇了13種模數作為小模數漸開線圓柱齒輪的標準模數：0.1，0.12，0.15，0.2，0.25，0.3，0.35，0.4，0.5，0.6，0.7，0.8，0.9 mm。通過測算出來的模數均為標準化后的值，而并非直接測量的值，即取與計算值最接近的標準模數值作為估算的模數。

模數是齒距P除以圓周率π的商，或分度圓直徑d除以齒數z所得的商。然而對于一個未知齒距P和分度圓直徑d參數的齒輪，則需要測量其他參數計算模數。齒輪高度變位時，若以齒頂圓直徑da來估算模數，則需考慮變位系數，若變位系數也未知，則無法計算；而無論是否變位，全齒高公式不變，只與模數有關。根據齒輪的這一特性，應以全齒高度h估算模數，按照GB/T1356標準［15］規定，以齒頂高系數h*a=1，頂隙系數c*=0.25為例計算模數，可得公式（11）：

將上述計算得出的齒輪模數按照標準模數進行標準化，即得最終的模數。

3.2 齒數

本文提出兩種計算齒數的方法：交點法和正弦擬合法。

（1）交點法

齒輪圖像中的一個輪齒的左、右齒廓總是成對出現，且分度圓一定經過左、右齒廓，所以可以通過分度圓與左、右齒廓的交點來計算齒數，確定圓與齒廓交點的方法已在2.4節介紹。若交點個數為n，則齒數z=n/2，如圖6所示。

圖6 根據齒廓與分度圓交點計算齒數Fig.6 Calculate the number of teeth based on the intersection of tooth profile and indexing circle

（2）正弦擬合法

交點法原理簡單、計算速度快，適合齒廓清晰、無干擾的情況，但若齒廓存在毛刺、凹坑等缺陷時，交點個數有可能出錯，本文提出一種魯棒性更好的方法——正弦擬合法。

如圖7所示，齒輪輪廓經過極坐標變換后會呈現類似于正弦函數曲線的周期性變化趨勢，這里假設目標函數為：

對極坐標變換后的齒輪輪廓進行最小二乘法擬合，可以得到目標函數的系數，最終算出齒數z（四舍五入取整）：

其中：T是齒廓極坐標展開后橫坐標的總長，T0=2π/ω為擬合得到的正弦函數周期。圖7中原圖齒廓以齒輪中心點為圓心轉換為極坐標(ρ，θ)，θ值再按原圖的寬度等比例轉化為θ′，即可在圖7右圖的圖像坐標系中繪制出近似正弦曲線的散點圖，最終擬合得到正弦曲線。

交點法速度更快，適合在離線條件下測量齒數；正弦擬合法魯棒性更好，適合在環境干擾較多的生產現場使用。

3.3 壓力角

齒輪的壓力角通常指在分度圓上的壓力角值，國家標準規定分度圓上的壓力角α=20°，某些場合也可采用14.5°，15°，22.5°及25°等［16］。分度圓壓力角在已知基圓半徑rb和分度圓半徑r的情況下可通過式（14）計算：

但如果齒輪參數未知，則需借助其他方法。本文提出了兩種方法來計算未知參數齒輪的壓力角：公式法和齒廓近似法。

（1）公式法

壓力角與分度圓齒厚有關，如圖8所示，可先通過圖像計算出齒輪分度圓平均齒厚（用s0表示），再計算壓力角。不過這里要區分齒輪正負變位的情況：

圖8 平均齒厚測量Fig.8 Measurement of average tooth thickness

正變位時：

負變位時：

這種方法比較適合測量中、大模數的齒輪，小模數齒輪齒厚尺寸小，壓力角的測算結果對齒厚的細微變化比較敏感，所以又提出了另一種齒廓近似法來計算小模數齒輪壓力角的方法。

（2）齒廓近似法

壓力角與齒形相關，根據經驗，將壓力角范圍設定在14.5°~25°之間，以一定步長將這一范圍內的壓力角值帶入式（14）求出基圓半徑，再找到基圓與每條齒廓的交點，在每個交點處作出理論漸開線齒廓，依次過全部實際齒廓像素點作理論漸開線齒廓的垂線并計算出距離ei（計算方法見3.7節），求出距離ei的殘差平方和Rss，如式（17），找到使殘差平方和Rss最小的壓力角α，以此作為最終的壓力角數值。

相比公式法，齒廓近似法的計算時間要多4~6 ms，但穩定性更好。

3.4 齒頂圓直徑、全齒高、齒寬等

通過第2節的方法，可以獲得齒頂圓直徑da、齒根圓直徑df、中孔圓直徑do、全齒高h和齒寬b等幾何尺寸，圖9展示了在齒輪圖像中獲取的這幾項幾何尺寸。特別地，齒寬是從齒輪側面架設相機進行拍照并提取相應輪廓后進行計算的。

圖9 圖像中齒輪一些基本尺寸的計算Fig.9 Calculation of some basic dimensions of gears in images

3.5 公法線長度

公法線長度的測量不受齒頂圓直接精度的限制，反映齒輪的運動偏心，是檢驗齒厚的重要依據［16］。進行公法線長度測量之前，首先要知道跨測齒數，跨測齒數k定義如下（按四舍五入取整）：

對于非變位直齒輪，公法線長度為：

對于變位直齒輪，公法線長度為：

其中，invα是關于壓力角的漸開線函數。

如圖10所示，在提取的齒輪亞像素輪廓圖像中，先計算出分度圓跨k個齒與不同側齒廓相交的兩個點坐標，并算出這兩個交點組成的線段的中點坐標，假設為E(x0，y0)，設齒輪中心坐標為O(a，b)，則齒輪中心點(a，b)與(x0，y0)組成的兩點式直線l1方程為：

圖10 齒輪圖像中的公法線長度測量方法Fig.10 Measurement of base tangent length in gear images

算出基圓與直線l1在OE方向上的交點F，從F點作直線l1的垂線l2，則直線l2一定也與基圓相切，根據漸開線的性質，基圓切線一定與與跨k個齒的異側齒廓的交點A和B的速度方向（齒廓的切線方向）相垂直。因此兩個交點AB的距離即為公法線長度。

同樣的方法可以求出各個輪齒處的公法線長度，公法線長度的變動量Fw等于公法線長度Wk的最大值與最小值的差值：

3.6 變位系數

標準齒輪在實際應用中存在一定的局限性，比如會產生根切現象，需要對齒輪進行變位設計。

如圖11所示，在加工高度變位齒輪時，標準刀具中線假設從分度圓外移，則齒根高變小，齒根圓變大；而假設要保證全齒高不變，則齒頂高變大，齒頂圓變大；因刀具外移，在齒輪分度圓處的刀具齒厚變小，即被加工出的齒槽變小；又因為分度圓周節不變，齒厚變厚。變位系數可分別通過齒頂圓半徑ra或齒根圓半徑rf來計算［17］，公式如下：

圖11 不同變位系數的輪齒形狀Fig.11 Gear tooth shapes with different modification coefficients

非頂切加工胚料時齒頂比齒根加工精度更高，所以采用齒頂圓半徑作為參數計算變位系數的精度更高，即采用式（23）計算變位系數精度更高。

3.7 齒廓修形量

由于齒輪在實際運行中，并不能達到理想漸開線齒輪那樣平穩，嚙合沖擊產生的動載荷影響著承載能力，所以在實際應用中有大量的齒輪齒廓是經過修形處理的。通過計算提取的實際齒廓與理論齒廓的偏差值可以分析齒廓修形量。

如圖12所示（彩圖見期刊電子版），將坐標原點放在圓心處，A(xi，yi)為實際齒廓上一點，紅色的曲線為理論漸開線，實際齒廓上的A點向理論漸開線作垂線，垂足為P(x，y)，根據漸開線的性質，PA的連線還與基圓相切于T點，設漸開線起始點與切點T的夾角為θ，OA的長度為ρ，則：

圖12 齒廓偏差的計算Fig.12 Calculation of tooth profile deviation

將A點坐標寫成極坐標形式，即：

設漸開線初始位置的角度為0°，則：

AP的模長即為實際齒廓上A點處的齒廓偏差絕對值。該值需要判斷正負，一般情況當實際齒廓點位于理論左、右齒廓包圍的輪齒區域外部取正值，在內部取負值。

3.8 形位誤差

形位誤差一般也叫幾何誤差，包括形狀誤差和位置誤差［18］，基于2D齒輪圖像可以獲取的齒輪形位誤差有：同軸度、真圓度和圓跳動。

在測量齒輪形位誤差之前，要先建立基準，本文以圖像采集到的齒輪端面為基準端面，中心孔的圓心為基準中心。齒頂圓對基準軸線的同軸度是影響齒輪嚙合精度的關鍵參數，通過齒輪2D圖像無法直接測得該同軸度，而且齒輪本身軸線長度就比較短，要評價其同軸度非常困難，常用同心度來代替。同心度是同軸度的特殊形式，當被測要素為圓心（點）、薄型工件上的孔或軸的軸線時，可視被測軸線為被測點，故對齒輪同心度的測量可以通過投影法。

根據2.3節的中心定位方法可以精確定位中心孔的圓心（基準中心），假設為O(x0，y0)；齒頂圓的圓心也可以用同樣的方法確定，假設為O′(x0′，y0′)；那么同心度ec可以表示為：

齒輪中心孔的圓度e的計算公式為：

其中：S表示中心孔的面積，L表示中心孔輪廓的周長。

圓跳動具體指齒輪中心孔的徑向跳動，先測得中心孔每個亞像素輪廓點到圓心的半徑（假設為ri），則徑向跳動er為最大測量半徑rmax與最小測量半徑rmin之差：

進行舉例說明：采集到的齒輪圖像如圖13所示，標定得到的像素當量λ=24.97 μm/pixel。圖中擬合定位的中心孔圓心坐標為O(1 829.50，693.27)，齒頂圓圓心坐標為O′(1 829.95，692.91)，中心孔面積S=33 932.00 pixel2，周長L=692.24 pixel，最大測量半徑rmax=105.47 pixel，最小測量半徑rmin=102.06 pixel，則可計算出齒頂圓對基準中心的同心度為：

圖13 齒輪形位誤差測量Fig.13 Measurement of gear geometric error

中心孔的圓度為：e=4π?S/L2=0.889；

中心孔的徑向跳動為：er=(rmax-rmin)×λ=5.2 μm。

4 測量實驗

4.1 實驗條件

搭建齒輪視覺測量系統（Gear Visual Measuring System， GVMS），系統包含工業相機、工業鏡頭、光源、視覺支架和上位機，采用9×9圓點陣列標定板（圓點直徑為0.5mm，相鄰兩點中心距為1.0mm，精度為0.9μm），標定出GVMS的像素當量為7.71 μm/pixel。

GVMS各硬件參數如表1所示。

表1 GVMS參數Tab.1 GVMS parameters

4.2 算法定位精度實驗

選擇Technomax， Inc.的碼特齒輪（master gear，JIS B1751-M00級精度）來測試基于Facet的亞像素算法定位精度，如圖14（a）所示，碼特齒輪齒數為38，模數為1.0 mm，壓力角為20°，中心孔標稱直徑為12.0 mm。通過提取該齒輪的中心孔來比較算法的定位精度。圖14（b）給出了兩種不同算法的定位誤差對比結果，圖中各點的誤差表示提取出的中孔輪廓各點到圓心的距離與標稱半徑的差值。

圖14 Facet算法定位精度實驗Fig.14 Facet algorithm positioning accuracy experiment

實驗統計了2 200個中孔輪廓點到圓心的距離與標稱半徑的差值，采用Canny像素級算法的定位誤差的標準差為28.77 μm，存在明顯的偏心問題；而采用基于Facet的亞像素算法得到的定位誤差的標準差為3.58 μm，轉換為像素精度為3.58/7.71=0.46 pixel，比采用像素級算法的定位精度提高了8倍。

4.3 不同型號齒輪混合測量實驗

測量系統如圖15（a）所示；選取三款不同型號的直齒輪（兩款塑料齒輪和一款粉末冶金齒輪）作為測量對象，外觀如圖15（b）所示。

圖15 實驗條件Fig.15 Experimental condition

三款齒輪的標稱參數在表2中給出。

表2 三款待測齒輪的標稱參數Tab.2 Nominal parameters of three gears to be tested

在不輸入任何齒輪參數的情況下，采用GVMS對上述三款齒輪（齒輪A、齒輪B和齒輪C）的各項參數測算；并在相同條件下進行了20次重復測量實驗，測量結果的標準差小于0.8 μm，極差小于4μm，即重復性精度為4 μm。

采用德國Klingelnberg的齒輪測量中心（P26）加人工測量（運用千分表和千分尺）的綜合測量結果作為GVMS測量結果的對照組，兩種方式的測量結果填入表3中，各項尺寸測量誤差均在8 μm內。

表3 齒輪參數測量對比實驗結果Tab.3 Comparative experimental results of gear parameter measurement

選擇三款齒輪中模數最小的齒輪C作為測量對象，采用GVMS與P26兩種測量方式測量齒輪C的齒廓總偏差Fα、齒廓形狀偏差ffα和齒廓傾斜偏差fHα。兩種方式測得的四齒齒廓偏差結果如圖16和圖17所示，表4、表5和表6匯總了二者測量結果，對比后可以看出，兩種方式測得的齒廓總偏差最大相差4.5 μm，齒廓形狀偏差最大相差1.9 μm，齒廓傾斜偏差最大相差3.9 μm，評定結果基本一致。

表4 齒廓總偏差對比Tab.4 Comparison of total profile deviation

表5 齒廓形狀偏差對比Tab.5 Comparison of profile form deviation

表6 齒廓傾斜偏差對比Tab.6 Comparison of profile slope deviation

圖16 齒廓偏差（四齒，GVMS測量結果）Fig.16 Tooth profile deviation （four teeth， GVMS）

圖17 齒廓偏差（四齒，P26測量結果）Fig.17 Tooth profile deviation （four teeth， P26）

5 結 論

本文開發了基于視覺的小模數直齒輪免參數快速并行測量方法：（1）提出基于Facet模型的齒輪亞像素邊緣定位方法，定位精度為0.46 pixel，比像素級算法的定位精度提高了8倍；（2）建立基于迭代重加權最小二乘擬合齒輪中心點的方法，抑制了邊緣離群值對中心定位精度的影響；（3）提出通過圖像疊加定位圓與齒廓交點的方法，并用于計算齒數、齒厚和定位理論漸開線齒廓的起始點；（4）開發了正弦函數擬合測量齒數的方法，以及通過公式法、齒廓近似法測量壓力角的方法；（5）構建了基于齒輪圖像的齒廓偏差計算方法。

本文提出的方法可以獲取齒數、模數、壓力角、齒頂圓直徑、齒根圓直徑、全齒高、齒寬、公法線變動量和變位系數等尺寸參數，以及同心度、圓度和徑向跳動等形位誤差，且可以通過測量齒廓偏差來分析齒廓修形量。

對于實驗選用的三款小模數直齒輪，本文方法測得所有尺寸的標準差均小于0.8 μm，重復性精度為4 μm，與P26對比結果顯示誤差均在8 μm內，與P26測得的齒廓總偏差、齒廓形狀偏差和齒廓傾斜偏差的最大差值分別為4.5 μm，1.9 μm和3.9 μm；造成測量誤差的眾多因素中有一個關鍵因素，即齒輪中軸線與光軸的不平行導致視場中多齒輪目標圖像有不同程度的斜視（邊緣產生陰影），因此在后續的研究中需要考慮修正斜視產生的誤差。

相比傳統的接觸式測量方法，該方法無需輸入參數，無需裝夾，測量效率高，獲取的參數全，可以同時完成多種不同型號齒輪的免參數混合測量，因此具備在小模數齒輪產線上的應用前景。