1.一种基于机器视觉的轴承质量检测方法，其特征在于，包括：对第一样本集中的轴承进行二维图像采样，获取第一分辨率下的第一轴承图像信息；

判断所述第一分辨率下的第一轴承图像信息是否满足第一预设条件；

当所述第一分辨率下的第一轴承图像信息满足第一预设条件时，根据所述第一轴承图像信息得到第二样本集；

对所述第二样本集中的轴承进行三维测量及三维重建，得到第二轴承图像信息；

根据所述第二轴承图像信息获取轴承表面缺陷类型。

2.如权利要求1所述的基于机器视觉的轴承质量检测方法，其特征在于，所述第一预设条件为所述第一分辨率下所述第一轴承图像信息中出现二维缺陷特征。

3.如权利要求1所述的基于机器视觉的轴承质量检测方法，其特征在于，所述判断所述第一分辨率下的第一轴承图像信息是否满足第一预设条件，包括：对第一分辨率下的第一轴承图像信息进行预处理得到预处理图像，并提取灰度参数；

对预处理图像进行滤波及二值化处理，得到二值图像；对二值图像进行感兴趣轮廓与背景分离处理，得到处理后图像；

对处理后图像进行轮廓提取，获取图像中包含的轮廓特征，并根据轮廓特征判断第一分辨率下的第一轴承图像信息是否出现二维缺陷特征。

4.如权利要求3所述的基于机器视觉的轴承质量检测方法，其特征在于，所述对预处理图像进行滤波及二值化处理，得到二值图像，包括：调整灰度直方图的灰度值，并将图像清晰时的灰度值作为灰度阈值，根据灰度阈值对滤波后图像进行二值化处理，实现图像分割，得到二值图像。

5.如权利要求3所述的基于机器视觉的轴承质量检测方法，其特征在于，所述对二值图像进行感兴趣轮廓与背景分离处理，得到处理后图像，包括：对二值图像采用形态学闭操作和背景差分方法将感兴趣轮廓与背景分离，得到处理后图像。

6.如权利要求3所述的基于机器视觉的轴承质量检测方法，其特征在于，所述对处理后图像进行轮廓提取，包括：基于边界跟踪的数字化二值图像拓扑结构分析的方法对处理后图像进行轮廓提取，获取图像中包含的全部轮廓特征。

7.如权利要求3所述的基于机器视觉的轴承质量检测方法，其特征在于，所述根据轮廓特征判断第一分辨率下的第一轴承图像信息是否出现二维缺陷特征，包括：计算每个轮廓特征的面积，并根据预定的面积阈值筛选轮廓特征；或计算每个轮廓特征的最小外接矩形的长，并根据预定的长度阈值筛选轮廓特征。

8.如权利要求1所述的基于机器视觉的轴承质量检测方法，其特征在于，所述第二轴承图像信息包括灰度通道、梯度通道、深度通道的信息。

9.如权利要求8所述的基于机器视觉的轴承质量检测方法，其特征在于，所述根据所述第二轴承图像信息获取确定轴承表面缺陷分类信息，包括：对所述灰度通道、梯度通道、深度通道进行特征提取；

采用多类别SVM分类方法，使用灰度通道、梯度通道及深度通道的特征信息建立缺陷识别算法，根据所述灰度通道、梯度通道及深度通道的特征信息进行缺陷识别，以区分缺陷和非缺陷；

所述对所述灰度通道、梯度通道、深度通道进行特征提取，包括：对所述灰度通道进行多尺度分解，选择均值、标准差、熵及投影特征的至少之一并降维，得到灰度通道特征；

对所述梯度通道采用传统多尺度小波对梯度通道进行二层小波分解，提取子通道的均值、标准差、绝对差、熵的至少之一作为梯度通道特征；

对所述深度通道提取深度投影特征。

10.如权利要求8所述的基于机器视觉的轴承质量检测方法，其特征在于，所述三维测量包括：采用至少两个方向的光源依次照明，根据第一函数模型获取方向梯度，所述方向梯度构成梯度通道，以反映轴承表面的三维形态分布；其中，方向梯度包括x方向的梯度矩阵P和y方向的梯度矩阵Q；

根据第二函数模型获取灰度通道，以反映轴承表面的二维反射率的分布；

所述三维重建包括：

以所述方向梯度作为输入，用梯度矩阵分解与梯度矩阵递推算法，根据梯度矩阵P、梯度矩阵Q获取深度矩阵Z，得到深度通道。