基于机器视觉的参数检测和测量是稻麦收获机智能化发展的重要的方向之一。论文围绕割幅宽度和稻麦高度测量原理,作物边界线提取,稻麦高度线提取和算法验证,对智能稻麦收获机实时割幅测量和稻麦高度测量进行了深入研究。论文的主要研究内容为:（1）研究视觉测高和测宽原理,获取测量图像。研究世界坐标系到像素坐标系的转换原理和逆透视变换原理,依据逆透视变换实现割幅宽度的测量;针对利用卷尺等传统测量方法测量稻麦株高效率低下,人工成本高的问题,分析智能稻麦收获机的作业特点,研究二维图像到三维世界的几何映射关系,提出基于视觉的稻麦高度测量方法;进行相机选型和图像处理模块的选型,确定相机的安装位置。（2）研究基于改进粒子滤波和反向投影算法的作物边界提取。针对智能稻麦收获机割幅测量中作物边界线难以提取,容易受到光照等因素影响的问题,分析农田作业环境特点和作物边界附近粒子权值的变化规律,提出了基于改进粒子滤波的作物边界线定位方法。针对改进粒子滤波定位边界粗糙的问题,首先利用改进的粒子滤波确定新的感兴趣区域,然后通过反向投影算法获得概率图,接着利用图像处理获得作物边界,最后对两种算法的作物边界进行最优选择。（3）研究基于颜色特征的稻麦高度测量方法。为解决时间复杂度高,大尺寸图像处理不便的问题,利用高斯金字塔对图像下采样;分析稻麦图像的HSV三通道灰度值变化规律,利用H通道对稻麦区域进行分割,实现稻麦区域的获取;利用帧间和法增强图像,使用大尺度窗口的中值滤波和形态学操作进行孔洞填充,获得完整的稻麦上边界线,实现高度测量。（4）实验验证。采集不同环境下水稻和小麦的收割视频,分析不同算法提取作物边界和作物高度线的准确性。依据现场实验特点和测量特点,设计合理的智能稻麦收获机割幅宽度和稻麦高度验证方法,进行多次现场实验,验证算法测量收割宽度和作物高度的准确性。实验表明基于改进粒子滤波和反向投影算法可以实现智能稻麦收获机割幅宽度的准确测量,基于颜色空间的稻麦高度测量方法可以实现稻麦高度准确快速的测量。经国家农机具质量监督检验中心实验检测,示宽测量平均绝对误差在70mm以下,测高平均绝对误差在20mm以下。