随着图像处理和双目视觉技术的研究和发展，这两种具有低成本、非接触、高精度特点的技术，已经应用到了越来越多领域。处于经济发展方式转型期的皮革制造行业，面临着一系列机遇与挑战，传统劳动力密集型低效率高浪费的发展模式必将改革。而以图像处理和双目视觉为代表的现代化技术，正是可以为传统制造行业注入新的发展动力，提升制造过程的自动化、智能化水平，相应地，这些技术将改变皮革制造行业的传统模式，有效保护员工安全，减少原料的浪费、提升利用率，甚至实现制造过程的无人自动化加工。通过现代化技术提升传统产业的竞争力，势必巩固中国制造的世界地位。　　 正是基于这样的行业和时代背景，根据皮革制造流程，本文针对皮革测量方法做了如下研究：　　 1)针对本文皮革图像采集的特点提出了双目视觉技术的实现方案。根据双目相机标定结果，结合相机外部非线性畸变因素造成的成像误差，确立了左右相机受畸变影响最小的图像采集区域。为了更好的提升皮革图像特征点的重建精度和准确度，在本文的双目视觉模块中引入了矫正方法，使得左右相机的成像平面达到行对准模式，这将使皮革图像特征点的搜索范围和计算量都将大大减小，从而进一步提高皮革测量精度。　　 2)实现皮革图像纹理辨别与边缘提取，便于后期制造过程中的自动化控制。经过纹理提取后的皮革图像，能更有效地区分出不同质地的面料，由此完成对皮革原料进一步的自动化筛选。随后，皮革图像经过由灰度转换、高斯平滑、阈值分割和形态学闭运算组成的一系列处理后，再由Canny算子提取单像素精度的皮革边缘轮廓，为后期视觉处理中的特征点提取建立良好基础。　　 3)改进了基于曲率空间的皮革边缘特征点检测算法。以多尺度基于曲率空间的检测算子作为本文提取算法的基础，在传统引入提取方法之上作了部分改进，通过全局和局部的约束提高所检测出的特征点的可靠性，并在C++平台上借助OpenCV实现提取算法，通过实验结果验证了本算法的有效性。　　 4)提出了皮革边缘特征点的匹配算法，进而通过特征点重建得到皮革尺寸的测量结果。结合行对准模式的优点及前文特征点提取的结果，采用双向匹配策略和像素差约束的思想，并根据匹配结果及双目视觉矫正后的重投影矩阵进行特征点重建。像素差约束的增加缩小特征点搜索范围提高算法执行速度，双向匹配提高算法匹配精度，随后，依据双目矫正的重投影矩阵公式，代入先前的匹配结果求得特征点重建后的三维坐标值。　　 5)最后，对全文工作进行总结，并对未来研究内容提出了一些展望。