三维视觉测量技术是计算机视觉和精密测量综合的高端技术。在视觉测量领域,测量的速度是系统性能的重要指标之一。在实时测量系统中,系统处理速度越快,意味着系统可以在更高帧率的场景下运行,意味着图像输入与结果输出之间拥有更低的延时。CUDA是NVIDIA应用于异构CPU、GPU架构的开发平台,通过CUDA,可以实现应用NVIDIA系列GPU的通用并行计算,经过分析,位姿测量算法中的关键步骤具有良好的并行性,适合采用并行方法实现加速。本文对单目视觉三维位姿测量技术进行研究,实现基于CUDA并行加速的位姿测量系统,尝试在保证位姿测量算法精度的同时,提高算法速度。首先研究视觉测量系统各部分组成。系统应用于基于单目视觉合作目标的位姿测量场景。通过系统指标确定处理器、相机、镜头、靶标选型与设计。处理器选用拥有NVIDIA GPU的轻量级嵌入式设备,确定能够实现较高帧率数据传输,且接口型号和数据传输带宽与处理器适配的高速相机。根据应用场景工作距离、视场及精度要求,确定接口与相机适配的镜头。设计合作靶标,靶标合作特征点选用红外发光圆光点,光点数量设计为7个,其分布采用“3高4低”分布结构。研究单目视觉位姿测量算法,针对合作目标位姿测量过程中最为耗时的特征提取环节,研究并实现基于CUDA的并行质心计算算法,完成编程实现。重构质心计算过程,以适配并行架构特点,将质心提取分为连通域标记与质心提取两个步骤,重新规划连通域标记流程为初始化、约简、分析流程,规划质心计算流程为标签连续化、信息统计与质心最终计算流程。设计仿真实验验证质心提取效果,及光点分布与数量对质心提取算法耗时的影响。经过仿真实验验证,证明了基于CUDA的质心计算算法能够正常实现功能,在7光点场景下,质心计算平均耗时为2.16 ms,光点在50×50像素范围内分布的密集分布情况下,质心计算平均耗时为2.18 ms。在图像含100个光点情况下进行仿真,质心计算平均耗时为2.35 ms,证明光点数量与分布变化对算法耗时影响较小,几乎可以忽略不计,表明质心计算算法的并行性较好。讨论常用合作目标位姿解算Pn P算法,并实现非迭代EPn P算法。设计蒙特卡洛模拟实验,验证在3.5 m-5 m距离工作场景下,光点质心在图像中实际像素坐标相对理论像素坐标偏移对位姿测量结果误差的影响,为像素坐标增加均值为0,标准差为0.05像素的高斯分布偏移误差,进行蒙特卡洛模拟实验。经实验验证,目标与相机沿光轴方向为3.5 m-5 m距离时,光点质心像素坐标偏差导致目标在垂直光轴方向的位置偏差小于0.5 mm。说明EPn P算法可以独立应用于本文应用场景,完成位姿解算工作。最后对相机与靶标进行标定,进行真实场景下位姿测量实验。经过验证,质心提取平均处理时长达到2.16 ms,系统实时位姿测量平均耗时为3.27 ms,在选用相机最高168 fps实时图像采集场景下,能够稳定运行。分别在3.5 m、5 m工作距离验证位姿测量算法精度,其中质心位置重复测量结果标准差小于0.05像素。位姿重复测量结果,z轴方向测量标准差小于0.31 mm,x、y轴测量标准差均小于0.1 mm,偏航角、俯仰角、滚转角测量标准差小于0.05°。说明本系统在保证测量精度的同时,在测量速度上有了较大提升。