在汽车制造企业中,汽车表面缝隙的尺寸是判断车身覆盖件匹配精度的关键指标。车身覆盖件匹配精度对汽车的外观、性能以及消费者的驾驶体验有着直接或者间接的影响。尽管国外市场上有着先进的缝隙尺寸检测设备,但是其价格太过昂贵,加上现在国内针对车身表面缝隙尺寸检测方法的研究存在较大的局限性,所以目前国内汽车厂商对于缝隙尺寸的检测手段依然以间隙尺、游标卡尺或塞尺等接触式测量方法为主。传统的接触式检测方法不仅容易受到主观因素的干扰,而且十分容易在车身产生划痕,会带来难以估量的损失。针对传统检测方法中潜在的问题,在此课题中,将分别从缝隙检测方案设计、缝隙图像的预处理及立体匹配、检测系统标定三部分进行深入的研究,并根据试验来证明算法是否具备效用。核心的研究内容可以划分为下述的几个部分:（1）根据汽车各个位置的缝隙面差测量的基本要求以及缝隙面差定义现状,研究缝隙面差的几何结构,构建缝隙面差检测的数学模型,分析缝隙尺寸检测系统的关键技术,设计缝隙面差的检测方案,绘制检测方案流程图并对其进行详细说明。（2）对缝隙进行预处理以及特征匹配的研究。采用灰度化、图像滤波以及图像增强对缝隙进行预处理,提高图像质量。采用Harris等三种经典算法来对缝隙予以特征检测,接着进行匹配,将检测特征点数以及匹配效果进行对比并分析,指出传统特征匹配方法的不足之处。在此基础上,首次提出利用最小外接矩形获取特征点并进行固定点匹配的方法。对最小外接矩形进行深入的研究,使用两种方式求取缝隙的最小外接矩形并将结果进行对比,最终确认以旋转卡壳法的方式获得缝隙最小外接矩形,从而求得缝隙上的固定特征点并匹配。通过匹配的结果可以看出,采用最小外接矩形进行特征匹配明显改善了匹配的效果,提升匹配的精度与效率。（3）对缝隙尺寸检测系统进行标定。针对坐标间的转换关系予以解析,除此之外对畸变校正模型进行探索。详细的介绍了张氏标定法的主要原理,结合Harris角点检测方法提取标定板的角点进行相机标定,验证了所求结果精度较高,可以满足缝隙三维重建的要求。针对Eye-in-Hand式手眼系统,介绍了其原理,利用Tsai两步法完成了机械臂的手眼标定。（4）进行缝隙尺寸检测试验。对检测硬件进行选型,同时使用微软基础类库（MFC）设计用户界面。以最小外接矩形中心点作为定位点,利用手眼标定的结果,控制机械臂带动双目相机拍摄汽车表面缝隙,并结合相机内外参数对缝隙上的特征点进行三维重建。对缝隙线进行空间旋转,求出缝宽与面差,并与企业标准值和实际检测值进行比较,从而对算法是否具备有效性进行验证。