随着经济建设的快速发展和科学技术的不断提高,对工业设备的性能要求以及产品的精密化程度也提出了更高的要求,尤其在测量技术领域。在电子工业、汽车工业以及医学影像等领域都需要对位置、位移和振动等进行测量,常用测量方法以接触式为主,如位置传感器、拉线式位移计和GPS卫星测量法等,随着基础硬件技术的突破,非接触式测量也逐渐在工业中应用,如激光、超声波和视觉等测量技术,视觉测量技术可以远离被测物体,采用摄像头对被测物的移动进行图像采集,再通过计算机进行有关的数据分析得出精确的位移,不仅可以测量静态物体,还对动态物体进行跟踪测量。机器视觉作为革新技术,可以满足目前国内工业的高精密自动化生产需求。在二维平面中,视觉测量已经趋于成熟,但仍存在摄像机倾斜导致三维点测量偏差,运动目标提取与识别难的问题;本文通过分析和总结工程领域在位移及振动测量方面中存在的不足,本文做了以下几方面的研究:（1）对高速视觉测量系统的具体结构进行了研究,并分别对系统中的光源、镜头、处理器和控制系等进行了分析与介绍,明确了本论文中所使用到的硬件设备的具体参数。建立了摄像机测量模型,并对其内外参数矩阵进行标定,提出了一种高速视觉测量系统采样点坐标转换方法。（2）二维视觉测量中,光轴与测量平面之间存在垂直度误差且难以对该误差进行校准的问题,提出了一种基于BP神经网络的斜光轴校正方法,通过对视觉测量中摄像机斜光轴引起的测量误差进行理论分析,得出摄像机的内外参是影响测量精度的主要因素,并以此为根据分析了采用BP神经网络进行斜光轴校正的可行性。搭建视觉测量平台,采集图片后进行处理构建数据集,以Sigmoid函数作为激活函数,构建了BP神经网络模型,导入数据与标签进行训练,训练结果表明神经网络训练模型的理论值与实际值偏差较小,能有效根据获取像素点推导计算出实际的偏差角大小。基于搭建的视觉测量平台设计了验证性试验,采用三轴测试转台作为测试平台,将校正前后的数据理论计算数据、神经网络拟合与真实数据进行比对。（3）设计了一种适用于机械振动特性的分析算法,即通过提取对机械运动影响最大的一系列点进行研究,提供了一种无损便捷可视化的先进测量技术,并将高速视觉运动特性分析算法应用于实际,取得了良好的效果,证明了算法的可靠性与鲁棒性。（4）提出了一种基于卡尔曼滤波和局部特征匹配的位移测量算法,建立运动目标的状态方程和观测方程,通过逐步的递推关系,不断预测运动目标在下一幅图中的位置,并采用局部特征匹配算法检测目标的具体位置信息,提高搜索效率,同时也能够解决图像处理时丢失目标的问题。试验证明,经过BP神经网络方法对摄像机斜光轴校正后与仪器真实数据对比方法平均绝对误差为1.3395×10-2mm,平均相对误差(（3）为1.75×10-2mm。在特征匹配的位移测量算法上加上卡尔曼滤波器后,可以提升点识别的精确度,补齐遮挡后的点位移轨迹,在遮挡面积小于10*20cm时,精确率可达99.87%,大于时则逐渐降低,在遮挡面积为10*30cm,无法匹配。