金属工件作为生活常用的物品之一,其应用非常广泛。因此需要对其进行检测,保证质量。几何测量是常见的检测手段,通过测量金属工件外观尺寸来判断是否符合标准。传统方法主要通过物理工具如直尺、千分尺、游标卡尺等,测量范围有限、效率低下且无法保证精度,测量结果容易受主观影响。而对于实际生产,人工测量也无法满足大批量、高强度、高精度的测量要求。随着计算机科学技术和图像处理技术的发展,基于机器视觉的识别与检测方法也越来越普遍。它可以实现对测量目标的非接触、实时地自动检测与判决,具有效率高、精度高、客观可重复、自动化等特点。本文针对现有测量方法存在的不足,以圆形及多边形金属为研究对象,探讨高精度、高稳定性的视觉测量研究方法。首先根据检测需求分析测量的关键技术,并且根据研究对象特点设计了总体测量流程,选择合适的光源、相机、镜头搭建图像采集硬件平台。为了提高测量精度,从物体成像原理出发,探讨图像畸变原因,最后进行相机标定。在图像预处理方法研究中,对图像合法性进行判断,去除无效图片,提高算法效率。针对多目标检测,为提高定位准确性,提出了基于Maximally Stable Extremal Regions（MSER）的图像归一化方法,为消除光照影响,采用了分段线性灰度增强方法同时设计了基于改进的Otsu的动态自适应阈值分割。研究了边缘检测方法,从传统边缘检测算法出发,通过实验分析存在的不足,提出了基于改进Canny算子的卡尺工具边缘检测方法,获得了稳定准确的边缘。为实现智能测量,对轮廓进行分类及自动识别,提出了基于Ramer算法的轮廓分割算法,将原轮廓分割成直线、圆和圆弧基本测量单元。同时探讨了基于Hough变换的直线与圆的检测,传统最小二乘法的曲线拟合方法,最后采用了基于Tukey权重的曲线拟合方法,实现了高精度拟合。最后整合研究方法,设计一套几何尺寸自动测量算法,实现几何参数圆直径、圆度、直线长度和直线角度的测量,通过对照实验组对测量结果进行验证并分析测量误差。得到结论:整个算法可以对金属工件智能识别与测量,圆直径测量精度在0.03mm之内,直线测量精度在0.15mm左右,满足了检测精度。