板材是一种扁平矩形板,广泛应用于工业和建筑行业。为了保证板材在出厂以及返厂的尺寸精度,测量是必不可少的环节之一。本文针对尺寸在1000mm范围内板材的结构特点和尺寸测量要求,通过对比单目视觉、双目视觉以及结构光等测量方法的优缺点,设计了基于单目相机和激光测距模块协作的板材尺寸测量方案。其中,激光测距模块用于测量板材的高度尺寸以及匹配不同高度测量平面的标定参数;单目相机采集板材俯视图像,用于板材长、宽等平面尺寸的测量,研究内容包括:（1）针对板材测量系统的特点,设计了一种单目相机和激光测距传感器协作的标定方案。针对标定板不完全出现在视场中的情况,引入六边形排列的圆阵列标定板,研究了标定板特征点提取的图像处理算法,实现了标定板椭圆轮廓拟合,并使用面积差值和偏心距指标评价拟合精度,紧接着建立了标定板图像坐标系。基于相机内参不变性,针对不同高度的测量平面,激光测距传感器的高度信息作为透视投影丢失的一个维度,解决了单目相机标定时的世界坐标距离的计算问题。最后针对任意高度平面的测量需求,简化了标定过程,通过相机和激光传感器坐标系的变换矩阵,仅仅标定至少一个高度平面便可以确定任意高度平面的标定参数,通过实验分析了标定方法的使用并进行了有效性验证。（2）针对板材图像边缘高精度检测和自动化测量的需求,改进Canny边缘检测算法。首先选择一种具有边缘保护作用的双边滤波,能够解决板材图像平滑过程中出现的边缘模糊问题。然后基于OTSU和种子填充算法的阈值分割获取边界参考点,建立待提取边缘的先验约束,结合参考点的分布实现了双阈值估计。最后介绍了一种基于多项式插值的亚像素定位方法,以较低的计算成本实现了板材图像亚像素边缘检测。（3）研究了一种基于全局信息的板材轮廓形状检测方法。首先基于边缘像素集合找到Hough参数空间中的直线以及其交点,设计一种环形掩膜进行USAN值的计算,同时提出了一种基于最大类间方差原理的掩膜原子核亮度和USAN阈值的确定方法,然后利用USAN值判断出真实的多边形顶点,最后引入多边形参数空间对顶点进行拟合,获得板材轮廓的形状和边长。实验表明,本方案和传统Hough直线检测以及Douglas–Peucker算法相比,可以更好的应用在图像中多边形具有破损顶点以及噪声的场景。最后基于搭建的硬件平台以及利用Opencv和Qt等工具开发的人机交互软件,针对常见的8种型号板材进行了测量实验,对于尺寸小于400mm的板材,其平均测量误差为0.64mm,400-1000mm范围板材平均误差为1.21mm,满足板材测量的精度需求。针对系统的结构特点,进行了两种场景下的测量一致性实验。实验表明本文研究的方法能够实现板材图像的低成本、高精度尺寸测量,在板材测量领域具有一定的现实意义。