视觉测量作为一种非接触式测量方法,具有测量过程便捷、不易受被测物体形状影响、测量速度快等优点,并已广泛应用在机械制造、在线产品检测和远程测控等领域。对于采集环境复杂、外形体积大、成品颜色相近等特点的大型被测物体,所采集的图像具有噪声高、畸变大、纹理单一等特征。针对上述图像特征,现有的视觉测量方法存在摄像机模型参数不易确定、测量系统定标困难、特征信息难以检测、特征定位精度低等不足。本文围绕上述不足,对大型物体的单目视觉测量中的关键理论、方法及应用进行了深入研究,其主要研究成果如下:(1)针对视觉测量中景深大导致图像畸变严重问题,提出了一种基于单幅图像的摄像机畸变参数计算方法MECDPSI。MECDPSI首先采用图像中心点附近点估计初始单应矩阵,并由图像偏移量确定摄像机初始畸变参数,最后通过非线性迭代优化算法同时优化初始畸变参数和初始单应矩阵。模拟数据和真实图像实验验证了MECDPSI算法的正确性和有效性。该方法为计算大型被测物体图像中的畸变参数,提供了一种有效途径。(2)针对视觉测量中的摄像机外参数求解问题,从理论上分析了P3P多解问题,并得出如下结论:给定三个控制点,当摄像机光心靠近由三个控制点决定的三个超环面时,P3P问题的解不唯一,且至少有两个解,其中一个解其光心必然位于某个控制点的邻域内。该结论为正确求解测量系统定标中的摄像机外参数,奠定了理论依据。(3)对影响单目视觉测量精度的诸多因素进行了综合实验分析,得出了“合理的畸变模型选择是视觉测量需要首先考虑的问题;在图像分辨率较高时,图像离散误差的影响可以忽略不计,而由高分辨率导致的图像特征定位误差会对畸变参数的估计产生比较大的影响,从而影响物体的测量精度”的结论。该结论对大型物体的视觉测量,具有一定的理论指导意义。(4)针对图像中的直线提取,分析了Hough变换的最小化参数空间问题,给出了最小参数化空间的定义,并推导出了对应的离散参数空间所需要的最少计数器个数的计算公式。该公式对正确确定弱纹理图像中参数空间峰值具有重要的理论指导作用。(5)根据机械装备图像中的几何特征信息,提出了一种新的四边形检测与匹配算法。该算法首先采用Hough变换提取图像中的线段信息,并采用线段合并、删除冗余线段技术对其进行预处理;其次利用最邻近查找法检测初始四边形,结合四边形几何性质删除错误四边形,得到最终四边形;然后引入SIFT关键点信息,采用局部相似度与全局相似度,对四边形进行自动匹配;最后采用起重机桥架端梁图像验证了该算法的有效性。该方法充分利用了机械装备中的图像特征信息,为进一步提高视觉测量精度,提供了一种有效方法。(6)在上述研究的基础上,采用VC++和Matlab 2010a作为开发工具,设计并实现了一个机械装备视觉测量原型系统。该系统主要包括机械装备图像预处理、特征检测、特征匹配、三维重建等功能模块,并采用焊接机器手臂为实例进行了测量示范。结果表明该原型系统为机械装备视觉测量,提供了一种可行和有效的途径。