零件几何测量技术是制造业技术不可缺少的组成部分。在工业生产中,为了保证产品的质量,必须对其加工尺寸进行高效、高精度的测量。但传统的人工测量方法劳动强度大、检测效率低、生产成本高并且不能保证产品的总体质量。随着第四次工业革命的到来,工业生产正在向更加智能与自动化的方向发展。机器视觉检测技术具有实时在线、无接触、速度快、灵敏度高、精度高等优点。它既节省了时间和成本,又避免了测量过程中的人为误差,提高了工业自动化水平。目前,基于机器视觉的精密测量技术已经成为工业界关注的热点。本文针对基于机器视觉的小尺寸不规则形状零件精密测量技术进行了研究及应用。以手机尾插工件为检测对象,首先由CCD工业相机采集工件图像,通过图像增强、图像配准、图像边缘检测以及目标直线提取等技术,计算出手机尾插各部分的像素尺寸,最后通过相机标定技术确定出工件的物理尺寸。在图像配准时,重点对当前SIFT特征匹配算法所面临的匹配准确率较低的问题进行分析。针对SIFT匹配算法完全忽略不同特征点之间的几何关系、只注重局部优化,对于灰度变化比较平滑的工件图像在寻找匹配特征点对时容易产生较多误匹配的问题,提出改进的约束SIFT特征匹配的图像配准算法。算法首先采用基于边界跟踪的图像拓扑结构分析方法提取目标外轮廓,拟合出轮廓最小外接椭圆,利用椭圆匹配的方法获取两幅图像间粗略几何变换信息;然后采用几何信息对SIFT特征点匹配进行约束,提高匹配准确率;最后利用RANSAC算法精确匹配特征点,确定变换矩阵,对图像进行配准变换。实验表明,本文提出的算法与改进前的算法对比,在特征点匹配准确率上提高了12%,有效的提高了配准精度。在直线检测时,针对现有Hough变换算法在拟合直线的过程中,参数空间峰值点被次峰值点包围,易造成误检或漏检的问题,提出一种新的投票机制。本文通过改变Hough空间投票权重的方法来抑制Hough空间虚假峰值的产生,从而精准的检测到图像边缘直线。实验表明,本文提出的算法相比于改进前在直线检测准确率上提高了22%。本文以手机尾插工件为检测对象进行了大量的实验。实验结果表明,本文提出的算法相对于改进前具有更高的特征点匹配准确率与直线检测准确率。机器视觉测量系统最终的测量结果具有较高的鲁棒性,测量精度达到0.0158mm,可以满足工业生产检测的要求并具有一定的通用性。