从20世纪70年代中期开始,计算机技术突飞猛进,同时人工智能、思维科学等研究的发展也非常迅速,与此同时数字图像处理技术也得到了充足的发展,在各个领域得到了广泛的应用。研究不规则孔洞检测的图像处理技术能够获得孔洞内部的结构信息,有助于提高操作的有效性和准确性。本课题正是基于机器视觉针对不规则未知孔洞测量问题进行研究。测量不规则孔洞的横截面轮廓的形状和尺寸是获得孔洞内部结构信息并进行三维模型构建的关键。本文主要研究系统的软件部分,包括图像的采集显示、预处理、目标轮廓的提取、目标轮廓的拟合、目标轮廓的形状大小计算以及孔洞内部环境的三维模型构建。其中目标轮廓的正确提取是最为关键的部分。首先,根据实验图像的特点,充分利用激光的光强等物理特点,对图像进行去噪,二值化,轮廓细化等预处理,剔除了一些重大干扰,使得目标轮廓更为清晰。然后针对由于光线等原因造成的轮廓线中断,本文研究了一种基于向量弧度的跟踪算法,在对图像进行分割、标记处理之后,准确提取出各个轮廓线段,并且将各个轮廓线段的组成像素按顺时针顺序提取,进而对轮廓的断裂处进行曲线拟合,并以不同颜色标识。在处理图像序列的基础上,最终获得三维模型。本文针对不规则孔洞测量的图像处理设计了相关的软件系统,并对其进行了测试,获得了较准确的孔洞轮廓模型。本课题研究了非结构化地理环境中测量孔洞横截面轮廓的形状和尺寸的关键技术,为使用者提供必要的地理信息支持。特别针对需要进入内部检测并且形状不规则的未知孔洞,例如矿井坍塌、地震等造成的废墟的检测,提高了作业效率、安全性和准确性。