面阵相机因其测量图像直观,现已成为工业视觉检测中最常用的检测设备。然而,由于相机镜头工艺制作误差,导致面阵相机所拍摄图像无法精确地描述空间点的世界坐标与像素坐标之间的映射。而且,随着相机镜头的老化,畸变所带来的误差影响会越来越大。因此,相机标定成为工业视觉检测中不可或缺的处理环节。传统的张正友相机标定方法因灵活性强、精度高,已广泛应用于面积、形状、尺寸等工业视觉检测。但是,这类方法需要测量标定物位置较多,操作效率难以支持在线检测应用。因此,本文提出一种基于压缩感知的面阵相机高效标定方法,主要研究工作如下:根据面阵相机小孔成像原理,通过透视投影方式将空间点的世界坐标映射到像素坐标,建立了相机成像的多参数非线性几何模型。针对直接求解这种多参数非线性模型非常困难的问题,详细分析了传统的张正友相机标定法的求解方法。并通过建立欠定、正定和超定的相机内参数初值求解方程,分析了张正友标定法需要三幅以上不同方位的标定图像才能获得准确的内参数初值的原因,以及内参数初值对后续参数求解的重要性。并基于三幅图像、九幅图像的张正友标定法,进行面阵相机标定实验,验证了传统的张正友标定法只有在标定图像充足的情况下才能获得稳定的相机参数。针对传统的张正友标定法需采集标定图像数量较多、无法在单幅标定图像上实现稳定标定的问题,结合相机参数值在单一基函数上显示的近似稀疏性,提出了一种基于压缩感知的面阵相机高效标定方法。利用Legendre正交多项式函数、Gaussian多项式函数、Chebyshev正交多项式函数表示相机参数值,从而提出了基于单一基函数的相机参数稀疏表示方法。由于不同焦距的相机参数值通常呈现出不同的分布特征,导致相机参数值在单一基函数表现出的稀疏性不佳。因此,提出基于自适应字典基函数的相机参数稀疏表示方法,该方法使用自适应字典学习算法离线获取标定参数进行字典基函数构造;此外,可以用新获得的相机参数值进一步更新自适应字典基函数,使其能够及时地表征镜头老化引起的畸变变化。最后,通过已知基函数以及一幅标定图像提供的空间信息,结合压缩感知理论,重构相机参数并通过迭代进行标定参数优化。最后,本文通过内参数求解精度、重投影误差和时间消耗三个指标进行实验,与张正友标定法对比分析,实验结果表明:1)仅用一幅标定图像就能对相机进行精确标定,大幅缩减在线标定时间,有利于工业视觉检测的在线标定;2)随着标定棋盘格角点数的增加,可以获得更准确的标定结果;3)新的标定结果可以作为一个新的样本来更新字典,使其与相机状态保持一致。同时,利用不同的相机进行相同实验,验证了该方法的高效性与稳定性。基于上述理论算法研究,将本文提出的方法应用于基于双目视觉的零件尺寸测量实验。通过与基于张正友标定法的零件尺寸测量实验结果比较,验证了该方法在在线检测中的有效性。