随着国家重工业的快速发展,钢轨、无缝钢管的直线度检测和H型钢的切割后的变形检测的精度与速度在生产实际中要求越来越高,然而对狭长构件的检测如钢轨直线度检测,尚处于人工测量阶段,因此本文以对狭长构件的检测为研究对象,采用机器视觉的检测方式检测狭长构件,分析了影响狭长构件检测精度的因素,并提出高精度的检测算法,最终提出一套完整的检测方案,并完成狭长构件的直线度检测实验,再与激光跟踪仪的检测数据进行对比,验证本检测系统的检测精度。本文首先对激光条纹中心线提取算法的研究现状分类,并分析影响精度的原因,提出一种基于激光条纹颜色阈值的图像分割方法,在一定程度上降低了光照的影响。将分割出的激光条纹区域高斯滤波后,采用多项式拟合的方式对光条中心点进行亚像素提取,多项式的次数采用与粗提取出的中心点坐标作差值对比的方式确定。最终将本算法与传统的光条中心点提取算法进行对比,并对提取精度进行验证。通过对现有的线结构光平面标定算法的精度影响因素进行分析,得知标定点少是导致标定精度低的主要因素,针对此现状,采用以空间直线代替空间点的方式拟合线结构光平面,最终通过将本文算法与基于消隐线原理的标定算法对标准量块上的激光条纹长度进行对比,实验验证本文所提线结构光平面标定算法的精度。本文对现有点云拼接算法进行分析,并针对本狭长构件检测系统,探究出一种新的点云粗拼接算法,采用标准量块的公共边点云坐标作为点云拼接的参考点,多次取参考点计算点云拼接矩阵均值,最终将拼接矩阵使用ICP算法迭代进行精拼接。最终针对狭长构件在检测过程中存在对误差补偿效率低的问题,提出一种通过建立外部基准的实现对狭长构件在检测过程中的晃动和导向模组的横向位移量的补偿方法。因狭长构件会有较大的横向变形,考虑到相机视野范围较小,故加入智能横向导向模组。将激光位移传感器的变化量传输给单片机,控制电机的正反转,使相机桥架往复移动,实现对相机桥架的智能导向,以保证被测件在两相机的视野范围内。最终通过将本检测系统的检测数据与激光跟踪仪的检测数据进行对比,验证本检测系统的检测精度。