原木径级检测是木材运输行业的一个重要环节，长期以来使用人工检尺的方法，劳动强度大，效率较低。随着计算机视觉技术的发展，基于机器视觉的三维非接触测量技术极大的提高了检尺效率。但对于林场中存放的原木楞堆、整车原木的径级测量，受端面凹凸造成的阴影、原木边界粘连等因素，原木识别率、检测精度和效率较低。因此，本文围绕双目立体标定、图像分割、立体匹配、原木楞堆径级识别技术等重点与难点问题进行深入研究。论文的主要工作有以下几个方面:　　首先，建立基于双目相机的三维测量模型与镜头畸变模型，对双目标定和畸变校正影响后期原木楞堆径级测量精度进行了深入分析。提出了基于畸变模型改进的双目标定算法，该方法将三阶径向畸变系数引入畸变模型中，充分利用开源视觉函数库对标定模板的角点进行快速准确的检测，提高了双目视觉测量模型的精度。　　通过标定和校正后的双目相机，采集无畸变的原木楞堆图像。针对自然环境下的原木楞堆图像存在阴影、原木粘连的问题，提出了基于颜色空间转换和模糊理论的原木轮廓图像分割算法。该方法对分离出的色度空间图像进行模糊域转换，在模糊域内，通过改进模糊隶属度函数，进行多次迭代实现了图像模糊增强，确定最优模糊阈值带宽与模糊因子，然后利用模糊规则来判断原木轮廓边缘，通过反模糊化输出原木边缘图像。实验证明该方法比传统图像分割算法更有效。　　最后，建立原木楞堆轮廓的三维重构模型，采用基于特征点检测与极线约束的立体匹配优化算法，该方法提取原木轮廓特征点，结合极线约束、唯一性约束和顺序约束减少特征点匹配搜索空间，以匹配点像素值的绝对差值最小作为匹配策略完成快速立体匹配。利用立体匹配获得的视差计算原木轮廓三维坐标，对三维轮廓点进行最小二乘的椭圆拟合算法，完成了原木楞堆各原木的长短径及面积测量。　　实验结果表明基于双目视觉的原木楞堆径级测量结果符合国家标准和要求，与计量部门专业检尺员的标准测量结果相比，误差在5mm以内，且检测速度和效率得到极大提高，具有较高的实用价值。