本文基于轮对退卸过程中垂直度测量要求,研发了一种轮对退卸垂直度测量系统,检测系统采用了线激光位移传感器、点激光位移传感器、视觉相机等传感器,并将激光跟踪仪作为辅助器材,解决了轮对退卸过程中垂直度的测量问题。本文首先使用SURF算法对图像特征点进行检测,并寻找两张图片之间的特征关系,利用正态分布剔除不合格的对应点,采用改进的天牛须算法对图像进行配准,完成了左右相机图片之间的旋转平移矩阵的优化,并计算配准图像的内侧面图像像素坐标,通过优化出的旋转平移矩阵,求出主图像中所对应的图像像素坐标,该方法改进了SURF算法在匹配过程中转换矩阵存在误差的问题,最终通过标定出的双目相机内参外参,利用极线的方法完成轮对内侧面的三维点云重构。本文通过使用改进的蝙蝠算法对双目相机采集的内侧面三维点云数据进行平面拟合,在蝙蝠算法的基础上,加入了自适应阈值,即通过引入同种领域的算法。先使得该算法对问题进行初次计算,使用引进算法计算出的参数作为参考,更改为群智算法的阈值(设定精度/迭代次数),在此,称其为自适应阈值。该方法精度高,效率高,在一定程度上避免了蝙蝠算法陷入局部最优的问题,改变了以往智能算法寻优过程中迭代次数、迭代精度不易设置的问题,最终完成车轮内侧面的拟合。本文提出了一种新型的圆柱拟合算法,先较为精确的选取圆柱的七个初值,半径:r;圆柱轴线的方向向量:a、b、c;以及轴线经过的任意一点坐标:x、y、z;采用平面拟合、圆拟合、三维数据通过坐标系转化为二维数据等方式,寻找出圆柱较好的七个初值,由于这七个初值接近于圆柱的七个真实数据,将七个较为精准的初值数据与粒子群算法相结合,使得PSO算法在后续的迭代过程中减少了大量的迭代时间,并精准的计算出圆柱的参数,完成圆柱拟合的优化。即引进一种先计算初值的方法,将其代替到群智算法初始化过程,使得迭代过程中,提高迭代效率,避免陷入局部最优。本文分析了双目立体视觉坐标系、点激光位移传感器坐标系以及线激光位移传感器坐标系之间的变换关系,并通过激光跟踪仪完成各个局部坐标系与全局坐标系之间的转换:线激光位移传感器坐标系与全局坐标系之间的转换、点激光位移传感器坐标系与双目相机坐标系之间的转换、双目相机坐标系与全局坐标系之间的转换,将所有测量数据均转换在同一个坐标系下,便于计算。