高端制造业与智能装备的关键零部件质量是提升我国国防与经济建设的装备水平、推动高质量发展的重要基础。以重型汽车曲轴为代表的大尺寸零件测量和以抽油杆螺纹为代表的微米尺寸高精度测量方面,目前一般采用制造过程或出厂前的人工离线抽检方式,存在检测效率低、人工劳动强度大、检测结果无法溯源、容易造成漏检等问题。基于机器视觉的高精度测量技术是提高精密产品质量、提升生产效率、降低成本的重要途径。但是目前在线应用的机器视觉测量系统存在检测效率和结果精确性不足等问题,还无法完全替代人工检测。本文对单目视觉测量方法以及在机械零件精密测量中的应用进行深入研究,提出新的边缘检测算子,以实现复杂图像背景下特定方向直线边缘的快速提取,解决多边缘的抽油杆螺纹牙型快速测量难题;提出大尺寸件精密测量中的多视场协同,应用于重型卡车曲轴主轴径测量。本文的主要研究内容和成果如下:（1）通过理论推导得到测量误差关于相机参数和位姿状态等参数的数学表达式,对实际测量平面与系统标定平面不重合产生的测量误差进行定量分析。分别使用工业镜头和远心镜头,对测量平面绕Xw轴的旋转运动与Zw轴的平移运动进行测量实验。理论分析与实验结果表明:当相机光轴垂直于测量平面时,测量误差与相机光轴的主点坐标、测量平面内的平移分量以及绕相机光轴的旋转角度无关,与相机光轴方向上的平移分量以及被测工件的像素距离呈线性关系,与相机归一化焦距成反比关系;当相机光轴不垂直于测量平面时,测量误差是关于相机归一化焦距、像素尺寸和旋转角度等参数的非线性函数。当测量平面存在旋转以及平移位姿变换时,可以通过调整被测工件拍摄角度或者位置来减小测量误差。（2）针对传统边缘检测算子对图像边缘方向敏感性差的问题,提出了基于高斯函数定权的定向边缘检测算子G-DEDA,用于多段边缘图像中特定方向边缘提取。不同于传统Prewitt、Sobel算法只在特定的角度下存在对应的边缘检测卷积核,G-DEDA利用双边滤波中的双高斯函数,建立卷积核与给定检测角度的一般性函数关系。首先,根据检测角度得到边缘线方程及其法线方程;接着,分别计算卷积核中各点到边缘线及其法线的距离,得到双边距离,将双边距离代入双高斯函数计算得到卷积核中该点的权值;最后,根据卷积核中各点与边缘线的相对位置关系计算各点权值符号,生成卷积核模板。随着卷积核尺寸增大,矩阵稀疏程度加剧,可有效提升卷积核的生成速度,降低卷积核存储所需空间,并提升后续卷积运算速度。仿真图像和实际图像的边缘检测实验表明,G-DEDA具有适用性好、检测效率高和检测精度高的优点,弥补了传统边缘检测算子在边缘方向性表示上的不足。（3）针对螺纹图像中存在螺纹牙错位与灰尘噪声等问题,设计了连通域去噪、连通域排序、连通域合并算法,通过左右边缘匹配算法对螺纹牙进行精确定位,以实现螺纹牙型角、螺距、大径、中径和小径的高精度测量。使用本文方法测量抽油杆螺纹参数,结果表明:螺纹角度测量的最小和最大误差分别为0.011°和0.63°,总平均偏差小于0.08°。与万能工具显微镜（UTM）的测量结果进行比较,本文方法和UTM对于螺纹节距、大径、中径和小径尺寸的测量偏差均小于10μm。本文方法对于单个螺纹的完整参数测量时间不超过0.13s,可满足螺纹在线测量的实时性要求。（4）针对大尺度件精密测量中出现的测量范围和测量精度无法平衡的问题,提出了多视场协同的精密测量方法,并应用于曲轴轴径的测量。提出双视场协同的测量原理,搭建双视场协同测量系统。采用定制的高精度标定板提高双相机采集系统的标定精度,并通过二次插值的亚像素处理有效提升边缘直线的拟合精度。用本文方法和三坐标测量机（CMM）对标称直径为100mm的曲轴轴径进行测量实验,结果表明:CMM和本文方法得到的μ95最大值分别为±2.11μm和±1.82μm,并且两种方法的平均值和均方差值接近,说明本文方法达到与CMM近似的测量精度。