风能由于其可再生、无污染且应用技术较为成熟的特性,在新能源中备受关注,风力发电机在全球范围内的装机容量也处于一种上升趋势。然而由于风机叶片长期受到复合力的作用,且长时间暴露在自然环境中,极容易受到损坏并引发事故。因此为了避免此类事故造成人员伤亡和经济损失,需要对叶片的变形进行测量以便进行事故预防。在现有的测量方法中,基于机器视觉的测量方法因为其非接触、精度高,测量系统搭建方便等优点得到了广泛的应用,在对几种常见的视觉变形测量方法进行分析比较后,本文选择了三维数字图像相关方法对风机叶片的变形量进行测量。虽然数字图像相关方法可以获得全场应变量,但依然存在计算量庞大、计算速度慢的缺点,因此本文在实现精确匹配算法和完成三维测量方法的基础上,根据算法本身的特性,实现了基于GPU的异构并行加速运算,保证变形测量精度的同时提高了系统计算速度。对测量风机叶片形变的必要性进行了分析并列举了多种测量方法。在对这些测量方法进行了比较后选择了三维数字图像相关方法作为测量方法。数字图像相关方法最重要的一部分便是图像的匹配过程,本文从相关函数的选取、亚像素匹配方法的选取以及匹配参数的选取三个方面对匹配算法进行了研究,并验证了算法的可行性。对三维变形的测量方法进行了研究,基于立体视觉的三维变形测量包括两个部分,分别是相机标定过程和三维重建及变形拟合过程。在完成变形测量方案的研究后,针对图像匹配过程需要消耗大量时间的缺点,根据图像匹配过程中各个子区不互相干扰的特性,对基于GPU对匹配过程的加速方法进行了研究,并对异构并行运算程序进行了设计。最后,利用立体视觉图像采集系统和编写的测量程序,使用二维运动机构和全站仪对测量方案的精度进行了检测。实验结果显示,实验能够对三维变形进行高精度测量。将串行和异构运行计算方式下的匹配算法进行了对比,证明了使用GPU并行加速的匹配算法明显地提高了匹配的速度,大幅度缩短了匹配所需时间。