机器视觉技术在工业测量中具有广泛应用，实现高精度的机器视觉测量对零件的精密加工、制造具有重要意义。目前机器视觉在薄片零件尺寸测量方面具有较高精度，并且不断有研究者提出新的图像检测算法，以求获得更高的测量精度。然而，在对非薄片物体进行测量时则会存在很多影响测量精度的因素，例如，实际检测过程中零件的摆放位置和姿态变化、较厚零件边缘虚化等，所有这些情况都会给测量精度带来直接影响，并且这些因素对测量精度的影响各不相同，很难通过某一个算法完全消除。为提高机器视觉尺寸测量的通用性，改善机器视觉测量精度，本文对影响测量精度的几个关键因素进行了研究，并通过理论分析以及实验验证提出可行的改善测量精度的建议与方法。　　本文主要研究内容以及成果如下:　　(1)针对机器视觉测量中待测物体偏离焦面导致测量结果出现误差的问题进行了研究。重点讨论了系统中镜头远心度引起的平行性误差对离焦物体测量结果的影响。实验结果表明，在物体偏离最佳成像面而引入的误差中，平行性误差占到90％左右的比重，因此可通过后期对平行性误差进行补偿以较大程度提高系统测量精度。　　(2)采用多种边缘检测算法对待测物体过厚这一情况进行了分析。结果表明在一定范围内，物体纵深方向越厚，边缘检测误差越大。在这一结果的基础上，对算法进行改进，提出一种基于图像灰度曲线的补偿方法，使测量误差由超过20μm降至10μm以下。　　(3)对于某些不规则物体在测量过程中姿态发生变动的问题进行简单地讨论，针对一个特定形状的零件进行了分析并提出了几种测量方法，且在理论上分析了其中一种方法的可行性。