随着当今计算机技术的发展以及应用的普及,机器视觉已经成为当今最为活跃的研究领域之一,它以独特的优势引起了国内外的广泛关注,并具有非常广阔的应用领域。机器视觉检测技术是在机器视觉的理论基础上建立起来的一种检测技术,由于传统的测量技术和设备在效率、精度及自动化程度等方面都比较低,因而很难满足精确测量的要求。机器视觉检测技术最大的优势与特征在于用带有机器视觉功能的设备来代替人工劳动,从而有效地提高自动化程度、劳动生产率及效率。尤其在某些人工无法参与的恶劣或者高危环境下,机器视觉检测技术的优势更加明显。　　图像边缘包含了图像特征中的大部分信息,所以图像的边缘检测和提取与机器视觉检测技术有着直接而密切的联系,同时也是后续各种图像处理算法的基础。本文的主要工作是利用机器视觉对基本几何元素为直线的平面工件进行精确测量,为达到这一目的,文章从边缘检测技术、摄像机标定技术以及直线拟合这几个方面进行了研究与分析。主要的研究内容与创新点总结如下:　　1、本文在对摄像机标定的基本理论与技术方法进行分析的基础上,通过标定过程中坐标系间的转换关系,计算出二维像点在三维世界坐标系中的坐标。指出了摄像机透镜畸变会对测量结果的准确性造成一定的影响,并利用透镜畸变数学模型以及标定获得的畸变系数对像素点坐标进行矫正。利用张正友标定法进行了摄像机标定实验以获取摄像机的内外参数。　　2、对多种经典边缘检测算子进行了总结,并分析它们各自的优缺点。在此基础上,本文提出了一种基于总体最小二乘拟合的工件几何参数测量方法,首先通过Hough变换将边缘点按线段进行归类,矫正畸变后再将二维图像像素点坐标转换到三维世界坐标系中。最后采用总体最小二乘法对边缘点的世界坐标进行直线拟合,实现工件边长几何参数的测量。并通过实验对测量结果和精度进行分析,说明该方法具有抗噪声能力强、检测精度高,尺寸测量准确的特点。　　3、通过对亚像素边缘检测算法的分析,本文提出了一种改进的基于高斯曲面拟合的亚像素边缘检测算法。由于本文的主要研究对象是基本几何元素为直线的平面工件,其特征边缘的梯度幅值在梯度方向上的分布可以近似为高斯曲面分布,因此可以通过对高斯曲面进行参数估计而得到边缘点的亚像素位置。文中介绍了算法的理论依据,给出了推导过程,并用 Matlab对模拟待测工件图进行了仿真实验,对结果进行数据分析并与其他方法进行了比较。