随着社会科学技术的发展,制造业对检测技术的要求逐渐提高。传统的人工手动零件尺寸测量由于受到主观判断和测量工具的影响,不但检测效率低,而且抗干扰性差,通过视觉测量技术对零件进行非接触式检测逐渐受到人们的青睐,其在尺寸测量环节上有着许多人工测量无法比拟的优势,如高精度、高效率、自动化等。而基于亚像素的视觉测量技术能够在不提高系统硬件分辨率的情况下,得到比传统像素级检测更优的测量结果,减少了工业的成本。本文对基于亚像素的零件精密测量技术展开了研究,主要研究工作如下:建立了非线性成像模型,并对图像边缘像点到物点之间的映射关系进行了分析。综合考虑了相机在各视场中的失真、物体表面的倾斜等因素,标定相机内外参数和物面参数,对图像进行了几何校正,并且引入各向异性扩散滤波对图像达到去噪保边的作用,为后续零件尺寸测量提供了图像质量上的保证。提出了一种基于小波变换+Franklin矩结合的亚像素级图像边缘检测算法,该算法利用小波函数对目标图像进行多尺度分解得出图像预边缘,将其与Franklin矩模板的子图卷积运算得到亚像素边缘阶跃模型的参数,计算出准确的亚像素边缘点位置。并使用该算法进行了二值图像亚像素点定位分析,不同等级噪声的抗噪性实验以及对具有丰富纹理细节图像的边缘提取,设计了评价实验,和目前主流的三种亚像素检测算法进行了对比分析,证明了该算法的可行性。搭建了零件测量平台,首先对不同尺寸的标准试块进行了初步测量实验,分析测量结果并对其进行优化,在这基础上对工业零件（孔帽、金属垫块）进行尺寸测量,考虑到工业中实际测量系统受到的复杂环境因素影响,设计了视场不同位置的对比实验以及分析了在560lx25000lx光照度范围下零件尺寸测量的稳定程度,对实时性、视场位置适应性和光照适应性进行了评估。实验结果表明:在像素当量为0.051mm/pixel时,本文提出的检测算法对零件尺寸测量精度范围在0.43～0.71pixel,在运算速度持平的情况下,相较于目前主流精度较高的算法提升了约29.11%,满足实际工业零件测量的要求。