工件尺寸测量是机械制造业中不可或缺的一步,测量结果的准确与否会对最终的工件品质产生直接的影响。传统的工件尺寸测量任务主要由工作人员使用通用量具或操作专用高精度测量仪器来完成,然而这种人工测量方式存在着成本高、效率低以及劳动强度大等问题,这与现代工业的大批量生产的发展要求不相符。近年来,随着机器视觉技术与精密制造技术的迅猛发展,促进了视觉测量技术的形成与发展,这种新兴的测量方式具有速度快、精度高、非接触等优点。边缘检测是视觉测量技术的关键环节,边缘检测算法的检测精度直接决定测量精度。然而传统的边缘检测算法的精度只有一个像素,即只能判断边缘位于某个像素内,而不能确定在该像素中更精确的位置。亚像素边缘定位算法的检测精度小于一个像素。因此,为了进一步提高测量精度,本文以齿轮为研究对象,深入开展亚像素边缘定位及其相关视觉测量技术的研究工作。首先,完成了视觉测量系统的设计。详细分析了光源、工业相机、光学镜头等硬件的性能指标,选取了合适的硬件设备,在实验室条件下搭建了视觉测量平台。针对相机物镜存在一定程度的非线性畸变,利用Open CV标定工具,完成了相机的位置标定,根据畸变标定系数对齿轮原始图像进行了校正以减小测量误差。其次,研究了图像预处理与边缘检测算法。研究了图像预处理的相关理论(包括图像滤波和阈值分割)以及传统的整像素级边缘检测算法,通过实验对比了它们对齿轮图像的处理效果。然后,改进了Zernike矩亚像素边缘定位算法。为了提高测量精度,研究了现有三种类型的亚像素边缘定位算法。针对Ghosal算法存在的检测边缘线条较粗以及手动调节阈值耗时费力的问题,提出一种新的边缘判断依据并且采用最大类间方差法计算最佳阈值。对比分析了Canny算子、空间矩法、灰度矩法、Ghosal算法和改进Zernike矩法的检测精度,实验结果表明:改进的Zernike矩亚像素边缘定位算法在检测理想正方形边缘时,测量结果与真实值得偏差约为0.05个像素,明显优于其它检测算法,验证了该算法的有效性和优越性。最后,进行了测量实验与分析。利用最小二乘法圆拟合算法拟合齿顶圆和齿根圆,由齿轮参数计算公式推算出齿轮的其它参数,根据相机尺寸标定得到的像素当量将像素值转化为实际尺寸以实现齿轮尺寸的测量,并对实验结果进行了分析。实验结果表明:与Canny算子检测法以及人工测量法相比,使用本文改进的Zernike矩法的测量结果更接近于真实值,检测精度较高。此外,视觉测量的结果波动平稳,表明本文设计的测量系统性能稳定,具有一定的工程应用意义。