随着机器视觉在智能制造中的广泛应用,复杂工业场景对三维测量系统的精度、鲁棒性等方面提出了更高的要求。线结构光三维测量系统中,视觉传感器标定与中心线提取是影响测量结果的关键技术,因此需要对现有方法存在的问题进行研究并加以解决。针对传统基于二维靶标的视觉传感器标定方法存在鲁棒性较低且无法直接度量精度的问题,引入掩码模板与相机模型对标定过程进行改进,激光平面拟合精度评价结果显示,与传统方法相比,改进后方法在相机内部随机噪声、环境光照射、激光散射、图像背景复杂等因素影响时,具有更高的标定精度,且能够更为直观的对标定结果与测得值进行比较。针对部分视觉传感器标定精度评价方法存在可靠性较低、成本及复杂度较高的问题,采用激光中心点共线精度、坐标转换精度以及相对位置精度综合评价标定参数,上述两种标定方法的精度评价结果显示,改进后方法的坐标转换精度较高,激光中心点共线精度与相对位置精度得到了提升,所得结论与使用激光平面拟合精度的评价方法相符合,该综合评价方法具有一定的可靠性且计算较为简便。针对激光光条提取过程中相机内部因素、测量环境因素以及被测物表面因素的影响,重新设计了图像预处理过程,处理结果显示,原始图像中噪声得到抑制且细节得到保持。针对灰度重心法在环境光照复杂时存在精度较低的问题,舍弃阈值选取过程并引入灰度增量模型与密度聚类算法对提取过程进行改进,中心线提取结果显示,与灰度重心法相比,改进后方法具有更高的噪声鲁棒性且处理时间近似。