位姿测量是机器视觉测量领域的基础问题之一,在生产线自动化、场景三维重建、目标非接触式测量、无人驾驶和智慧物流等领域应用广泛。本文针对机器视觉位姿测量系统应用于四轮定位和无人化料场等工业现场时存在的准确性、鲁棒性和适应性问题,深入研究了单目多视点视觉位姿测量和点云扫描位姿测量中的相关理论和关键技术,具体内容包括:1.提出一种基于特征邻域灰度模型的角点亚像素定位算法。将棋盘格特征模型闭式表达为关于角点精确坐标、特征旋转角和剪切角、灰度增益和灰度偏移以及模糊程度的函数,直接采用真实的特征图像进行拟合获得角点亚像素坐标。在稳定和多变光照条件下,该算法的亚像素定位精度都明显好于其他代表性算法。结合特征邻域灰度模型提出一种离群点自校验方法。该方法的离群点识别和剔除独立于Pn P优化过程。在靶面特征受到光污染时,可快速准确地识别和剔除离群点,提升相机位姿估计可靠性的同时也保证了实时性。针对大场景下扫描仪位姿的实时估计问题,基于平面特征提取实现点云数据的快速配准,在保证估计精度的前提下匹配效率相比现有方法有明显提升。2.提出一种无重叠视场的多相机全局标定方法。相比现有代表性方法,本文方法考虑了现场随机摆放标定装置时的位姿不均匀因素,通过计算各标定位姿的相对于其他位姿的差异性为权值进行优化。通过仿真和实际实验进行验证,结果表明优化后的全局参数标定精度有明显提升。在此基础上,分析了臂载视觉定位系统的全局标定问题,讨论了关节臂与视觉系统间标定参数的求解方法。3.将多相机视觉位姿测量方法应用于机器视觉3D四轮定位。针对现有机器视觉四轮定位易受靶标安装和方向盘回正状态影响的问题,引入运动关联几何约束提出一种测量基准现场估计方法;针对前束变化导致的外倾紊乱问题,通过确定虚拟的零前束状态实现定位参数的实时修正。采用常规硬件水平的3D四轮定位仪进行集成测试,结果表明可有效提升四轮定位参数的测量精度。4.将点云扫描位姿测量方法应用于封闭料场的无人化设备作业和料堆定位。针对现有开放性料场设备标定方法在料场全封闭的业主现场不再适用于全封闭料场的问题,提出一种基于设备自身的角度和位移传感器网络的全局标定方法。现场测量结果表明在多个大机位姿下扫描仪三维数据的料场坐标全局化精度满足自动作业要求。