随着工业4.0以及中国智能制造2025的快速推进,视觉测量方法的应用越来越广泛,视觉测量精度取决于摄像机的标定精度,传统视觉测量标定方法采用张氏标定法,该方法为离线标定无法满足大批量零件检测的需求,如此自适应标定成为视觉测量领域中重要的标定方法,但由于传统自适应标定方法鲁棒性差、精度低,无法应用于实际测量中。针对上述问题,本文提出一种基于动态测量的双目视觉自适应标定方法,拍摄三对图像即可保证在同等精度标定参数的基础上,提高自适应标定的鲁棒性。首先,对摄像机自适应标定的原理及方法进行分析与研究。分析了帧差法与特征匹配算法的基本原理,介绍了摄像机自适应标定模型和畸变模型,研究了三大坐标系之间的矩阵转换关系以及双目配准原理。在上述原理基础上,研究基于动态测量的双目视觉自适应标定方法,对自适应标定在高光场景下的影响进行分析,提出了全局阈值法去高光并利用局部增长比例系数恢复物体的纹理梯度性。当对运动物体进行视觉测量时,自适应标定会产生误匹配点,提出采用筛选匹配点的方法去除误匹配点,分析摄像机内参数与对极约束点之间的约束关系,研究摄像机内参数的求解过程,获得摄像机内参数求解方程。通过对摄像机内参数与平面单应矩阵的约束关系进行分析,研究外参数求解过程,获得摄像机外参数求解方程。仿真实验结果表明基于动态测量的双目视觉自适应标定方法得到的摄像机内参数具有强鲁棒特性。最后通过实际拍摄数据集对基于动态测量的双目视觉自适应标定方法进行了实验验证,将所提自适应标定方法与传统自适应标定方法进行对比分析其精度与鲁棒性,验证该方法有效性,并结合实际测量,通过二维迭代最近点算法对钣金件进行检测,将所提算法的测量精度与传统自适应标定方法和张氏标定法的测量精度进行分析验证,从而论证所提算法在实际应用中的有效性。本文通过去除高光与误匹配点的方法,实现了基于动态测量的双目视觉自适应标定,实验结果表明该方法有效、实用,为工业钣金件的快速检测提供了理论依据和技术支持。