机器视觉系统作为一种非接触式的光学传感测量系统，同时集成计算机软、硬件技术以及图像处理技术，能够自动地从所采集到的图像中获取被检测物体信息，从而替代人眼来做测量和判断，可提高生产线的柔性和自动化程度，广泛地用于自动生产线工况监视、成品检验和质量控制等领域。然而，在运用机器视觉检测零件时，如果用单相机去获取检测对象的完整图像，往往会因为拍摄范围较大，导致获得的图像模糊不清晰。这时，必须采用多个相机协同完成检测任务，因此近年来多相机视觉检测成为了研究热点，但多相机的标定和图像拼接过程往往较为复杂。本文即对零件检测中的多相机标定和图像拼接方法进行了研究。　　首先，在多相机标定方面，根据工业现场的检测环境，本文设计了合适的多相机机械拼接方案。然后针对多相机的位置和任务区域，设计了具有明显特征的标定物。利用霍夫变换提取出了标定物上的特征点，从而获得了相机的目标区域，实现了多相机的区域标定。　　其次，在图像拼接方面，本文首先详细介绍了 SIFT算法提取图像特征的原理及过程，之后采用K-D树算法对提取出的特征点进行了特征匹配，并利用距离比值法和 RANSAC算法剔除误匹配。为了使图像平滑过渡，本文利用加权平均法对图像进行了融合，实现了准确平滑的图像拼接过程。　　最后，本文利用编写的多相机标定程序进行了标定实验，良好地提取出了各个相机的图像处理目标区域。利用开发的多相机图像拼接软件进行了多相机图像拼接实验，得到了良好的全景拼接图像。并将多相机标定和图像拼接方法运用于直径为600mm的光纤预制棒检测项目中，得到了良好的标定与拼接效果，证明了本文提出的方法可行有效。