测量技术作为现代工业技术的基础技术,其测量的精度和效率是衡量国家科学技术发展水平的重要因素,工业制造技术的进步与加工工艺的提高对测量方法的性能提出了更高的要求。随着数字成像技术与图像处理芯片的发展,图像传感器在成像精度和速度上均得到较大提升,以机器视觉和深度学习为代表的分析算法的进步使得图像信息的提取更加多元化。基于视觉的测量技术作为一种新兴的测量手段,以其非接触、高精度、全场测量、无负载效应和自动化程度高等诸多优点,受到越来越多国内外研究人员和学者的关注。视觉测量技术已经在机械零件的形状与尺寸检测、目标识别与追踪、结构运动分析和生理信号采集等领域得到了广泛应用。随着高速成像技术的发展,视觉测量中相机的采样帧率不断提升,使其能够对被测物体瞬间发生的变化以及更高频率的运动信息进行记录与分析。本文以高速视觉测量系统作为研究对象,对高速视觉测量系统的硬件结构设计和信息提取算法进行了深入研究,并且针对结构不同的运动情况提出一系列行之有效的测量方案。本文首先阐述了视觉测量的研究意义与发展现状,对高速视觉测量系统的硬件构架进行了详细介绍,分析了不同硬件的选型标准和工作特点。通过合理搭配硬件结构,视觉测量系统可以完成不同尺度和不同距离下的目标运动参数测量与分析。文章同时对视觉测量系统中相机的几何成像原理进行了推导与分析,明确了在使用标靶的简单相机标定中影响测量精度的主要误差来源。常规的图像处理算法往往具有人工参数调整、自动化程度低、鲁棒性差等不足,文中针对结构视觉测量中物体的平动、旋转和微小振动等问题提出了一系列简单有效的信息提取算法。首先通过将简单梯度优化和曲面拟合优化与多种整像素精度的图像匹配算法相结合,提升了原始振动提取算法的测量精度和运算效率。使用优化后算法的视觉测量系统与传统的光栅尺位移传感器相比测量数据的误差小于1%,算法帧间位移提取耗时降低至1ms以下,可以满足实际拍摄帧率在1000fps左右的实时测量需求。其次,文章针对物体旋转参数测量问题给出了径向和轴向两种情况下的解决方案,将Lucas-Kanade与ECC图像对齐算法及其快速反向组合算法应用于物体的旋转参数测量中,提出了一种新的非线性扭曲函数描述圆柱结构径向旋转测量中目标图像与模板图像的扭曲变化关系,优化了参数在运算时的迭代方式,提升了算法的运行效率。最后,文章将视觉测量系统用于提取目标物体表面微小的亮度变化和振动信息中,通过对影像放大算法的剖析发现,放大视频中的微小变化量的前提在于有效提取该信息,针对影像放大算法执行效率低的问题,文章提出一种基于SVD奇异值分解的快速微振动提取算法,能够在去除冗余信息的同时有效提取图像序列中像素信息的微小变化。所提出的相关测量算法被集成在搭建的高速视觉测量系统中,在实际工程测量中取得了良好的效果。文中分别使用该装置对叉车方向盘系统和铁路桥声屏障结构的振动,故障轴承驱动时的旋转参数以及声音激励产生的微小振动进行了测量与分析,实验结果表明所开发的高速视觉测量系统在实际测量时工作稳定可靠,具有重要的应用价值。