（4）基于图像拼接技术的视觉测量。在天津大学精密测试技术及仪器国家重点实验室，牛小兵等研究了基于特征的二文图像拼接测量法，该方法通过在待测零件上认为划“点”、“线”特征的方法实现图像拼接，在拼接成的一幅图像上进行多目标和多参数的综合测量，测量长度183.804mm的二文尺寸，误差在0.544mm，相对误差为0.296%[36]；赵飞等则针对毫米级微笑尺寸零件的高准确度检测要求，提出了一种利用亚像素微小位移结合相位相关的自动拼接方法，这种方法继承了相位相关法抗干扰能力强的特点，成功地实现被测对象的亚像素级拼接，满足了微小零件的高精度测量需求[37]。这类把局部图像拼接成全局图像后再进行测量的方法，为实现大尺寸机械零件的视觉测量提供了很好的思路。
上述四大类机械零件的视觉测量技术中，第一类利用放大成像的微尺寸高精度测量，实现了在线测量与控制的集成[38]，为工业现场视觉照明系统的设计、以及机械零件的自动测控提供了一种方法，但是，受小成像区域的限制，通常只能测量尺寸在3mm以内的微笑结构。第二类基于单幅图像处理的小尺寸零件测量，为几何尺寸及形状误差的非接触测量开辟了新的途径，同样，受成像区域和检测分辨率成反比例关系的制约，只能检测尺寸比较小（通常在50mm以内）的零件，并且，由于该方法采用传统的像素当量测量法，测量精度不是很高（相对误差为0.06%左右）。第三类机器视觉与坐标测量系统集成的大尺寸零件测量，在实验室里可以获得很高的测量精度，但是，由于该方法依赖于机械坐标系统，使得整个测量系统结构复杂，体积、重量较大，效率不高，难以用于在线自动测量。第四类基于图像拼接技术的测量技术，是实现大尺寸机械零件的非接触尺寸测量的良好典范，但是，该方法需要把局部图像拼接成一整幅图像后才能进行目标测量，需要处理的数据量大，尤其当待测尺寸较大、测量精度要求较高时，需要拼接的高分辨率局部图像将达到几十幅之多，拼接并处理如此大数据量的图像，现有的图像处理算法和计算速度还无法满足进行较快测量的要求。另外，这种方法需要在被测零件上人为加入“点”和“线”特征，这在机械零件的在线自动测量环境下是不便做到的。
综上所述，在机械零件二文几何尺寸测量领域，微尺寸的高精度测量研究比较成熟，大尺寸机械零件的高精度测量仍有待进一步研究。 视觉测量相机标定方法国内外研究现状(3):http://www.youerw.com/yanjiu/lunwen_4043.html