高速运动目标大量存在于航空航天、交通安全、军事侦察、靶场测试、目标拦截、工业流水线检测、生物与力学研究等领域。这些目标具有运动速度快、环境多样、轨迹复杂、不易跟踪等特点。当使用基于视觉的方式对这些目标进行测量时,要求视觉测量系统在具备高分辨率以保证测量精度的同时,还要具有较高的数据更新率来满足系统的实时性。而高分辨率与高帧频带来了巨大的数据处理任务,成为制约高速视觉测量技术发展的主要因素。如何将大数据通过高密度运算进行实时处理,成为高速运动目标的视觉测量中亟待解决的难点之一。本论文“高速视觉测量系统关键技术研究”的主要目的是将并行运算技术引入视觉测量过程,通过并行结构与快速算法,脱离传统计算机,独立的解决高速数据流下特征的实时提取、识别与匹配问题。通过对嵌入式视觉测量系统各算法执行过程的分析,提出了高实时性要求下,高速视觉测量系统的设计思想,并以此为依据完成了基于模块化的MIMD结构嵌入式系统原型设计。通过基于重叠流水的高速视觉测量系统多算法结构优化,完成了系统级流水线布局的算法结构和多任务分配。根据各部分算法对运算能力的需求,以硬件加速能力为核心对运算单元进行选型,为大规模数据并行、算法并行以及定点/浮点集中运算提供完善的系统平台。其中,数据传输一直是影响视觉系统实时性的关键因素之一,单纯对于传输速度的提升无法从根本上解决其耗时问题。对此,论文中提出一种基于传输流水的数据共享方式,在不同处理器之间实现了存储资源共享,将数据传输过程的耗时降低为纳秒级。对于视觉系统的图像处理过程,其耗时最长的关键路径通常为全局搜索或邻域搜索中的反复迭代环节。合作目标的搜索过程可归结为在符合目标特征分布的二值图像中对连通域的搜索与特征分析。对此,论文中提出一种基于多维金字塔结构的分布式运算节点阵列,可利用与图像传输过程重叠流水的方式,对每个时钟周期的并行相关数据实现实时的连通域标记与特征提取。针对连通域的搜索与标记过程,提出一次遍历三重扫描的快速标记方法,结合后端一维标签PE阵列,可解决实时处理中的连通域标记、特征统计、冲突标签特征融合等问题。结合上述方法,提出了并行运算中各处理单元的结构模型与组织方式。实验表明,上述方法可在有限流水线周期内实现全局搜索与特征提取,具有较好的实时性和鲁棒性。在多刚体标记点的帧间匹配中,首先通过对标记点集合特征向量的分析,对干扰目标和标记点的异常状态进行识别,获得当前帧中有效标记点集合,而后对集合内的标记点进行匹配。这一过程不仅需要对每个标记点完成帧间匹配,还需根据标记点之间的时空相关性,对标记点进行归类。其中,每个标记点的帧间匹配过程是一个与标记点数量相关的大规模查表过程,不利于系统帧频的稳定。对此,论文提出标记点帧间的两步匹配原则,首先通过Kalman滤波对标记点的帧间运动状态进行估计,获得基于标记点邻域的粗匹配,而后通过帧间线束交比的不变性,实现了邻域中标记点的二次匹配。通过算法复杂度分析表明,当标记点数量增加时,两步匹配可有效的减少标记点的匹配次数。在多刚体的标记点归类中,采用标记点的空间特征及运动特征的夹角余弦进行相似度度量,完成标记点的聚类。在系统验证部分,对硬件加速环节中,特征提取的正确性、鲁棒性和时序特性进行验证,并分析了算法结构对资源占用的影响。最后对整个系统进行动态测量和实时性验证。实验结果表明,硬件加速技术的应用可有效解决高分辨率图像中目标的全局搜索与特征提取环节的实时运算问题,辅以特征匹配的快速算法,在5点靶标、2048×2048分辨率、583μs曝光下的双目测量中,系统的数据更新率可达137.8FPS,使双目视觉系统可实现1.1Gpixel/s高速数据流的实时处理;算法最高可支持866.9FPS的实时运算,具有较高的实时性。