机器视觉技术是一项正在发展中的应用科技,在工业生产和自动化流水线上被越来越多的使用。工业检测是机器视觉的一项应用技术,其被广泛的用在产品检测、物体定位、视频跟踪等领域。为了实现工业应用中的实时化并精确的操作,视觉检测必须满足以下的三个条件:快速性、稳定性和高精度性。　　模板匹配技术是工业检测经常使用的一项技术,工作原理即为通过将模板图片用相似变换矩阵做变换找到目标图片中和变换后模板形状最相近的物体。在本文中所使用的模板匹配的特征空间是几何信息,如边线、圆、圆弧等。考虑到实际工作环境中的工况条件,如非线性光照、混乱、遮挡等因数的影响,为了尽可能的提高模板匹配算法的稳定性,本文使用了一种针对上述条件都能达到稳定的相似度量函数。通过以上的矩阵变换查找,最佳的匹配结果在相似度量值取最大的位置得到。工业上的要求需要模板匹配算法能够得到更高精度的结果,为了满足条件,在本文中的亚像素精度通过最小化所有模板亚像素边界点和对应目标图像最近边界点所在直线的距离和得到。同时,利用Cauchy-Schwarz不等式定理和粒子群最优化(以PSO)算法达到提高模板匹配的运算速度。　　本文提出的算法经过实验比较后显示完全能够满足工业需求:达到实时速度、获得亚像素精度、高稳定性——包括应对噪声干扰,非线性光照和遮挡等。