在大型构件加工、装配过程中,实现相关几何参量的精密测量是保证生产质量的重要环节。计算机视觉测量是一项新兴测量技术,相比于传统测量技术具有无需接触、量程大、耗时短和精度高等优势,通过事先将靶标安装在构件上特定位置并拍摄相应图像,基于图像中的靶标特征辅助完成相关测量。由于受到现场拍摄情况和光学成像等复杂环境的制约,所得到的被测目标图像往往存在图像退化和景物遮挡等干扰因素,因此实现对复杂环境下被测目标图像中相关特征的准确提取及匹配将有助于实现大型构件的精密测量任务。本文针对复杂环境给图像造成的影响,通过对图像去噪去模糊和图像分割等处理,尽可能消除其中图像退化和复杂背景的干扰;采用霍夫变换、几何约束等方法鲁棒提取被测目标直线、圆和角点特征,给出结合边缘筛选的RANSAC椭圆特征提取算法,通过对图像边缘的跟踪和筛选,快速准确提取相对复杂的椭圆特征;然后设计基于CenSurE-star和LDB的图像匹配算法,对图像中CenSurE-star特征点构建LDB描述,在图像匹配时以汉明距离为依据并剔除得到的误匹配,结合运动恢复结构法将匹配点对用于被测目标三维点云模型的构建,进而实现被测目标2d-3d间的对应匹配。采用实际图像对本文方法进行验证,其实验结果表明:结合边缘筛选的RANSAC椭圆特征提取算法通过提高椭圆边缘占比,相较于一般RANSAC算法能更快速准确地提取到靶标上的椭圆特征;基于CenSurE-star和LDB的图像匹配算法则比SIFT等常见算法速度更快且保证了较高的匹配准确率。所研究的方法将有助于复杂现场环境下的被测目标高质量特征提取及匹配。