1.一种基于机器视觉的零件尺寸检测方法，其特征在于，包含以下处理流程：通过多个工业相机同步采集待测零件的多角度原始图像数据；

完成对原始图像数据的预处理操作，生成去噪增强后的标准图像集合；

对标准图像集合执行三维点云重建操作，获取待测零件的空间点云模型数据；

建立所述空间点云模型数据与预设零件标准CAD模型之间的空间频域配准算法，输出配准后的差异点云分布图；

提取差异点云分布图中的关键尺寸特征向量，将所述关键尺寸特征向量输入至训练完成的光学特征融合模型，生成多维度尺寸偏差量化指标；

根据所述多维度尺寸偏差量化指标匹配对应的工艺补偿参数集合，输出待测零件的尺寸检测决策报告；

所述建立所述空间点云模型数据与预设零件标准CAD模型之间的空间频域配准算法包含：将预设零件标准CAD模型转换为理论点云参考模型；

计算空间点云模型数据在频域空间中的特征描述子集合；

通过迭代最近点优化算法对齐所述特征描述子集合与理论点云参考模型的频域特征，输出配准后的差异点云分布图；

所述生成多维度尺寸偏差量化指标包含：将关键尺寸特征向量分割为长度方向分量和角度方向分量；

分别计算长度方向分量在所述光学特征融合模型中的线性偏差系数；

同时评估角度方向分量在所述光学特征融合模型中的非线性畸变指数；

融合线性偏差系数和非线性畸变指数形成多维度尺寸偏差量化指标。

2.根据权利要求1所述的基于机器视觉的零件尺寸检测方法，其特征在于，所述通过多个工业相机同步采集待测零件的多角度原始图像数据包含可见光波段成像数据和结构激光扫描数据，且所述预处理操作具体包含：对可见光波段成像数据执行自适应直方图均衡化处理，消除光照不均匀干扰；

对结构激光扫描数据实施条纹噪声滤波操作，补偿光学畸变误差；

将处理后的两类数据实施时空同步校准，完成去噪增强后的标准图像集合的构建。

3.根据权利要求2所述的基于机器视觉的零件尺寸检测方法，其特征在于，所述对标准图像集合执行三维点云重建操作包含：采用多视角立体匹配算法计算相邻图像间的深度位移映射关系；

融合深度位移映射关系与结构激光扫描数据中的相位信息，生成稠密点云初始数据集；

通过离群点剔除算法优化稠密点云初始数据集，最终获取待测零件的空间点云模型数据。

4.根据权利要求1所述的基于机器视觉的零件尺寸检测方法，其特征在于，所述提取差异点云分布图中的关键尺寸特征向量包含：识别差异点云分布图中超过预设阈值的异常点云簇；

计算每个异常点云簇的几何中心坐标和边界拓扑结构；

统计几何中心坐标在三维坐标系中的投影偏差量，并测量边界拓扑结构中的曲率变化梯度，形成关键尺寸特征向量。

5.根据权利要求4所述的基于机器视觉的零件尺寸检测方法，其特征在于，所述光学特征融合模型的训练过程包含：收集历史零件检测任务中的关键尺寸特征向量样本；

标注关键尺寸特征向量样本对应的实际尺寸偏差类别标签；

构建包含卷积层与全连接层的深度神经网络架构；

使用标注样本训练深度神经网络架构的参数矩阵，生成训练完成的光学特征融合模型。

6.根据权利要求1所述的基于机器视觉的零件尺寸检测方法，其特征在于，所述根据所述多维度尺寸偏差量化指标匹配对应的工艺补偿参数集合包含：根据多维度尺寸偏差量化指标检索预设工艺知识库中的补偿规则树；

遍历补偿规则树中与线性偏差系数关联的加工余量调整参数；

同步获取与非线型畸变指数对应的机床角度修正参数；

整合加工余量调整参数和机床角度修正参数形成工艺补偿参数集合。

7.根据权利要求6所述的基于机器视觉的零件尺寸检测方法，其特征在于，所述输出待测零件的尺寸检测决策报告包含：将多维度尺寸偏差量化指标与预设尺寸公差决策阈值进行比对；

根据比对结果判定待测零件的合格状态等级；

关联工艺补偿参数集合中的具体补偿参数数值；

生成包含合格状态等级与具体补偿参数数值的尺寸检测决策报告。

8.根据权利要求7所述的基于机器视觉的零件尺寸检测方法，其特征在于，所述方法还包含闭环优化流程：提取尺寸检测决策报告中的具体补偿参数数值；

更新当前生产批次对应的加工工艺参数配置文件；

将更新后的加工工艺参数配置文件传输至数控机床控制系统；

通过下一批待测零件的检测结果验证工艺补偿效果。