在机械摆动的运动分割及视觉测量中,针对传统以块状轨迹群为单位的谱聚类运动分割因摆杆光流轨迹中断及线速度分布差异所导致的碎片化与过分割的局限性,提出一种以曲率为相似度度量的弧状轨迹群为单位的谱聚类分割算法,并结合点云配准完成转速图像测量.算法先用活动子集的稀疏高斯回归学习出弧状轨迹群的平均轨迹,将此平均轨迹作为稀疏子空间聚类的种子样本一次性完成运动分割,最后将非种子样本重新归人其被代理的种子样本聚类中以获得每帧最大稠密度的分割点云.在各帧点云基础上,通过条件期望点云配准算法求取帧间点云变换矩阵,并提取转动分量完成摆杆摆角测量.为证明有效性,结合客运车辆日次安全检测视觉自动化系统项目,以6种不同照度下5种车型的双摇杆刮水器总成为对象,比较了三种算法对摆角的测量精度.结果表明:本算法能完整学习出等长轨迹,且与人为标定角位移回归值误差均方值小于10％,同时运算量小于传统的交替方向乘子法(ADMM)单次迭代,可作为工业智能制造与自动控制系统中的机械视觉运动测量及机械视觉故障诊断方面应用.