工业机器人在工业现场进行连续高速作业过程中, 电机发热和关节摩擦生热将导致机械臂本体温度升高, 引起机器人末端定位漂移, 严重影响机器人的重复定位精度和作业精度。针对制造现场的工业机器人, 提出了一种基于双目立体视觉的温度误差在线补偿方法, 并基于微分运动学和双目视觉原理构建了温度误差补偿模型。在机器人末端安装基准球, 同时在基座附近固定视觉测量传感器, 机器人完成作业循环之后, 以不同的姿态带动基准球至传感器视场内进行补偿测量。此外, 通过分析各关节参数随时间变化的规律, 筛选出符合温度漂移规律的显著性参数进行补偿, 有效降低了补偿测量次数和耗时。实验结果显示, 补偿后机器人的重复定位精度可维持在±0.1 mm的水平, 能够显著改善制造现场工业机器人的作业精度, 且整个补偿测量过程耗时10 s左右。

视觉传感器的外参标定旨在建立视觉坐标系与外部标准坐标系之间的关系。设计了视觉测量合作靶球以实现视觉测量与仪器测量之间的合作测量。通过将视觉测量合作靶球与激光跟踪仪靶镜相互替换获取公共点在视觉坐标系和外部标准坐标系下的坐标,并利用公共点在两坐标系下的坐标对目标函数进行非线性优化,获得视觉传感器外参数最优解。视觉测量合作靶球的设计将靶标、光源和球形外壳相融合,以满足与跟踪仪合作靶镜的互换性和球心可测的需求。对外参标定过程中的误差传递进行了分析,并通过仿真优化标定精度,以及实验验证该标定方法的精度。结果表明,该方法的外参标定精度可达到0.036 mm,能够实现直接、灵活、高精度的公共点数据获取。

光频扫描干涉(OFSI)技术是一种具有广阔发展前景的高精度绝对测距技术。在实际应用中,该技术对光程差漂移非常敏感,测量过程中光程差的微小漂移通过放大因子的放大,引入显著的测量误差。详细分析了由于测量臂光程漂移引入的多普勒效应对测量结果的影响,并根据频移误差放大项的符号与光频扫描方向相一致的特点,使用光频三角波扫描方法对漂移误差进行补偿。实验结果显示,对距离为3.6 m的目标进行10次重复测量的标准差从21.51 μm减小到2.85 μm。另外,与干涉仪的对比实验结果显示,本方法所得残余误差的标准差由补偿前的18.6 μm减小到5.6 μm,提高了测量精度。

针对大尺寸物体形貌测量应用, 设计一种视觉形貌测量新方法。该方法是将两套没有公共视场的单目视觉传感器组合起来联合交汇, 分别用于位姿测量和单目多位置交汇测量。位姿测量通过求解PnP问题为单目多位置交汇测量提供位姿信息。单目多位置交汇测量利用位姿测量提供的辅助信息通过光束平差解算出待测物的形貌。分析了系统原理, 给出位姿测量PnP算法实现过程, 介绍了非公共视场相机的标定方法原理, 分析了单目多位置交汇测量的原理并给出实现方法。最后进行了测量方法的验证实验, 实验结果表明, 在3 m×3 m的工作范围内系统测量精度为5 mm, 证明该方法可以用于大尺寸物体形貌测量, 且结构简单轻便, 具有很强的灵活性。

针对传统机器人视觉测量系统中测量精度受机器人绝对定位精度限制的问题，构建了基于全局空间控制的高精度柔性视觉测量系统并研究其标定技术。通过全局空间测量定位系统实现机器人末端工具的高精度实时控制，可以突破机器人自身定位精度的限制，充分发挥其高度柔性的运动特性。为实现系统高精度测量，提出一种基于单应性矩阵的视觉传感器外参标定方法，该方法仅需对所设计的平面靶标进行一次成像，结合激光跟踪仪进行坐标转换即可实现传感器坐标系与外部参考坐标系之间坐标转换关系的精确标定。实验结果表明，基于全局空间控制的机器人视觉测量系统在其工作空间中距离测量精度优于0.2/mm，较传统的机器人视觉测量系统得到显著提高。

工业机器人末端执行器位置参数（TCP）是机器人离线编程及机器人末端工具误差校正的基础，研究快速、准确的TCP校准方法对保证工业现场环境下机器人系统顺利正常工作至关重要。以双目视觉测量为基础，结合空间坐标变换理论与机器人运动学，提出了一种应用于工业制造现场的机器人TCP参数快速自动校准方法。此方法具有非接触测量、校准速度快、精度高等优点，减少了传统接触式TCP校准过程中误差因素，并且克服了其标定速度慢，标定精度不足等缺点。结合ABB工业机器人对该方法进行验证实验，实验结果表明：对于直径为10 mm的末端工具，提出方法校准精度相对于传统接触式标定有很大的提高，可以满足工业现场高精度的、快速的TCP校准要求。

针对传统列车速度测量装置存在量程小、调试复杂等问题，基于扫描激光雷达技术，设计了一套适用于高速列车动态限界测量的列车速度测量系统。将扫描激光雷达固定在距列车10 m左右的位置上，根据激光脉冲飞行时间测距原理，沿列车行驶方向对进入扫描范围内的列车车身逐点扫描，获得由测量点组成的车身轮廓信息；通过最小二乘拟合车厢测量点，得到列车行驶轨迹，确定列车行驶方向；采用分段线性差值确定相邻两次测量周期内列车行驶的距离，完成列车速度的测量。结果表明：该测速系统操作方便，量程可达600 km/h，测速误差控制在±1.2%以内，可以满足高速列车速度测量需求。

在结构光视觉测量系统中,激光条纹的提取精度和速率直接影响到最终测量结果的精确度.为了解决现有激光条纹提取方法难以同时达到抗干扰能力强、稳定性好和运算量小等问题,采用了一种优化Steger快速提取激光条纹中心的方法,利用梯度阈值分割出有效条纹区域,采用优化的扫描方式,用灰度重心法对条纹中心进行粗提取,然后用Hessian矩阵法对条纹中心进行精提取.对激光条纹提取原理进行了理论分析,并对软硬件设计进行了实验验证,取得了较好的实验数据.结果表明,该方法与传统方法相比,具有提取精度高、提取速率快的优点,这一结果对柔性传感器的高精度和实时性是有帮助的.

由于近景摄影测量具有测量范围广、精度高和效率高等优点，其在大尺寸精密测量任务中承担越来越重要的角色。其中，基于平差优化的自标定测量模型是保证该方法实现高精度测量的重要原因。然而，随着越来越多的商业级单反相机应用到三维空间测量，发现其测量精度与专业相机相比有一定差距。经过大量分析发现，除了相机本身原因外，自标定模型过多地依赖相机内部参数，尤其是畸变参数，是导致测量精度降低的重要原因。为了降低参数化模型对测量结果的影响，提出一种不依赖相机内部参数的摄影测量方法。结合垂线法和Zeiss实验室标定方法，设计了一种针对大视场相机的非参数标定方法。经过不同图像间同名点匹配和平差初值确定后，便可建立基于角度信息的非参数测量模型。结合平差优化算法，完成对空间被测点三维坐标的精确解算。经过与传统摄影测量结果比对，证明该方法可以有效提高大视场单反相机的摄影测量精度。

移动视觉测量中大量非编码点粘贴在被测物表面。由于图像点在不同站位图像中形状相似，因此无法提供足够多的信息来对其进行分类识别，匹配不同图像间的非编码点是移动视觉测量中的一项重要任务。大量研究证明，极线匹配方法是实现图像点匹配的有效方法。然而移动视觉测量的相机是未经过标定的，在利用极线匹配方法时，图像畸变会使基本矩阵求解精度较低，从而导致大量误匹配情况出现。为了解决该问题，提出一种基于空间交会的非编码点匹配方法。该方法通过不同图像间编码点的自动匹配，结合平差优化算法初步获取各站位的内外参数。然后利用这些参数将二维图像点重投影成对应的三维空间直线，在空间中利用直线间的交会关系确定图像匹配点。大量实验证明，该方法可以比极线匹配方法寻找更多的匹配点，更适合用于移动视觉测量。