为了实现对跨尺度零件微小结构的尺寸精度和定位精度的同时测量，提出一种基于宏微复合标定的测量方法。建立不同尺度传感器组合式测量的标定模型，利用变焦扫描显微系统测量零件微尺度特征，利用双目系统测量定位显微设备，从控制坐标转换精度的角度设计加工特殊的标定块，将其作为跨尺度中转坐标系，标定变焦扫描显微重建点云坐标系与测头坐标系的空间转换关系，从而将局部测量点云统一至一个数据集中以完成所有局部区域的整体拼接。与理论模型对比分析，所提测量方法的各孔圆心坐标分布圆度误差为0.0438 mm，平面度误差为0.0252 mm，对喷注器各孔位姿的点误差值小于0.029 mm，孔轴向误差小于0.1140°。与面结构光传感器重建结果对比分析，所提模型能够在保证高精度重建三维形貌的情况下，更加正确地获取跨尺度零件的尺寸和位置。

针对如何快速且准确地获取模具内部完整三维点云数据的问题，提出一种机械臂与三维视觉设备结合的三维点云拼接算法。在初拼接阶段，采用手眼标定方式获取手眼矩阵，并将各幅点云转换到机器人基坐标系，完成初步拼接，得到良好的配准初始位置。在此基础上，提出改进的迭代最近点（ICP）算法，通过结合内部形体描述子（ISS）特征获得关键点，并用随机一致性算法剔除错误匹配点，在点的匹配过程中采用点到面的方式进行匹配，最终得到完整的拼接点云。实验结果表明，所提算法在与ICP算法及其他改进的ICP算法的配准性能对比中具有良好的稳健性，算法耗时及配准误差明显下降，完整的拼接点云误差为0.12 mm，具有较高的工程实践价值。

为了提高移动机器人感知环境、执行高级任务的能力，针对传统视觉同时定位与建图（SLAM）构建的地图缺乏语义信息无法对场景内容进行理解的问题，提出一种基于物体分割的语义地图构建方法。首先，通过改进的语义分割模型DeepLab V3+对二维图像进行分割，获取物体的标签；然后，根据改进的迭代最近点（ICP）点云拼接方法构建稠密地图，并且采用区域生长算法对三维点云进行分割；最后，将二维标签映射到三维稠密地图中，构建出语义地图。实验结果表明：所提改进的DeepLab V3+算法与原方法相比，检测速度提高了约4倍；采用改进的ICP算法进行点云拼接时，在TUM数据集的fr/360序列上其相对轨迹误差较ORB-SLAM算法减小了约16.4%；最后，与ORB+YOLOv3、ORB+MASK-RCNN、ORB+DeepLab V3+方法相比，所提方法减少了语义地图的冗余信息，而且建图速度更快，并且占用储存更少。

为解决大型构件表面弱纹理特征的捕捉和多次测量的精度配准问题,采用集成结构光与光度立体视觉的复合测量系统,利用结构光测量获取工件表面整体形状的点云数据,利用光度立体视觉获取表面精细弱纹理的法向量信息。在此基础上,提出了一种融合邻域点云坐标与法向量信息的新型局部特征描述子,可对弱纹理工件表面特征进行有效且鲁棒地描述。大量仿真和真实实验验证了所提方法的有效性,其性能大幅超越了基于传统特征描述子的迭代最近点算法。所提方法可有效捕捉并描述弱纹理表面的丰富细节特征,构建鲁棒显著的特征描述子,进而大幅提升了测量结果的匹配精度,减小了大型复杂构件的整体重建误差。

为实现公共场所定点消毒目标的识别与定位，确定消毒范围，首先采用深度相机获取公共场所的彩色图像和三维点云；其次训练Mask R-CNN深度网络，进行消毒目标的分类、检测与实例分割，进而获取目标点云；然后通过采样一致性初始配准（SAC-IA）和迭代最近邻点（ICP）精配准方法实现不同视角点云的拼接，获取完整的消毒目标点云；最后基于主成分分析（PCA）优化点云的包围盒。实验结果表明，基于Mask R-CNN目标检测的各类别平均精度（mAP）达到0.968，实例分割的平均交并比（IoU）达到0.879，目标包围盒的表面积和体积优化率分别达到了29.2%和28.8%。本研究能有效识别与定位消毒目标，为不同消毒目标采用不同消毒方式提供分类依据，同时能有效减小消毒范围，提高消毒作业效率。

为提高结构光三维重构系统的点云匹配速度及精度,提出二维视图及三维点云交叉特征点协同匹配的方法。首先,通过投影变换及维度映射关系实现待拼接投影图像的归一化,经预处理后提取端点及分叉点作为关键点,对同类点进行三角划分及相似匹配得到初始点集,并将其映射至三维空间。其次,利用kd-tree搜索得到双邻域质心,根据三点构成的三角形相似关系进一步筛选点集。最后,采用四元数法完成粗拼接,进而使用改进的迭代最近点(ICP)算法完成精拼接。实验结果表明,所提算法的匹配准确率达98.16%,匹配用时3s,粗拼接重叠区域的重心距离误差为0.018mm,所提算法对于二维图像视角变换、纹理光滑、光线不均等具有较高的鲁棒性。

在小工件的三维测量任务中, 传统的接触式测量方法测量速度慢、效率低。非接触式测量方法能够实现快速测量, 提高测量效率。然而目前的非接触式测量设备便携性差且价格昂贵。鉴于此, 基于线结构光视觉测量原理, 设计了一套单目便携式测量系统, 利用一个CCD摄像头和一个线激光投射器组成测量系统。在被测工件下面放置一个网格平面靶标, 通过霍夫变换提取网格线, 对网格线进行排序与求交点获得带标签的网格点, 使用带标签的网格点计算出相机坐标系到网格坐标系的转换矩阵以实现点云拼接, 从而得到被测工件表面的完整点云数据。实验表明, 该方法能够实现小工件的快速非接触式三维测量, 测量误差在1 mm以内。

大型复杂曲面因为空间尺度大、结构复杂, 因此对其进行测量和检测相对较困难, 三维形貌测量技术分辨率高、数据获取速度快, 为大型复杂曲面的偏差控制和逆向工程提供了技术保障。分析和综述了大型复杂曲面三维形貌测量及应用研究的进展, 论述了目前实现大型复杂曲面三维形貌测量的手段, 归纳和总结了目前以及未来几年可用大型复杂曲面三维形貌测量的设备和仪器的特点与应用场合, 并对比分析了每种测量设备的优缺点, 为正确和广泛应用三维形貌测量设备提供参考, 重点介绍了三维点云获取方法及点云处理方法, 对点云预处理方法、点云拼接方法所涉及的技术进行归纳总结。最后, 对三维形貌测量技术的应用场合进行剖析, 认为大型复杂曲面三维形貌测量将向着非接触、自动化方向发展, 在发展过程中基于全局坐标的点云拼接、非贴点测量将成为研究的主要方向。