提出一种基于二维图像基准的动态线扫描点云校正方法，采用基于重投影图像全局变换和基于重投影图像光流分析的两步式校正手段，实现点云轮廓与二维图像基准在复杂扰动下精准、可靠的关联，优化每条点云轮廓的位姿，并结合图像和点云信息设计基于低噪声基准的校正补偿方法，实现6自由度全面校正。这为运动状态下基于点云的细节分析检测提供了有效的技术支持。

当前，以高密度点云为目标的三维形貌测量正在取代传统离散坐标测量成为几何量测量的新发展方向。除了狭义制造环境，高密度点云提供的多空间分辨率特性在以高铁、飞机、隧道为代表的机械装备、大型工程运行状态监控领域同样显现出广泛的应用前景。但与制造场景中静态条件下的点云形貌测量问题不同，对于处于服役状态的被测量对象，相关测量需求表现出点云需要伴随运动高速连续延展、高分辨率获取等新特点，所形成的延展表面测量新问题对传统测量方法提出了严重挑战。以线阵CCD、CMOS为代表的一维图像传感器可在运动状态下快速连续成像，为三维形貌测量系统提供满足高速、连续、高密度等测量要求的硬件潜力，近年来得到了持续发展和广泛关注。对基于一维图像的延展表面高分辨率形貌测量方法及涉及的参数标定、一维图像匹配、多传感器布局与同步、运动误差补偿等关键技术进行综述，并探讨它们未来可能的发展方向。

为了实现对复杂卫星结构多关键区域形变的灵活高精度测量，提出了一种基于多相机三维数字图像相关（3D-DIC）的微小形变整体测量方法。建立双目3D-DIC子系统以获得各关键区域的高精度形变场。结合光束平差优化和同名点3D重构方法完成对子系统的位姿外部标定。根据标定参数拼接子系统测量数据，得到全局形变场。在实验室条件下用卫星蜂窝结构的热形变实验测量得到多安装面的整体形变场和测量误差，结果表明，本方法对系统的整体位移测量误差为0.96 μm±0.45 μm/m，满足高精度、测量范围灵活可变的测量需求，且对重叠视场和离散视场均具有良好的适用性，为空间环境下卫星结构的稳定监测提供了可靠的测量方法。

光频扫描干涉(FSI)绝对测距技术具有精度高、灵敏度高等优点,受到了大型装备制造领域的广泛关注。为获得更高的测距精度,FSI系统中往往需要通过构建光纤辅助干涉仪以实现对光频变化的精密监测。然而,受环境因素以及色散效应的影响,光纤辅助干涉仪的光程难以在测量过程中维持稳定,导致测量精度严重下降。针对这一问题,提出了一种基于光谱标定的FSI绝对测距方法,采用氰化氢(HCN)气体的吸收光谱特征为FSI系统辅助干涉仪光程的在位快速标定提供稳定、精确的光频参考。提出了一种色散失配误差的快速补偿方法以消除光纤辅助干涉仪引入的色散失配误差对测量结果的影响。为验证上述方法的有效性,在20 m的距离上与商用干涉仪进行精度对比实验。实验结果表明,在测量范围内该系统的最大测距偏差小于50 μm,测量重复性优于±4 μm。

双线扫描相机三维测量系统的匹配环节容易受到表面纹理和光源的影响,从而影响点云的精度和完整性。为此,提出了一种基于傅里叶变换的灰度相似性匹配算法,以实现高精度匹配和处理部分过度曝光。此外,建立了测量系统的成像模型,提出了一种灵活的线扫描相机静态标定方法。最后,搭建了实验平台验证了所提匹配算法的效果和测量系统的精度。相机标定结果的重投影误差优于0.3 pixel,基于所提算法的测量点云完整且能良好反映被测物深度突变处的真实形貌,标准平板测量点云到拟合平面均方根误差为0.023 mm。结果表明,所提匹配算法既能有效保证点云的完整性,又能保留被测物的表面细节特征。

随着大型装备制造技术的不断发展,测量尺度的增加与精度需求的提升给现有大尺寸精密测量技术带来了严峻挑战。光频扫描干涉测距在精度、效率、现场适应性、溯源等方面具有良好的综合性能,尤其适合当前工业测量场景下的大尺寸绝对距离测量任务。本文介绍了光频扫描干涉测距的基本原理,总结了关键技术和仪器的研究进展,从提升测量精度与效率的角度出发,探讨了其应用于工业测量领域仍存在的问题、研究方向和发展前景。

分布式测量系统借助辅助装置来构建几何约束条件以完成定向,而约束精度和数量易受到现场条件环境的制约。针对测量空间欠约束定向的问题,研究一种基于倾角传感的基准长度定向方法,该方法引入高精度的倾角传感器与测量单元结合,通过倾角传感的水平约束建立相对位姿定向模型并将系统定向过程进行分级处理,借助高精度的测角仪器提供内部角度约束,可以减少外部基准长度的约束条件个数。以室内空间测量定位系统作为实验平台,搭建组合系统样机,验证外部欠约束条件下的定向条件数目及分布对系统精度的影响。实验结果表明,所提方法在保证定向精度的同时,能够有效减少定向过程中所需的空间约束条件个数,并具有较好的稳定性,而且可以提高分布式测量系统的组网效率和复杂环境适应能力。

为实现对激光焊缝质量的高效检测,引入了线阵图像传感解决在线检测问题,提出了一种基于深度学习的焊缝瑕疵快速检测方法。首先,针对激光焊缝瑕疵,优化了基于YOLO(You only look once)的深度学习网络。其次,在实验数据集中加入了合适的锚框,以提高检测框定位信息的准确度,并通过多尺度特征融合技术提高了瑕疵的识别准确度。最后,制作数据集并提出了一种数据集预处理方法训练网络,提升了瑕疵的识别效果。实验结果表明,本方法对焊缝单孔、穿孔、凹槽瑕疵的总识别率大于94%,对尺寸为4096pixel×4000pixel的单张工件图像的检测时间为0.97s,相比传统超声、射线图像检测方法在检测速度方面有明显提升。

基于光电扫描原理的分布式测量网络是一种大尺寸三维坐标测量系统,广泛应用于工业制造和装配领域。但测量网络体系庞大、测量环境复杂,增加了组网定向工作的难度,且任意节点的变动都需要重新进行组网。现有的组网定向方法过于依赖人工介入和主观估计,因此提出了一种基于自主建图、全局定位和自动导航的分布式测量网络自动组网定向方法和标定点位规划策略。实验结果表明,该组网方法在保证测量精度的前提下,提高了组网效率和自动化水平,可实现测量系统自动维护和工业现场自动化。