像素匹配是在线三维测量中的关键技术之一, 提出了基于归一化等相面的在线三维测量像素匹配方法。仅投一帧正弦光栅条纹到在线运动的物体上, 由CCD再依次移动相同步距时刻同步采集受物体调制的变形条纹图。利用FTP方法预测物体不同位置的相位信息并进行归一化, 再以二值化等相面协助像素匹配, 不仅实现了物体在各帧条纹图中的像素坐标一一对应, 而且归一化减少了由于物体运动产生的不同位置相位展开起始点不一致导致的不同位置相位展开的差异性而引入的误差, 同时节省了像素匹配计算量。对最大高度为8 mm的peaks函数型物体的模拟结果表明: 均方差为0.021 mm, 像素匹配时间上, 该方法较直接用FTP方法预测得到的相位为模板进行像素匹配缩短了近2倍, 同是实物测量也验证了该方法的有效性和可行性。所提方法不仅可以保证在线三维测量的精度, 而且有效地提高了测量速度。

物体的运动使变形条纹图中物体像素点不对应，因此需要对物体做像素匹配。提出了一种基于相位预测的在线三维测量像素匹配方法。仅投一帧正弦光栅条纹到在线运动的物体上，CCD同步采集相同步距时刻受物体调制的变形条纹图。采用傅里叶变换轮廓术(FTP)方法对采集的变形条纹预测物体不同位置的相位信息，并以该相位信息的特征做像素匹配，实现了物体在各帧条纹图中的像素一一对应，同时匹配后的变形条纹产生等效的等步相移，进而采用等步长相移算法来重构在线运动物体的三维面形。计算机模拟与实验验证了该方法的有效性和可行性。同时，与在线FTP方法进行比较，在线FTP方法和本文方法的均方根误差分别为1.013 mm和0.024 mm，表明该方法对在线三维测量具有较高的测量精度。

基于Stoilov算法的相位测量轮廓术(PMP)三维测量过程中，由于其表达式中四种奇异现象的存在，致使用Stoilov算法时出现解相错误，所以不能很好地重构三维物体。采用统计逼近的方法补偿Stoilov算法表达式中出现的异常点，弥补了Stoilov算法的缺陷。同时Stoilov算法对光栅周期及条纹对比度比较敏感，当光强变化较大时，相移图像对应的像素点发生突跳，影响测量精度。因此，提出一种基于统计逼近的Stoilov优化算法的光栅参数优化方法以提高测量精度。实验模拟不同的物体，发现存在重构三维物体时均方差最小的光栅周期和光栅条纹对比度，验证了光栅参数优化设计的可行性。

Stoilov算法是近几年提出的一种相移量任意的等步长相移算法,它无须知道相移量的大小,只要保证相移步长相等,就可以解算出物体表面的截断相位,因而在三维测量领域中倍受人们关注。但Stoilov算法的表达式过分依赖采集的变形条纹图像的光强,存在对光强的减法、除法和开方等运算,使相位计算时在某些位置会出现分子分母为零,开方出现复数等奇异现象,会导致算法算错或者相位展开出错,致使三维重构表面会出现畸变、失真,甚至无法进行三维重构。因此提出了一种基于统计逼近的方法对Stoilov算法进行修正,有效抑制了奇异现象引入的相位误差,提高了三维测量精度。实验验证了其算法的有效性和适用性。