提出一种基于神经网络的系统标定方法.通过射影变换及误差补偿方法, 建立摄像机图像平面与投影仪图像平面的映射关系, 利用该映射关系和标定点的摄像机图像坐标, 计算得到相应的投影仪图像坐标；建立三层结构的神经网络, 该网络以两个图像坐标为输入, 对应的世界坐标为输出, 训练样本由得到的标定点的两个图像坐标及其世界坐标组成, 采用BP算法训练该网络；训练过程即为神经网络逼近系统模型的过程, 训练完成时, 系统完成标定.实验表明, 与传统的结构光标定方法对比, 本文提出的方法简化了建模复杂度和标定过程, 提高了标定精度, 并具有普遍适应性.

摄像机成像模型是决定视觉测量精度的关键因素之一。随着视觉测量精度的要求越来越高，提高摄像机模型和标定的精度是解决该问题的主要手段。将一种新的有理函数式镜头畸变修正模型引入到摄像机的成像建模中，以更好地修正镜头畸变引起的误差，从而提高摄像机成像模型的精度；并提出一种两步求解以及分步迭代优化的方法精确求解成像模型中各参数，以解决有理函数式畸变模型参数无法直接求解的问题。实验结果表明，基于新畸变修正模型的摄像机成像模型比常规畸变修正模型的标定精度有显著的提高，并且新模型对大误差的控制更有效，从而可整体提高视觉测量的精度。

结构光三维测量广泛应用于测量物体外轮廓，但使用这种技术测量金属零部件时，会由于金属表面的局部强反射形成高光区域，这种高光致使相机饱和、信息丢失，造成条纹中心提取不准确，从而产生较大的测量误差。因此，寻找一种有效的手段来避免高光问题是非常必要的。基于结构光测量系统自身的特点，提出一种新的高光去除方法——频域滤波法。该方法将高光视作噪声，通过对比分析漫反射光条和高光光条频谱分布的不同，制作合适的滤波器以滤除高光。通过3dsmax软件仿真，模拟高光效果，测试频域滤波后的条纹中心提取精度比不滤除前提高0.8 pixel。将该方法应用于实际叶片测量中，较好地解决了其中的高光问题。仿真和实验均证明，频域滤波法可以在一定程度上降低高光对结构光条纹中心提取准确度的影响。

在结构光三维轮廓测量系统中，对参数的标定是测量的首要关键技术，但投影仪参数的标定目前还存在着标定精度低等问题。提出了一种简便、高精度的投影仪标定方法，该方法通过投影圆点图案到一块本身带有圆形标志点的平板上实现。根据射影变换原理建立投影仪图像和摄像机图像的基本对应关系，然后对基本对应关系的误差使用二元四次函数拟合并进行补偿的方法建立两者的准确对应关系，进而获得平板上圆形标志点在投影仪上的准确图像坐标，完成投影仪标定。仿真和实验结果表明，提出的投影仪标定方法有较高的精度，其中实验验证投影仪标定误差最大值小于0.1 pixel，有效值小于0.03 pixel，系统测量精度可达0.06 mm。