大型零件三维测量过程中常需要粘贴较多的标志点来进行自动拼接。由于人工粘贴标志点的随机性与噪声等因素的影响，标志点自动匹配时极易产生误匹配标志点，影响了多次测量时点云数据自动拼合的稳定性。针对此问题，在实现标志点自动匹配的基础上引入随机抽样一致(RANSAC)算法去除误匹配标志点。该方法根据选定好的目标模型和相关评判准则，将所有的匹配标志点分为内点和外点，利用内点计算出当前最佳目标模型参数，经过一定次数的随机采样后计算出最终的最佳目标模型参数，从而有效地去除大型零件点云数据自动拼合过程中出现的距离误匹配标志点和噪声误匹配标志点。模拟实验和拼接实例表明该方法是可行的，能有效地提高大型零件点云数据自动拼合的稳定性。

针对大型锻件尺寸的在线测量问题，提出一种基于结构光的立体视觉测量方法。该方法针对红热态高温条件下结构光条纹难以获取的问题，采用物理滤色和数字滤色相结合的办法克服热态表面辐射的影响，同时采用多频相移技术以显著提升抗噪能力；针对大型物体测量提出了基于标记球的多视测量自动拼接方案。现场实验验证表明，基于结构光立体视觉的三维测量实验系统可以在15 m 远距离实现在线大型锻件非接触测量，具有测量速度快、测量精度高、方便快捷、简单可靠的特点，能满足大型铸锻件热态在线测量的要求。