受电弓磨耗关系着地铁的正常运行。为了对地铁受电弓磨耗进行有效检测，提出一种地铁受电弓磨耗线激光在线检测方法。该方法利用两台线激光传感器采集受电弓廓形数据，通过阈值设定、特征点搜寻、廓形配准对比得到受电弓实际磨耗。针对特征点搜寻，提出一种基于点云窗口移动计算的特征点搜寻算法，通过定义点云窗口来遍历受电弓廓形，计算每次移动后窗口内数据点方差，构造窗口最小方差索引点与廓形第一等分点直线，依据点线最大距离找出受电弓廓形特征点。采用主成分分析（PCA）算法的粗配准结合迭代最近点（ICP）算法的精确配准策略，实现受电弓廓形配准，依据配准结果得到受电弓磨耗。实验结果表明，特征点搜寻算法可准确找出所需特征点，廓形配准策略能有效保留廓形数据磨耗情况，使检测系统达到±0.5 mm的磨耗检测精度要求，实现地铁受电弓磨耗在线测量。

线激光扫描热成像无损检测技术使用线形激光作为热激励源，采取扫描加热方式，在碳纤维复合材料无损检测方面具有独特优势。在分析线激光扫描红外热成像检测原理以及复合材料特点的基础上，提出了扫描方向、扫描速度、激光功率等 3个可能影响检测效果的参数。建立线激光扫描检测复合材料的仿真模型，选取缺陷表面中心点和无缺陷处表面温度的最大温差作为检测效果的特征量，分析了上述参数对检测效果的影响，并对激光功率、扫描速度与检测效果之间关系进行了拟合，总结了实验时兼顾检测效率和检测效果的参数选取原则。

枕簧是铁路货车减振装置的关键部件，发挥着承载和缓冲的作用，其尺寸直接影响车辆的减振能力与特性。为保证行车安全，铁路货车段修和厂修时必须对枕簧几何尺寸等进行测量与检查。为提高枕簧检修过程中的测量效率，提出了一种基于三维激光点云的枕簧几何尺寸测量方法。该方法采用线激光传感器获取了枕簧三维点云数据，利用下采样和k-means聚类等算法实现了点云数据的预处理，然后通过平面拟合利用高度测量算法测量了枕簧高度；经过点云降维、边缘提取、圆分割后利用改进的圆拟合算法测量了枕簧内、外直径。搭建试验平台进行了测量算法的精度、可靠性和重复性试验。结果表明：测量10组不同枕簧，最大平均误差在±0.35 mm内，平均测量时间为2.7 s；测量4组枕簧10次，最大平均误差在±0.35 mm内，重复性小于3%。测试结果具有良好的精度和稳定性，满足检修规程和检修工艺要求。

direct driver（DD）马达的端面全跳动直接影响着其定位精度。由于端面全跳动测量复杂，实际生产中一般使用千分表测量其端面跳动来近似替代。此方法易损坏被测物的表面，效率低下且精度不高。针对上述问题，提出一种基于点云驱动的DD马达端面全跳动测量方法。首先，采用线激光传感器获得DD马达表面的点云，该传感器使用激光三角测量法测量被测物的距离，Z轴测量精度为1.8~3.0μm，重复精度为0.4μm；其次，使用均匀下采样算法压缩点云；接着，设计一种基于曲率和密度的混合分割算法分割压缩后的点云，获得DD马达工作面的点云；然后，对工作面点云进行异常值分析，并采用基于拉依达准则的算法将异常值剔除；最后，使用随机抽样一致性算法对点云进行平面拟合，获得点云平面方程，并将该平面作为基准面计算DD马达的端面全跳动。实验结果表明，所提方法测量结果为16.8458μm，与参考结果（15μm）在微米级别上误差为12%左右，满足工业精度要求，有效验证了所提方法的优越性。此外，还基于点云库、Qt和Visual Studio平台开发了DD马达端面全跳动测量软件，实现了数据显示、点云处理、一键测量、数据管理等功能。

为确定线结构光视觉传感器与工业机器人法兰中心的位姿关系，设计了一种只有单个圆的平面靶标及标定方法。调整机器人姿态，使激光线经过平面靶标上实心圆的圆心，通过图像处理，得到圆心的像素坐标，转换后得到圆心在传感器坐标系下的坐标；多次调整姿态，获取多组图像，得到多组传感器坐标系下圆心坐标；结合对应机器人位姿关系，采用最小二乘法直接解算出手眼矩阵。实验结果表明，所提方法与采用标准球为靶标的手眼标定方法对比，反求得到的三维坐标的标准差由0.3893 mm降为0.2145 mm，以同一目标的不同间距为测量对象，均方根误差均有效减小。该方法提高了标定精度，不需要采用昂贵的靶标，适合于现场标定。

精密零部件的高精度三维成像是工业制造和检测的关键任务。针对现有的线激光测量系统效率慢、精度低等问题，提出了利用远心成像的线激光三维测量系统，研究了该系统的标定方法。首先，分别采集不同位置的靶标图像和激光线照射下相同位置的靶标图像，通过远心正交成像标定相机内参矩阵系数和外参位姿关系；然后，建立线激光投影平面与标定目标平面之间的几何关系，求解不同目标平面下的激光线方向矢量，进而通过最小二乘法获得光平面方程；最后，在极大似然准则下，利用Levenberg-Marquard非线性优化算法精确地计算标定参数最优解，搭建了测试系统，开发了专用标定程序。实验结果表明：在60 mm×48 mm的视场下，所设计的系统和方法可以实现优于18 μm的测量误差，能够快速准确地重建出三维形貌。

针对轮胎花纹深度测量中存在传统手工方法效率低下及单线激光测量适应性不高的问题，提出一种基于多线激光的轮胎花纹深度测量方法。该方法通过测量装置获取带有多线激光条纹的轮胎花纹图像，再通过三角测量技术得到轮胎表面激光条纹中心点的三维点数据。对获取到的点云数据进行处理，筛选出轮胎凹槽点和轮胎胎面点。将轮胎凹槽点拟合成一个曲面，依次计算胎面点到凹槽曲面的距离，获得每条凹槽的深度，以判断轮胎磨损状况。试验结果表明，该方法简单高效，鲁棒性强，能够准确测量出轮胎花纹的深度，与深度尺测量结果的差值在0.1 mm以内，可以满足轮胎花纹深度测量的要求。

针对目前线缆缠线机存在的到边反向不及时、效率低、依赖人工反向等问题, 采用线激光传感器对缠线机的线缆到边情况进行实时动态检测, 根据结果及时调整缠线机横向运动方向。首先根据线缆与挡板交点的特殊位置, 应用带约束的凹凸点检测算法对点云进行数据分割; 其次利用RANSAC算法对挡板的数据进行直线拟合, 然后使用斜率特点在线缆数据中找到待测线缆, 对待测线缆点云数据进行整体最小二乘法拟合圆; 最后计算出待测线缆到挡板处的相对位置。试验证明, 带约束的凹凸点算法能准确地找到数据分割点, 并计算出待测线缆到挡板处的距离, 实现线缆成卷过程中到边反向的实时检测。

针对转向架侧架空间狭小以及不确定光照条件下难以通过传统的视觉系统及算法实现枕簧端面缺口定位的问题，本团队提出了一种基于线激光光斑特征的枕簧缺口视觉间接定位方法。通过对K6型转向架承载弹簧和减振弹簧这两类枕簧外簧第一、第二层簧圈的尺寸特征进行分析，并采用最小二乘法拟合尺寸数据，分别建立了两类枕簧簧圈高度比值与枕簧端面缺口方位对应关系的数学模型。采用YOLOv3-tiny目标检测算法实现了复杂背景下枕簧的检测与感兴趣区域(ROI)的分割，基于阈值分割和边界框拟合算法提出了激光光斑高度自适应求解方法，该方法提升了定位方法的灵活性。试验结果表明，所提方法的定位精度在－5°～＋5°以内，单次定位时间不超过0.15 s，而且对光照强度的变化具有很强的鲁棒性。

针对目前航空叶片接触式测量中存在的效率低、表面易损伤等问题，设计并搭建了集航空叶片检测与加工于一体的线激光在机测量实验平台。在进行激光非接触测量中，点云数据容易出现误差。为了提高激光在机测量的精度，对在测量过程中的主要影响因素进行了探讨和分析。分别建立了基于径向基函数神经网络和支持向量回归机的误差预测模型，并对两种预测模型的性能进行了比较。提出自由曲面检测的误差补偿策略完成了点云数据的补偿和校正。最后以某型号航空叶片为例进行实验，实验结果表明，所提方法能将点云数据的精度提高39.86%，验证了误差补偿模型和补偿策略的可行性。