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。

针对当前线阵相机几何标靶标定精度不足的问题，提出了一种基于绝对相位标靶的线阵相机标定方法。针对线阵相机成像特点，设计了结合相位与格雷码的绝对相位编码标靶。标定时首先由线阵相机获取标靶图像，计算标靶的绝对相位；然后在空间不同位置处摆放标靶，采用辅助面阵相机获取标靶间的相对位置关系，建立线阵相机图像与空间点的精确对应关系；最后采用两步法标定获取线阵相机内两相机间的坐标变换关系。仿真与实验结果表明：标定的最大重投影误差为0.089 pixel，与现有方法相比降低了79.78%，所提方法具有良好的抗噪、抗离焦性。

针对当前线扫相机标定过程复杂且需外部辅助装置的问题，提出建立在2D空间中的线扫相机静态标定方法。首先，从应用角度出发，将3D空间的线扫模型推导至2D空间，建立2D空间线扫相机成像模型，设计一种新型的线扫相机标定板。接着，利用交比不变性原理对2D空间的线扫相机模型进行求解。最后，提出一种利用畸变变化量的畸变拟合策略，解决小畸变情况下畸变矫正误差过大的问题，取得了良好的畸变矫正效果。实验结果表明，所提2D空间中的线扫相机静态标定方法标定过程简便，不受现场环境限制，标定精度较高，取得0.06 mm的平均绝对误差（约1.5像素），误差标准方差稳定在0.068以下。所提方法基本满足在中低标定精度下的应用要求，具有较高的实际应用价值。

利用蒙特卡罗模拟和光密度算法评估线扫描成像系统对被测样品内部缺陷的检测性能。首先，引入三维体素分割方法，实现对内部缺陷不规则组织边界的精细划分，以改善传统蒙特卡罗方法难以准确模拟复杂组织的光学传输问题；分析了仪器参数对光子在组织内部的穿透深度、探测器的探测深度和表面漫反射率的影响，确定了最佳的参数配置；最后，利用光密度算法评估了系统对不同大小和深度缺陷的检测性能。仿真结果表明，在光源入射角为15°、光源-探测器距离为1 mm的条件下，线扫描成像检测系统能够兼顾光子探测深度和表面反射率；对于大（a=2 mm，b=3 mm，c=1 mm）、中（a=2 mm，b=2 mm，c=1 mm）、小（a=2 mm，b=1.5 mm，c=1 mm）三种尺度的椭球体缺陷，系统的缺陷深度检测限分别为3.5 mm、3 mm、2.7 mm。本研究结果为面向水果等农产品内部缺陷检测的线扫描成像系统的参数优化和性能评估提供了理论依据。

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。

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。

在基于相机的众多应用场合中,对相机内外参数与镜头畸变参数的标定是关键环节,确定其标定过程的简易操作及标定结果的精度至关重要。与面阵相机相比,线阵相机的标定过程较为复杂。介绍了适合线阵相机的成像几何模型和镜头畸变模型,总结了线阵相机标定的一般流程,归纳分析了文献中基于静态成像和动态扫描成像的标定方法,并对其特点作出了简要评价。

针对精密测角算法标定线阵相机内方位元素时仅标定一维方向的主点坐标及畸变, 导致该标定算法适应性及精度受限的问题, 提出了一种线阵相机二维高精度内方位标定方法。首先, 分析了线阵相机内方位元素模型, 然后, 针对该模型提出了一种基于二维转台的二维标定方法, 并给出了详细的标定步骤及数据处理方法, 最后, 将本文提出方法的标定结果与精密测角算法的标定结果进行了对比, 结果表明, 本文提出的标定方法的重投影误差为0.34 pixel, 相比于精密测角算法的1.25 pixel, 显著提高了标定精度, 且标定时不需要进行对准、调平等操作, 标定过程操作简单。