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。

为进一步提高事件传感器光流估计的精确度，解决平面拟合算法的拟合模型误差问题，提出一种事件传感器平面拟合光流估计改进算法。该算法采用Prim贪婪算法思想，从事件流中提取有效事件，获取最优局部邻近事件集，为后续光流估计奠定基础。同时，采用特征值算法代替传统最小二乘法，结合贪婪算法下事件集内数据的优劣排序，优化平面拟合模型的建立，提高光流估计算法的精确度。实验结果表明，相比于现有的基于平面拟合的事件传感器光流估计算法，该算法在平均端点误差和平均角度误差两个指标上分别约提升20%和11%，有效提升了事件传感器光流估计算法的精确度。

三维扫描获取待测对象点云时，不可避免地会出现噪声点和异常值，严重影响点云平面参数估计和平面拟合精度。随机抽样一致性（RANSAC）和主成分分析（PCA）结合的算法可以有效估计点云平面参数并拟合平面，具有一定鲁棒性，但RANSAC算法每次迭代时都需要判断以区分内点与外点，具有冗余性，对运行效率有一定影响，同时其估计结果也会受到迭代次数的影响。针对以上问题，提出了一种结合最小平方中值（LMedS）和PCA的算法拟合点云平面，并选取3种点云模型进行实验，分别为Semantic3D户外场景点云数据库、线激光传感器获取的零件表面点云及普林斯顿大学的室内数据集。实验结果表明，在十万数量级点云中，LMedS算法可以有效估计点云平面参数，与RANSAC算法相比，LMedS算法不仅可以有效估计平面模型，且运行速度有一定提高，耗时少，两者的精度相当，是一种具有较强鲁棒性和优势性的点云平面拟合算法。

新冠肺炎疫情的暴发使得非接触式静脉注射机器人备受医务人员青睐，但目前对机器人入针角度的研究较少，多以粗略的角度进行入针操作，这会增加穿刺失败率，且由于患者本身存在的个体差异，有时会有明显疼痛感。为此，针对手背静脉注射机器人入针角度的确定展开研究，重点完成对手背测量数据的优化，以保证入针角度计算结果的准确性。首先通过单目相机与线结构光扫描相结合的方法获得手背入针区域空间点云，利用最小二乘法对手背点云进行拟合得到手背平面；在线结构光系统标定过程中，通过构造误差函数，采用最优化方法进行迭代求解来消除测量误差；然后以得到的入针区域平面为依据确定入针角度；最后设计实验，验证所提方法的准确性。实验结果表明，优化后结构光平面位置的平均误差约为0.1 mm，满足项目需求，为后续全自动注射奠定基础。

轨道车辆生产过程中在车厢底座铺设铝蜂窝板前, 需对车厢车体底座面形进行测量, 以便确定支撑点处橡胶垫的高度。由于底座的挠曲变形, 各支撑点的高差是不同的, 需要根据测量值进行整体拟合。在获得车体底座支撑点高差测量数据的基础上, 提出了一种适用于轨道车辆的铝蜂窝板铺设的三点平面算法, 该算法通过计算测量点到基准面的距离确定每个铝蜂窝板安装座的补偿高度, 算法使用的数据基于轨道车辆智能化多曲面调整装置。该算法应用于轨道车辆生产过程的实践表明, 算法能够按铝蜂窝板长度自动分段, 确定支撑点处橡胶垫块的最佳厚度, 使铝蜂窝板铺设平整、接缝处高差最小, 算法稳健、可靠。

为提高十字结构光传感器的标定精度, 提出一种十字结构光标定方法。利用提取光条中心直线的两步算法, 对成像光条进行直线特征提取并拟合出像素坐标系下的直线方程; 通过坐标转换, 得到相机坐标系下的图像直线方程, 再联合相机原点求出平面方程; 由此平面方程联立相机坐标系下的二维靶标平面方程解出相机坐标系下的激光直线方程; 改变靶标姿态, 得到多组相交光条直线信息并用随机抽样一致性原理拟合出十字激光平面。最后对环规标件进行三维重建并进行误差分析, 试验测得环规内半径误差均值为0.155 8 mm。此方法充分利用了直线特征上的点信息, 解决了以往拟合光平面算法特征点少的问题, 增强了算法的鲁棒性, 具有一定的实用性。

为了避免利用2D图像提取特征点并进行三维重建的烦琐，同时满足芯片引脚3D测量指标的高精度要求，采用点云处理技术，提出一种基于法向量差异的点云水平校准方法，将该方法与最小外包围盒算法相结合来剔除芯片内部引脚点云。对剩余点云进行聚类分割后，利用采样一致性算法对芯片各外部引脚、上下表面进行平面方程参数拟合并求解各引脚区域的中点。通过以上获取的数据计算芯片高度、引脚栈高以及引脚翘起度。最后，通过试验验证了所述芯片测量方案的有效性。

针对现有点云多要素分割算法分割面状点集时分割精度低、分割块合并效果差等问题,提出了一种改进的多规则区域生长算法。一方面,计算点云数据的平面拟合残差,基于平面拟合残差设置种子点条件,对面状点集分割进行优化,以此提升面状要素分割的精度;另一方面,在距离条件的基础上,结合相似性和体积变化条件对合并策略进行改进,以实现分割块的有效合并;此外,利用中位数、Baarda数据探测法和k均值聚类分别对算法中涉及的阈值参数进行自适应设置。采用三种不同类型的点云数据进行实验,结果表明:改进算法能够提升面状点集的分割精度,提高了分割块合并的准确性;与其他算法相比,改进算法能够同时兼顾精度和效率,分割结果更具优势。