为解决结构光测量高动态范围表面物体时出现局部过度曝光或曝光不足的问题，提出一种改进的多曝光融合方法，利用自适应曝光代替手动曝光，并对图像融合过程进行优化。首先，将初始曝光时间下拍摄的图像利用直方图进行分析，将被测物体表面反射率不同的区域分为若干组，分别计算出每个组别的最佳曝光时间；在此基础上，拍摄不同组别对应最佳曝光时间下投射白光和条纹的图像，并去除图像中超过设定阈值的高灰度值区域，再将投射白光处理后的图像制作成掩模图，与相同曝光时间下投射条纹处理后的图像相乘，进而对多组相乘后的图像进行亮度压缩与融合；最后，通过CLAHE算法提高融合后所生成条纹图的对比度与清晰度，并对条纹解相后进行点云重建和尺寸测量。实验结果表明：文中方法中自适应曝光相较于手动曝光具有高效性和准确性，U型卡、连接块、圆盘三个高动态范围表面物体的点云重建率分别高达99.98%、99.74%、99.76%，测量出的标准块阶梯高度差绝对误差为0.062 mm，相对误差仅为0.69%，该方法有效解决了高动态范围表面物体测量时点云缺失的问题，提高了三维轮廓的测量精度。

提出一种利用深度学习强大的隐式建模能力解决单帧条纹图正交化存在的欠采样问题，结合条纹图降噪归一化技术，利用对抗生成网络的特征先验，构造了一种条纹图轮廓项数字方式的π/2相移网路，实现了单帧条纹图的正交化，放松了应用解析模型法实现条纹图正交化时的严格要求。通过标签图像对训练后，该网络成功地实现了归一化后的条纹图的正交化，进而高精度地实现了单帧条纹图的相位解调。仿真和实验分析证明，与基于Riesz变换的数字相移方法相比，所提方法求解更可靠，能有效地恢复测量相位。以现有的多帧高精度相移算法的解调结果作为参考值，实验结果表明所提方法的相位误差分布在0.05 rad以内，为瞬变场和物体三维轮廓测量提供了一种途径。

光栅投影三维测量技术因其非接触式、分辨率高和精度高等优点，已成为应用最为广泛的三维测量技术之一，但对于具有强反射表面的被测物，所采集的图像会出现局部过明或过暗的现象，导致测量的点云缺失，影响测量精度。为了实现强反射表面物体三维轮廓的精确测量，提出一种改进的多曝光图像融合技术。利用白光投射下不同曝光时长的图像制作掩模，分别与光栅投射下相应曝光时长的条纹图像相乘，将所得图像进行线性变换后叠加，再对其灰度值归一化后进行伽马变换和灰度值还原，最后利用所得条纹图像解相并计算被测物体表面三维点云数据。实验表明，该方法在一定程度上克服了因物体局部高光而导致的点云缺失，对于法兰片、标准块和U型卡三种具有强反射表面的被测物，分别能计算出99.8%、99.1%和99.3%的点云数据，实现了强反射金属表面较为完整的三维轮廓检测。