航空发动机叶片的加工质量与检测精度对于叶片的使用寿命有着十分重要的影响。本文提出一种基于结构光的高精度扫描视点规划方法以提高叶片检测精度。首先，对叶片整体尺寸进行粗扫描，获取粗模型数据，并根据相机分辨率与采集精度确定视野范围。其次，利用改进Angle Criterion算法进行边界提取，根据边界坐标与视野范围完成边界分割点的确定，利用曲面的截面线法对粗模型进行切片，根据切片结果确定内部分割点，从而完成点云均匀分割。然后，对分割后的点云数据建立有向包围盒获取中心点坐标，并对其法向量进行统计，确定主法线方向，从而生成高精度扫描的视点坐标。最后，对叶片进行表面形貌检测验证，实验结果表明，与超体素分割的视点采集结果相比，本文方法的平均标准差降低了0.0054 mm，且采集视点减少了1/3。提出的视点规划方法在薄壁叶片在机加工检测领域具有良好的应用前景。

薄壁叶片在结构光检测过程中，由于其表面粗糙度较小，易产生强烈的反光现象，影响求解条纹相位主值，进而无法准确重构出三维点云。本文以加工过程中的叶片作为研究对象，提出一种对在机检测过程中的条纹图像进行图像增强处理的Retinex算法，恢复条纹在高反光位置的信息。首先，对薄壁叶片的反光特性进行分析，通过实验标定出最优曝光的灰度区间和理想灰度值，建立了光圈转动角度与图像平均灰度的相机响应曲线模型，调节光圈和曝光时间至最优曝光的灰度区间并以此作为检测条件。其次，基于Retinex算法处理条纹图像，通过改进的双边滤波代替常用的高斯滤波，在去除光照的同时有效保留了条纹的边缘信息。最后，对薄壁叶片进行单目结构光检测。实验结果表明，经本文算法处理后的条纹图像，通过Canny算子检测出的条纹数量最多，图像信息熵平均增长率达18.21%，解算的相位主值误差最小，利用手持式激光扫描仪检测的标准点云进行偏差分析，点云的正、负偏差分别降至0.0589 mm和−0.0590 mm，与原点云的偏差值相比分别减少了44.6%和44.1%，表面质量得到明显改善。本文提出的图像增强算法有效抑制了面结构光检测过程中的金属表面反光。