一种结构光3D扫描测量方法及系统

一种结构光3d扫描测量方法及系统
技术领域
1.本发明涉及测量技术领域，特别涉及一种结构光3d扫描测量方法及系统。


背景技术：

2.随着制造技术与非标自动化技术的发展，零件的外形尺寸测量的精度要求和工作效率要求越来越高。使用传统2d检测方法检测尺寸，费时费力，而且有些复杂曲面形体难以实现高精度检测，其检测精度及效率己经很难满足现代工业制造技术对各种零部件的检测标准及要求。现代的3d数字化检测技术在逐步的代替传统检测技术，并且得到越来越广泛的应用，并成为各种高精度复杂零部件检测的核心技术。
3.现有的普通3d测量装置的测量方法，需要对3d点云数据信息进行拼接处理。现有3d测量装置的拼接处理，一般仅使用icp算法，存在迭代次数较多、拼接效率较低的问题。另外，为保证拼接正确率，一般都需要重叠率大于30％，当重叠率低于30％时拼接正确率会严重恶化。
4.现有技术研究中，没有一种更优的方法，保证拼接正确率的同时，还可以解决现有icp算法存在的迭代次数较多、拼接效率较低的问题。


技术实现要素：

5.本发明的目的在于解决现有技术存在的缺陷。
6.为实现上述目的，第一方面，本发明实施例记载了一种结构光3d扫描测量方法，包括下列步骤：
7.采集被测对象的不同姿态下的3d点云数据信息；
8.对相邻姿态下的3d点云数据信息进行旋转粗拼接；
9.利用抗差估计原理对稳健估计算法进行优化，使用所述稳健估计算法对3d点云数据信息进行配准，输出含有新的位置信息的点云数据，精确拼接所述点云数据。
10.本发明的拼接算法结合了粗拼接与精确拼接，粗拼接算法是结合转台运动对采集到的3d点云进行欧拉角计算，为精拼接提供原始数据。精拼接是将粗拼接之后的3d 点云数据中的重叠部分进行提取，并对该重叠部分内的3d点云数据执行稳健估计对齐。提取后的重叠部分点云数据距离需要对齐的真实位置已经比较接近，因此稳健估计对齐算法仅需要少数几次迭代即可完成对齐，缩短了稳健估计对齐算法运行时间。本拼接算法可保证重叠面积达到30％以上，提高拼接正确率，减少需要处理的点云数据，加速点云处理速度。
11.优选地，使用抗差模型进行抗差估计，所述抗差模型包括huber抗差模型、和/或 igg抗差模型。
12.本发明的稳健估计的拼接算法，利用抗差估计的原理对icp算法进行优化，利用降权因子来进行抗差估计，提高算法的稳健性。抗差模型的选择为huber抗差模型、和/或igg抗差模型，选好了抗差模型后，利用抗差估计的方法来改进icp算法。
13.优选地，所述扫描测量方法，还包括：利用体素网格法对分类后的3d点云数据信息
进行降采样处理；和/或对所述3d点云数据信息进行滤波处理。
14.本发明所使用的点云降采样算法，利用法向量夹角的阈值对点云中的点进行分类，同时应用kd-tree算法对点云进行加速搜索，利用体素网格法对分类的点云进行分类处理，得到降采样后的点云。本算法能够保存点云的局部特征，同时尽可能缩短降采样处理时间，保证了自动化测量软件的测量精度与测量运行速度。
15.本发明所使用的点云滤波算法，对半径滤波算法、双边滤波算法与统计滤波算法进行结合，保留各算法的优势，能够更好滤除噪点，保留更多的细节特征。同时本发明设计了滤波效果可视化调节，能够直观展示滤波效果，便于调节各个滤波参数，以达到满意的滤波效果，提高了自动化测量软件的易用性。
16.第二方面，本发明实施例记载了一种结构光3d扫描测量系统，其特征在于，包括：
17.结构光3d扫描相机，用于采集被测对象3d点云信息；
18.黑色涂装的扫描转台，所述扫描转台用于多角度采集被测对象的3d点云数据，所述黑色涂装用于去除非被测对象的点云信息；
19.3d测量处理单元，用于实施测量方法。
20.本发明对测量平台设计了黑色涂装，黑色会吸收结构光光源的投影。所以在使用结构光3d扫描相机采集3d点云数据时，测量平台部分不会被检测到。因此不会对被测对象的3d点云数据采集造成干扰，无需人工对采集到的3d点云数据进行后期处理，使自动化测量软件成为可能。
21.优选地，所述3d测量处理单元包括：相机采集控制模块，用于控制扫描相机采集被测对象的3d点云数据信息；粗拼接处理模块，用于粗拼接3d点云数据信息；精确拼接处理模块，用于精确拼接3d点云数据信息。
22.优选地，所述3d测量处理单元还包括：降采样处理模块，用于对所述3d点云数据信息进行降采样处理；和/或滤波处理模块，用于对所述3d点云数据信息进行滤波处理。
23.优选地，所述扫描测量系统，还包括：3d扫描相机位置调节模块，用于调节3d 扫描相机与被测对象相对位置。
24.本发明设计的3d扫描相机位置调节模块，用于调节3d扫描相机与被测对象相对位置，让3d扫描相机获得更多扫描面积或更高测量精度，以满足不同尺度被测对象的测量需求、应对不同种类的测量场景，提高了自动化测量软件的兼容性与平台性。
25.优选地，所述扫描测量系统，还包括：标定模块，用于初始化时，标定结构光3d 扫描相机。
26.本发明的标定功能用于在调节3d扫描相机的位置后，自动计算出3d扫描相机与转盘中心轴的相对距离和角度。无需手动测量，提高了自动化测量软件的自动化程度。
27.优选地，所述扫描测量系统，还包括：转台运动控制模块，用于驱动所述转台运动，采集被测对象的不同姿态下的3d点云数据信息。
28.优选地，所述扫描测量系统，将所述3d点云数据信息的处理模块放在了计算机端，用于在计算机端统一处理3d点云数据。
29.为了提高测量方法的通用性，本发明将3d点云数据处理阶段中的滤波和拼接处理放在了计算机端。因此任意品牌及型号的3d扫描相机，无论3d扫描相机是否自带处理模块，都可应用本测量方法，获取3d扫描相机的原始数据后，在计算机端统一处理3d点云数据。提
高了自动化测量软件的兼容性。
30.优选地，所述扫描测量系统，是基于openmp与cuda结合的硬件基础进行3d点云数据处理。
31.在进行3d点云数据处理时，若仅使用cpu处理，效率很低；若仅使用gpu处理，会有额外的显存请求与释放耗时。本发明设计了基于openmp与cuda结合的3d 点云数据处理方法，openmp为一种多核cpu并行计算技术，cuda为gpu计算技术。本3d点云数据处理方法能够尽可能优化点云处理速度，当点云数据量较小时，使用openmp进行点云处理，其处理速度较cpu串行处理将提升3倍左右；当点云数据量较大时，使用cuda进行处理，其处理速度较cpu串行处理快10倍左右。加快了自动化测量软件的3d点云数据处理速度。
32.优选地，防止由于用户操作失误等导致的拼接错误而无法自动执行拼接流程，本发明设计了半自动化拼接作为错误处理。在半自动化拼接模式下，用户最少选择3组对应点，就可以运行自动拼接，选中的对应点只需要大致上在同一位置，就可以自动拼接，提高了自动化测量软件的可用性、稳健性与可靠性。
33.优选地，点云在进行与测量目标的cad模型进行匹配之前，需使用imalign将点云转换为pif格式，pif格式点云数据除原先的点云数据外，还包含了网格特性，该特性将方便后续的模型匹配操作，使点云无需手动选点，可以自动与模型进行对准。提高了装置的自动化程度与自动化测量软件的鲁棒性。
34.优选地，本发明设计使用labview作为开发工具，可快速进行二次开发，以适配多种3d相机与机械运动装置。本装置中自动化测量软件的测量模块调用的是polyworks测量工具，免去了测量工具的开发，同时能保证较高的测量精度。同时也可以选择其它的测量软件，或自研测量软件。提高了自动化测量软件的兼容性。
35.本发明实施例的有益效果在于：本发明提供了一种结构光3d扫描测量方法，利用抗差估计原理对所述稳健估计算法进行优化，使拼接更快更准确，使重叠率能够轻松达到30％以上，能够有效防止拼接错误的发生，保证拼接正确率。本发明还提供了一种结构光3d扫描测量系统，实现了所述测量方法，可以实现外形复杂零件的测量需求。
附图说明
36.图1为本发明实施例的一种结构光3d扫描测量方法的工作流程图；
37.图2为本发明实施例的整体工作流程图；
38.图3为本发明实施例的配置扫描平台流程；
39.图4为本发明实施例的标定流程图；
40.图5为本发明实施例的标定算法流程图；
41.图6为本发明实施例的标定件的示意图；
42.图7为本发明实施例的标定件轴心点的示意图；
43.图8为本发明实施例的新增工件测量的流程图；
44.图9为本发明实施例的测量运行的流程图；
45.图10为本发明实施例的滤波处理方法的具体流程图；
46.图11为本发明实施例的降采样处理方法的具体流程图；
47.图12为本发明实施例的粗拼接处理方法的具体流程图；
48.图13为本发明实施例的点云位置变换的具体流程图；
49.图14为本发明实施例的点云位置变换的旋转参数图；
50.图15为本发明实施例的点云位置变换的平移参数图；
51.图16为本发明实施例的精确拼接处理方法的具体流程图；
52.图17为本发明实施例的稳健估计算法的具体流程图；
53.图18为本发明实施例的半自动拼接处理方法的具体流程图；
54.图19为本发明实施例的测量及报告输出的具体流程图；
55.图20为本发明实施例的一种结构光3d扫描测量设备的主视图；
56.图21为本发明实施例的黑色涂装的扫描平台的主视图；
57.图22为本发明实施例的一种结构光3d扫描测量的硬件连接原理图；
具体实施方式
58.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。基于本发明中的实施例，本技术领域的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
59.为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
60.实施例一
61.图1为本发明实施例记载的一种结构光3d扫描测量方法的工作流程图，具体工作流程包括：整体工作流程设计、配置扫描平台流程设计、标定操作流程设计、标定算法流程、新增测量工件流程设计、测量运行流程设计、滤波流程设计、3d点云粗拼接流程设计、点云位置变换流程、降采样算法流程、3d图像精确拼接流程设计、稳健估计算法流程、3d 点云半自动拼接与转换格式流程、测量及报告输出流程。
62.1.如图2所示，整体工作流程设计如下：
63.步骤1：选择当前扫描平台。
64.步骤2：初始化与标定。
65.步骤3：新建测量项目。
66.步骤4，开始测量。
67.步骤5，测量报告输出。
68.2.如图3所示，配置扫描平台流程设计如下：
69.步骤1：选择3d扫描相机型号、转台型号。
70.步骤2：配置3d扫描相机参数、转台参数。
71.步骤3：保存当前测量装置配置。
72.步骤4，标定测量装置。
73.3.如图4所示，标定操作流程设计
74.步骤1：调整y轴手摇模组及z轴手摇模组以及3d扫描相机支架的角度到满足测量
需求的位置。
75.步骤2：放置标定件。
76.步骤3：启动标定程序。
77.步骤4：根据标定件的已知尺寸与表面，对3d扫描相机进行尺寸校准。
78.步骤5：通过程序寻找已知标件的底边与轴心，计算3d扫描相机原点与相机z轴与转台轴心线的交点距离和3d扫描相机与z轴手摇模组的夹角。
79.步骤6：标定程序输出3d扫描相机原点与相机z轴与转台轴心线的交点距离3d扫描相机与z轴手摇模组的夹角。
80.步骤7：将参数保存在配置中，方便后续测量使用。
81.4.如图5所示，标定算法流程设计如下：
82.步骤1：对采集到的3d点云数据进行滤波，去除底部轮廓周边离群点。
83.步骤2：计算点云最小包围盒：使用基于pca(主成分分析)方向包围盒obb(orientedbounding box)。使得底面(所采点云与转台接触的那一面)为方向包围盒6个面中的单独一面。
84.步骤3：对3d点云数据降采样，再分别求得方向包围盒六个面质心位置的法向量，以法向量方向为相机视角方向，确定6个相机位置。
85.步骤4：分别从6个相机位置的视角去除点云隐藏点，得到6幅点云图像。计算各幅点云图像的点数量以及到对应平面的平均距离。以点数量最多，平均距离最远为顶面，以与其平行的另一面为底面。
86.步骤5：如图6所示，以底面顶点计算得出底面平面方程。z＝ax+by+c，底面法向量为n＝(a,b,1)oz轴方向单位向量为z＝(0,0,1)由底面平面方程得到底面法向量，计算得法向量与oz轴的夹角αz：
[0087][0088]
步骤6：设标定件的6个圆心的位置如下图a、b、c、d、e、f，在标定件底面覆盖轴心的情况下，如图7所示，假设第一次扫描到的圆心为a、b、c三个点，则转盘旋转 180
°
后扫描到的圆心为d’、e’、f’，连接a-d’、b-e’、c-f’并取中点a’、b’、 c’，再取a
’‑
b’的中垂线与b
’‑
c’的中垂线，两中垂线的交点o即为轴心点，轴心点与转盘表面的垂线即为轴心线。
[0089]
步骤7：3d扫描相机z轴与转盘轴心线的交点即为所求新的坐标原点。
[0090]
步骤8：输出新的坐标原点与夹角αz。
[0091]
5.如图8所示，新增测量工件流程设计如下：
[0092]
步骤1：设计转台运动过程。
[0093]
步骤2：设计测量模板、报告模板与自动测量脚本。
[0094]
步骤3：配置对应的测量模板、被测对象cad模型、自动测量脚本输入路径等，以及其它各类参数，例如降采样配置参数、点云保存路径、报告保存路径等。
[0095]
步骤4：测试运行路径及模板是否满足要求，若不满足则修改运行路径及测量模板。
[0096]
步骤5：执行测量操作，进行连续自动化测量。
[0097]
6.如图9所示，测量运行流程设计如下：
[0098]
步骤1：读取配置参数，如运动路径，采样张数等。
[0099]
步骤2：调用3d相机控制工具模块来控制3d相机自动采集点云图像。
[0100]
步骤3：使用千兆以太网将采集到的3d点云数据导入自动化控制软件中
[0101]
步骤4：调用滤波工具进行滤波。
[0102]
步骤5：根据配置进行降采。
[0103]
步骤6：将3d点云数据存储到配置路径。
[0104]
步骤7：使用转台运动控制模块控制转台以进行下一个姿态的3d图像采集。
[0105]
步骤8：将采集到的第二张3d点云与第一张进行粗拼接。
[0106]
步骤9：重复上述操作，直至完成采集。
[0107]
步骤10：待数据采集完成后进行拼接
[0108]
7.如图10所示，滤波流程设计如下：
[0109]
步骤1：利用半径滤波来对点云进行滤波。
[0110]
步骤2：利用主成分分析的方法将临域内的点云法线，法向量的求解可以转化为对该点临域内的点的协方差矩阵的特征值与特征向量，根据计算的同向法向量来计算双边滤波的滤波因子。
[0111]
步骤3：利用统计滤波的方法计算临域内所有点的数学期望μ与标准差σ，计算统计滤波的阈值ε，利用统计滤波的阈值与1-2倍的全局平均距离的阈值，来对双边滤波计算的两个属性参数进行约束，通过限制空间域的大小来保证点云结构的特征，减少临域内孤立点对点云双边滤波的影响。
[0112]
步骤4：输出滤波后的点云。
[0113]
8.如图11所示，降采样算法流程如下：
[0114]
步骤1：对点云进行空间栅格化，利用kd-tree加速点云k临域的搜索。
[0115]
步骤2：计算点云中的法向量，对于点云中任意一点p，其k临域内的所有点拟合成平面为最佳拟合平面。为保证该点拟合平面为最小二乘平面，其计算原理为：
[0116][0117]
利用计算的法向量与临域内的向量的夹角提出局部熵的概念：
[0118][0119]
其中pθk，pθj为：
[0120][0121][0122]
式中pθk，pθj分别为两点重心法向量的概率分布。
[0123]
步骤3：利用法向量的夹角的信息熵，对栅格内的点云进行分类，对于法向量信息熵较小的栅格直接进行体素网格，对于法向量信息熵较大的栅格保存下来，对于保存下来的点云进行更小的体素网格简化点云。
[0124]
9.如图12所示，3d点云粗拼接流程设计如下：
[0125]
步骤1：根据标定参数对点云进行坐标位置变换，转换到以转台轴心线与3d相机z 轴交点为原点的坐标。
[0126]
步骤2：根据标定程序输出的相机z轴与手摇模组的夹角αz以及每次运动的角度，计算旋转角，得出旋转后的点云。
[0127]
步骤3：输出旋转后的点云。
[0128]
10.如图13所示，点云位置变换流程如下：
[0129]
步骤1：根据右手定则建立以相机z轴与转盘轴心线交点为原点的笛卡尔坐标系，其中x轴、z轴位于转盘平面上。
[0130]
步骤2：设扫描到的点云坐标为o
t-x
tytzt
，以转盘轴心与3d相机中心线交叉点为坐标原点并且角度摆正的坐标为o-xyz，标定获得的坐标原点距离以转盘轴心与3d相机中心线为交叉点的坐标原点距离为l，与z轴的夹角为α，当前转台旋转角为β。转换参数分别是3个平移参数δ
x
、δy、δz，三个旋转参数ε
x
、εy、εz，如图14所示。
[0131]
步骤3：先将扫描到的坐标原点移动到以转盘轴心与3d相机中心线为交叉点的坐标原点，由于转台设计中相机中心点与转台中心点的x轴在同一条直线上故δ
x
＝0，而如图15 所示，由于标定中l和α已知，可求出：δy、δz[0132]
δy＝l
·
sinα，
[0133]
δz＝l
·
cosα。
[0134]
步骤4：由于扫描到的点云附带仰角α及当前旋转角β，又因为物体无法沿y轴旋转，可以得到：ε
x
＝α、εy＝0、εz＝β
[0135]
根据公式x
t
＝δ
x
+r(ε)x，x
t
是的三o
t-x
tytzt
的三维坐标向量，x是o-xyz的三维坐标向量，r(ε)是旋转矩阵，r(ε)＝r(ε
x
)r(εy)r(εz)
[0136][0137][0138][0139]
于是有：
[0140][0141]
式中：
[0142]r11
＝cosεycosεz＝cosβ
[0143]r12
＝cosε
x
sinεz+sinε
x
sin εycos εz＝cosα
·
sinβ
[0144]r13
＝sinε
x
sinε
z-cos ε
x
sinεycosεz＝sinα
·
sinβ
[0145]r21
＝-cosεysinεz＝-sinβ
[0146]r22
＝cosε
x
cosε
z-sinε
x
sinεysinεz＝cosβ
[0147]r23
＝sinε
x
cosεz+cosε
x
sinεysinεz＝sinα
·
cosβ
[0148]r31
＝sinεy＝0
[0149]r32
＝-sinε
x
cos εy＝-sinα
·
cosβ
[0150][0151]
11.如图16所示，3d图像精确拼接流程设计如下：
[0152]
步骤1：将相邻的两块点云逐次导入。
[0153]
步骤2：提取粗拼接后的的相邻点云的重叠轮廓内点云数据。
[0154]
步骤3：将重叠后的两块点云数据进行iss特征点提取。
[0155]
步骤4：利用fpfh值对提取iss特征点进行特征描述，匹配提取的特征点形成特征点对。
[0156]
步骤5：利用ransac算法对匹配的特征点对进行提纯，剔除误匹配的特征点对。
[0157]
步骤6：利用稳健估计的算法来配准特征点对，实现点云的配准。
[0158]
步骤7：计算配准后的点云与原始点云的位置变换关系。
[0159]
步骤8：根据位置变换关系对整体点云进行位置变换，获得拼接后的点云。
[0160]
步骤9：依次以前一个点云作为参考，对后续点云进行拼接。
[0161]
步骤10：输出拼接完成的含有新的位置信息的点云数据。
[0162]
12.如图17所示，稳健估计算法流程：
[0163]
步骤1：根据m-估计计算目标函数m-估计原理为：
[0164][0165]
对源点云与目标点云匹配的特征点应用m-估计的原理,目标函数g(r，t)如下式：
[0166][0167]
其中,r是旋转矩阵为正交阵r＝{r∈3*3∣r
t
r＝e,det(r)＝1},t是平移矩阵为3维列向量。
[0168]
步骤2：计算权重：
[0169]
选权迭代法的关键在于ρ数与函数的选择,通过和两个关系式来构造权因子ω和等价权进而进行迭代平差求解,每对匹配的特征点的权值根据距离的残差决定,如下式:
[0170]
ωi＝ω(||r*pi+t-qi||2)
[0171]
其中,如果有较好的刚性估计可以将其带入,若没有可以将r的初值以单位阵,t的初值以零向量带入。设为点云p的加权中心,为点云q的加权中心。用一个独立的列向量u来代替平移向量t,即为为点云q的加权中心。用一个独立的列向量u来代替平移向量t,即为目标函数变化为:
[0172][0173]
步骤3：计算新的旋转与平移矩阵r,t。由于所有的与所有的之和为零向量,他们与标量u之积仍然为零向量,igg权重函数公式可化简为:
[0174][0175]
其中c可表示为:
[0176][0177]
很显然,当u
*
＝0以及trace(rc)最小时,能够使得整个目标函数最小,这里可以用基于奇异值分解的方法对c进行分解,r为c分解的奇异值,根据c＝u∑v
t
可以求出r
*
＝vu
t
, 一些特殊的情况会出现一个反射矩阵det(vu
t
)＝-1,这时r
*
＝vdiag(1,1,-1)u
t
,可以解出r
*
，根据u
*
＝0以及解出r
*
的值可以解出。
[0178]
步骤4：计算目标函数：
[0179]
根据计算出的r
*
和t
*
计算目标函数g(r
*
,t
*
),判断g(r
*
,t
*
)-g(r,t)《ε,如果没有重复上述步骤。
[0180]
步骤5：计算抗差模型：
[0181]
本发明的稳健估计的拼接算法，利用抗差估计的原理对icp算法进行优化，利用降权因子来进行抗差估计，提高算法的稳健性。抗差模型的选择为huber抗差模型，igg抗差模型。
[0182]
(1)huber抗差模型
[0183]
权函数为：
[0184][0185]
权因子为：
[0186][0187]
式中当改正数|v|应该在
±
c之间，是huber权函数抗差估计是最经典的最小二乘算法，当改正数|v|大于c时，改正数越大权值越小，c一般取值在1-3之间。
[0188]
(2)igg抗差模型权函数为：
[0189][0190]
选好了抗差模型后，利用抗差估计的方法来改进icp算法。
[0191]
13.如图18所示，3d点云半自动拼接与转换格式流程如下：
[0192]
步骤1：将对准后的点云导入拼接工具进行自动拼接。
[0193]
步骤2：若自动拼接失败，提示用户自动拼接失败，并启动半自动拼接。
[0194]
步骤4：选择至少3对特征点。
[0195]
步骤3：将拼接后的点云存储为pif格式，保存到配置指定的文件存储路径下。
[0196]
14.如图19所示，测量及报告输出流程如下：
[0197]
步骤1：根据项目配置的路径导入被测对象cad文件及测量模板、测量脚本。
[0198]
步骤2：根据项目配置的点云数据存储路径配置导入pif点云。
[0199]
步骤3：根据模板及脚本对比cad模型进行测量与计算，如特征匹配度、边的长度、圆的半径等参数。
[0200]
步骤4：输出包含上述测量结果与彩图信息的报告，并保存到配置的文件存储路径中。
[0201]
实施例二
[0202]
如图20、图21所示，为本实施例的一种结构光3d扫描测量系统，包括：结构光3d 扫描相机，黑色涂装的扫描转台，3d测量处理单元。
[0203]
如图20、图21所示，本实施例的一种结构光3d扫描测量系统具体包括：计算机1，交换机2，散热风扇3，电源4，竖直方向手摇模组5，3d扫描相机6，水平方向手摇模组 7，进气风扇8，转台上的转盘9，电机10，伺服电机控制器11，结构光3d扫描相机支架 12，黑色涂装的扫描转台13。
[0204]
本实施例的硬件连接原理如图22所示，具体包括：
[0205]
黑色涂装的扫描平台13为主体结构，用于搭载电源4、结构光3d扫描相机6、进气风扇8、转台上的转盘9、电机10与伺服控制器11；扫描转台13的黑色涂装用于在扫描时去除被测对象以外的冗余3d点云信息；电源4用于结构光3d扫描相机6、进气风扇8、散热风扇3以及伺服控制器11的供电；结构光3d扫描相机6用于3d点云数据信息的采集；进气风扇8与散热风扇3共同完成对扫描转台的散热；电机10用于驱动转盘9运动，完成被测对象的各角度3d点云采集；转盘9安装在扫描转台表面，用于承载被测目标；伺服电机控制器11用于接收计算机1发来的运动控制指令，并控制电机10做出相应动作，实现转台运动控制模块对转台运动的控制；计算机1用于3d点云的测量及处理，包括的模块有：相机采集控制模块，粗拼接处理模块，精确拼接处理模块，降采样处理模块，滤波处理模块，3d扫描相机位置调节模块，标定模块，转台运动控制模块；交换机2 用于计算机1与结构光3d扫描相机6之间的通信。
[0206]
水平方向手摇模组7，竖直方向手摇模组5，以及结构光3d扫描相机支架12共同用于实现3d扫描相机位置调节模块。其中水平方向手摇模组7用于水平方向位置调节，竖直方向手摇模组5用于竖直方向位置调节，相机支架12用于俯仰角度调节。
[0207]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详
细说明，所以理解的是，以上所述仅为本发明的具体实施方式之一而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做出的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。