肖宏曉，李偉明，高興宇＊

（桂林電子科技大學(xué) 機電工程學(xué)院 廣西制造系統(tǒng)與先進(jìn)制造技術(shù)重點實驗室，廣西 桂林 541004）

0 引言

自動化是工業(yè)發(fā)展的潮流趨勢，使用自動化機器設(shè)備來代替人工生產(chǎn)，能夠有效提高生產(chǎn)質(zhì)量和生產(chǎn)效率，降低人工成本。得益于光機電一體化技術(shù)以及計算機技術(shù)的快速發(fā)展，非接觸式測量技術(shù)應(yīng)運而生，整個測量過程無需設(shè)備與被測物體接觸。結(jié)構(gòu)光測量技術(shù)作為非接觸式測量法中的重要組成部分，擁有操作簡單、非接觸、高效性、實時性、實用性強等優(yōu)點，廣泛應(yīng)用于工業(yè)發(fā)展中的三維模型重建、物體表面三維信息測量等領(lǐng)域[1]。在自動焊接技術(shù)領(lǐng)域，快速有效的焊縫跟蹤是實現(xiàn)焊接自動化的關(guān)鍵步驟[2]，為了實現(xiàn)快速有效的自動焊接在線跟蹤檢測效果，結(jié)構(gòu)光傳感器也逐漸成為自動焊接系統(tǒng)中至關(guān)重要的一部分，例如加拿大Servo-Robot公司自主研發(fā)生產(chǎn)的焊縫檢測系統(tǒng)，該系統(tǒng)集成了結(jié)構(gòu)光傳感器和感光元件，可以搭載在機器人上或者輔助焊槍軌跡校正，英國Meta Vision Systems公司也開發(fā)出多款與焊接機器人集成的焊縫跟蹤系統(tǒng)。基于線結(jié)構(gòu)光測量的自動焊接機器人具有高效率、高精度、自反饋等優(yōu)點，可以對焊縫實際位置進(jìn)行掃描、提取、定位與跟蹤。本文對線結(jié)構(gòu)光測量系統(tǒng)的關(guān)鍵技術(shù)研究現(xiàn)狀進(jìn)行了分析。

1 線結(jié)構(gòu)光傳感器工作原理

結(jié)構(gòu)光傳感器采用了激光三角測量原理進(jìn)行測量（激光三角測量原理在三維測量理論中提出時間較早，也是應(yīng)用最為廣泛的主動非接觸式三維測量技術(shù)[3]）。根據(jù)投射到被測物體表面光源種類的不同，可以分為點激光位移傳感器、線結(jié)構(gòu)光傳感器和面結(jié)構(gòu)光傳感器三類，如圖1所示。其中，點激光位移傳感器通過分析被測點與傳感器的位置變化獲取距離數(shù)據(jù)，線結(jié)構(gòu)光傳感器通過單次測量就可以獲取待測物表面一條線狀輪廓，面結(jié)構(gòu)光傳感器通過投影儀投射光柵獲取圖像以計算表面三維信息。針對焊縫的掃描、提取和定位一系列過程，線結(jié)構(gòu)光傳感器測量效率高，成本適中，且便于與其他運動測量場景的運動機構(gòu)相集成，是自動焊接在線跟蹤檢測系統(tǒng)中的理想選擇。

圖1 結(jié)構(gòu)光傳感器分類

圖2 線結(jié)構(gòu)光傳感器工作原理

2 線結(jié)構(gòu)光測量系統(tǒng)關(guān)鍵技術(shù)研究

隨著機器視覺技術(shù)的飛速發(fā)展，結(jié)構(gòu)光測量技術(shù)被廣泛應(yīng)用于工業(yè)生產(chǎn)中的多個環(huán)節(jié)，也成為當(dāng)下科研工作的研究熱點[4]?；诰€結(jié)構(gòu)光測量的自動焊接在線跟蹤檢測系統(tǒng)工作過程為：將傳感器進(jìn)行準(zhǔn)確標(biāo)定，將激光條紋投射到焊縫上，提取焊縫坐標(biāo)并計算其世界坐標(biāo)，將坐標(biāo)發(fā)送到機器人控制系統(tǒng)實現(xiàn)焊接跟蹤檢測效果。因此，相關(guān)線結(jié)構(gòu)光測量技術(shù)的基礎(chǔ)理論研究也包括三個領(lǐng)域：中心提取、傳感器標(biāo)定和焊縫特征提取。

2.1 中心提取

中心提取是整個線結(jié)構(gòu)光測量系統(tǒng)的關(guān)鍵的部分之一，它決定了圖像在CCD像元中的位置坐標(biāo)是否準(zhǔn)確，其準(zhǔn)確程度是保證測量系統(tǒng)穩(wěn)定性、精準(zhǔn)性、實時性的前提。因此，中心提取成為許多國內(nèi)外機器視覺領(lǐng)域研究人員的研究熱點。在整個測量系統(tǒng)搭建過程中，保證線結(jié)構(gòu)光測量系統(tǒng)輸出結(jié)果精準(zhǔn)度的關(guān)鍵在于能否在每一個采樣位置準(zhǔn)確采集識別并計算出光條的中心位置，在符合精準(zhǔn)度要求的前提下提高系統(tǒng)的穩(wěn)定性和實時性。

在線結(jié)構(gòu)光測量技術(shù)的發(fā)展過程中，國內(nèi)外相關(guān)領(lǐng)域?qū)＜覍W(xué)者提出、優(yōu)化了多種中心提取算法，為中心提取過程提供了解決方案。在實際使用場景中，工程師們一般會結(jié)合實際情況對算法做出調(diào)整，或者使用多種算法綜合求解，由于各種方法都有其特點和利弊，許多學(xué)者在傳統(tǒng)方法的基礎(chǔ)上提出了一些改進(jìn)算法。

2.1.1 極值法

極值法的提取思路是在光條局部橫截面上尋找亮度的極大值設(shè)定為光條中心點。由此可見，這種方法對于亮度呈理想高斯分布的光條圖像有著良好的處理效果。極值法的思路清晰簡潔，針對于理想光條圖像具有計算高效性，但當(dāng)光條圖像中其他環(huán)境光線的灰度值接近或大于光條灰度值時，其提取的光條中心很大概率會偏離實際光條中心位置，因此極值法通常只適用于圖像信噪比較小的情況下進(jìn)行中心提取。為克服極值法對環(huán)境光線噪聲敏感的缺點，楊雪嬌等[5]提出了一種基于極值法的改進(jìn)算法，思路是先使用基礎(chǔ)極值法獲得中心點，對其進(jìn)行擬合，計算出光條各個中心點處的法線方向，然后在法線截面上使用遺傳算法[6-8]優(yōu)化得出灰度的極值點，即光條中心。這種改進(jìn)算法的優(yōu)點是通過優(yōu)化光條法線截面從而避免陷入局部極值點誤區(qū)，針對不同光條，選取合適的交叉率和變異率可以提高算法精度和適應(yīng)性，而且該改進(jìn)算法也適用于使用彎曲光條進(jìn)行測量的環(huán)境。

2.1.2 灰度重心法

在借鑒的基礎(chǔ)上，全科醫(yī)生規(guī)范化培訓(xùn)教學(xué)方式既應(yīng)當(dāng)區(qū)別于醫(yī)學(xué)生教學(xué)方式，也應(yīng)當(dāng)區(qū)別于?？漆t(yī)生培養(yǎng)模式。新型教學(xué)模式的實踐在全科醫(yī)生培訓(xùn)過程中也取得了一定成果。例如：微課教學(xué)，模擬醫(yī)學(xué)教學(xué)。在“互聯(lián)網(wǎng)+”的推動下，線上和線下相結(jié)合的混合式學(xué)習(xí)（blending learning）逐漸盛行[2]。但該模式在全科醫(yī)生規(guī)范化培訓(xùn)中尚無深入研究。本文結(jié)合本單位全科醫(yī)生培訓(xùn)基地經(jīng)驗，探討全科醫(yī)生線上“微課”+線下“模擬醫(yī)學(xué)教學(xué)”培訓(xùn)教學(xué)方法。

灰度重心法是一種適用于亮度分布不均勻情況下的光條中心提取算法，其基本原理是按照光條紋橫截面中選定區(qū)域內(nèi)的灰度值分布計算出每列橫截面上灰度權(quán)重質(zhì)心作為光條中心位置，如圖3所示。首先，設(shè)定灰度閾值，對濾波后的圖像進(jìn)行分離，大于灰度閾值則取其差值，否則就取零。計算灰度重心時，每個灰度值超過閾值的像素點都參與其計算，包括其中的極大值點。該方法降低了由于光條灰度值分布不均而產(chǎn)生的誤差，提取精度可以達(dá)到亞像素級，但其抗干擾性依然不強，通常適用于圖像噪點較少的情況。

圖3 灰度重心法原理

為了提高灰度重心法的抗干擾性，Wang等[9]提出了一種改進(jìn)算法，首先利用差分法和區(qū)域增長法降低圖像的信噪比，然后采用灰度重心法獲取條紋中心，使用Sobel算子獲取其法線方向并再次使用灰度重心法確定光條中心，最后使用雙線性插值法獲取中心坐標(biāo)，該算法對噪聲較大的環(huán)境具有較強的適應(yīng)性。熊會元等[10-11]提出了一種改進(jìn)方法，引入灰度梯度來計算條紋的法線方向，然后在法線方向上應(yīng)用灰度重心法提取條紋中心位置。該方法相比于基礎(chǔ)灰度重心法，改進(jìn)思路是先采用Sobel算子運算求解條紋梯度矢量，然后在法線方向上使用灰度重心法計算中心位置坐標(biāo)，提高了精度、穩(wěn)定性以及實時性。

2.1.3 曲線擬合法

曲線擬合法的原理是把光條表面灰度分布看作服從高斯分布，那么光條中心位置就處于光強最大值的位置。相機拍攝的圖像初步經(jīng)濾波后，使用高斯曲線來擬合光條每行像素點的灰度值，最后出現(xiàn)不同曲線最值的對應(yīng)坐標(biāo)就是中心位置，整個中心提取過程需要完成對光條的完整掃描。高斯函數(shù)表達(dá)式為：

式中，ymax、xmax和S分別為高斯曲線峰值、峰值位置和半寬度信息，將其兩邊取對數(shù)并用矩陣形式表示后求出xmax即為中心坐標(biāo)。為了優(yōu)化曲線擬合算法，國內(nèi)外學(xué)者基于該算法提出了一些改進(jìn)方法。Lukas等[12]在曲線擬合算法基礎(chǔ)上提出了優(yōu)化思路，先確定條紋中心的大致位置，然后以每個中心點坐標(biāo)為參考點，取其周圍若干個相鄰的像素進(jìn)行高斯擬合。該方法在激光條紋清晰、形變不大的情況下提取效果較好，但缺點是計算復(fù)雜度較高，運算時間較長。針對該問題，高世一等[13]綜合極值法和邊緣法，提出了變邊限高斯擬合法，首先獲得光條的近似像素中心位置，再對圖像二值化以確定光條各列的寬度，根據(jù)每列寬度值和近似中心位置設(shè)定恰當(dāng)?shù)臄M合范圍，最后采用高斯曲線擬合求得光條中心位置。該算法的輸出精度可以達(dá)到亞像素級，雖然精度較高，但存在的缺陷是當(dāng)面臨激光條紋寬度相差較大的情況時，提取效果不夠好，而且整個擬合過程較為復(fù)雜，中心提取所需時間也會加長。

2.1.4 Steger算法

Steger算法是由Steger[14-15]最先提出的光條中心提取算法，利用Hessian矩陣求解激光條紋的法線方向，在光條圖像中，Hessian矩陣H（x，y）可表示為：

其中，g（x，y）為二維高斯函數(shù)，z（x，y）為光條圖像，rxx為x方向二階導(dǎo)數(shù)，ryy為y方向二階導(dǎo)數(shù)，rxy為二階混合方向?qū)?shù)。光條上點的法線方向由該點處Hessian矩陣最大特征值的絕對值所對應(yīng)的特征向量給出，然后在該點法線方向上求極值得到光條中心的亞像素中心位置。該方法能達(dá)到亞像素的提取精度，但計算復(fù)雜度高，難以實現(xiàn)光條中心的快速提取，很難滿足工業(yè)在線檢測的要求。

Steger算法復(fù)雜度高，計算時間長，因此有大量學(xué)者致力于優(yōu)化該算法以提高其效率。胡坤等[16]基于Steger算法提出了優(yōu)化算法，引入遞歸思想，利用高斯卷積遞歸得出光條紋各點的Hessian矩陣，在提高計算速度方面給出了思路。周富強等[17]為減少計算量，對文獻(xiàn)[16]中的算法進(jìn)一步優(yōu)化，提出了一種把計算范圍只限制在ROI（Region of Interest）內(nèi)的方法，該方法在計算Hessian矩陣前對光條圖像進(jìn)行了預(yù)處理分割，使得計算量得到有效壓縮，提高了計算速度。江潔等[18]考慮到用軟件按時鐘順序執(zhí)行指令的方式無法滿足系統(tǒng)要求，對文獻(xiàn)[16]的模型進(jìn)行了優(yōu)化，在其算法基礎(chǔ)上引入大規(guī)模并行算法和串行流水技術(shù)，采用了并行硬件的中心提取算法，這是一種串并結(jié)合的處理結(jié)構(gòu)，成為突破瓶頸的有效方法。

以上各種中心提取算法在計算復(fù)雜度、提取速率、精度和適應(yīng)性方面的對比見表1。

表1 上述中心提取算法優(yōu)缺點對比

2.2 傳感器標(biāo)定

準(zhǔn)確標(biāo)定系統(tǒng)參數(shù)是利用線結(jié)構(gòu)光測量技術(shù)獲得準(zhǔn)確結(jié)果的關(guān)鍵所在，國內(nèi)外學(xué)者對于標(biāo)定過程的研究主要劃分為兩部分，分別是單相機透視模型標(biāo)定和光平面標(biāo)定。

單相機透視模型包含相機內(nèi)部的焦距、主點、畸變系數(shù)等參數(shù)，目前，有關(guān)單相機透視模型的標(biāo)定方法研究已經(jīng)相對成熟[19]。Zhang[20]提出了一種基于平面靶標(biāo)的標(biāo)定方法，解決了單相機的現(xiàn)場標(biāo)定，該方法通過相機拍攝不同位姿的多幅靶標(biāo)，利用平行映射關(guān)系矩陣對相機進(jìn)行標(biāo)定。張曦等[21]針對于大視場相機，提出了構(gòu)建虛擬立體靶標(biāo)的標(biāo)定方法，獲得了較高的標(biāo)定精度和標(biāo)定效果。光平面標(biāo)定主要指結(jié)構(gòu)光傳感器結(jié)構(gòu)參數(shù)的標(biāo)定，即光平面相對攝像機的位置，該過程獲取的光平面方程可以將世界坐標(biāo)系下的三維點轉(zhuǎn)換為相機坐標(biāo)系下的三維點，近幾十年內(nèi)，大量學(xué)者和研究人員針對光平面標(biāo)定技術(shù)展開了研究。Dewar[22]最先開創(chuàng)的拉絲法可以實現(xiàn)光平面標(biāo)定，由于當(dāng)時對于測量參數(shù)要求不高，同時受限于工業(yè)制造業(yè)水平，其標(biāo)定效果不夠理想。段發(fā)階等[23]提出的齒型法，在光平面標(biāo)定過程中引入了運動構(gòu)件，其實現(xiàn)過程是利用精密機械結(jié)構(gòu)的運動解決了控制點提取和光平面標(biāo)定問題。Hyunh等[24]提出一種基于交比不變原理的標(biāo)定方法，在實現(xiàn)過程中使用了三維靶標(biāo)，雖然標(biāo)定效果較為理想，但靶標(biāo)難以獲取且成本較高。周富強等[25]利用一維靶標(biāo)實現(xiàn)了光平面標(biāo)定，與使用三維靶標(biāo)的標(biāo)定過程相比，一維靶標(biāo)既節(jié)約了標(biāo)定成本，又簡化了標(biāo)定過程。除此之外，相關(guān)領(lǐng)域?qū)W者和研究人員借助機器人或其他類型的靶標(biāo)提出了新的標(biāo)定方法。陳天飛等[26]提出了無需特制標(biāo)定靶物的標(biāo)定方法，該方法基于機器人的高精度運動約束實現(xiàn)自標(biāo)定。Liu等[27]提出了一種具有其他形狀的靶標(biāo)類型——球型靶標(biāo)，該方法的優(yōu)勢在于球型靶標(biāo)的輪廓成像不受位置變化的影響，而且其標(biāo)定精度與使用平面靶標(biāo)相當(dāng)。Wei等[28]提出了平行線靶標(biāo)標(biāo)定方法，該方法基于消隱點和消隱線的等距平行線模型來完成光平面標(biāo)定。

在傳感器標(biāo)定過程中，標(biāo)定靶物的形狀特性也對標(biāo)定方法的選用以及標(biāo)定結(jié)果產(chǎn)生了很大影響。首先，標(biāo)定靶物形狀特點區(qū)別導(dǎo)致其提供的幾何約束不盡相同，也就導(dǎo)致了標(biāo)定方法的不同；其次，由于不同標(biāo)定靶物的生產(chǎn)標(biāo)準(zhǔn)不同，導(dǎo)致其表面特征也各不相同，這直接影響了標(biāo)定方法的選擇以及標(biāo)定結(jié)果的準(zhǔn)確度。通常按照維度將靶標(biāo)由三維到一維劃分為三類，由于三維靶標(biāo)自身就可以提供三維約束，通常在單幅視圖下就可以完成光平面標(biāo)定過程，但其制造工序復(fù)雜，加工標(biāo)準(zhǔn)較高，成本昂貴。相比之下，一維或二維靶標(biāo)輔助完成標(biāo)定的過程就相對便捷，提高了標(biāo)定效率。

針對于不同應(yīng)用場景，為了提高標(biāo)定精度，研究學(xué)者提出了具有其他特點的靶物。華南理工大學(xué)的鄺泳聰?shù)萚29]提出的線紋尺靶標(biāo)是小視場范圍內(nèi)標(biāo)定精度最高的靶標(biāo)。目前，在不降低標(biāo)定精度的情況下，如何使標(biāo)定步驟更加簡便、更易于現(xiàn)場標(biāo)定和后期維護(hù)是傳感器標(biāo)定中值得研究的問題。

2.3 焊縫特征提取

在搭載自動焊接在線跟蹤檢測系統(tǒng)的機器人實現(xiàn)焊接的過程中，線結(jié)構(gòu)光傳感器需要提供實時焊縫空間坐標(biāo)數(shù)據(jù)給系統(tǒng)以規(guī)劃機器人運動軌跡或?qū)崿F(xiàn)反饋。為實現(xiàn)這一過程，需要在傳感器標(biāo)定以及中心提取的基礎(chǔ)上，進(jìn)一步提取焊縫特征信息。

目前，基于線結(jié)構(gòu)光傳感器的焊縫特征提取方法有斜率分析法、投影法等。斜率分析法有簡單、計算速度快的優(yōu)點，對于理想V型焊縫識別較為準(zhǔn)確，但在多數(shù)情況下抗干擾性和精度不高，無法識別其他形狀的焊縫。雷正龍等[30]提出一種優(yōu)化提取算法，按照焊縫夾角特征將其分為兩類，算法運行時先判斷夾角類別，再對應(yīng)使用斜率極值法或斜率截距法來提取焊縫特征。截距法相比于斜率法，對于非理想V型焊縫特征提取時精度和算法穩(wěn)定性更高，因此這種改進(jìn)算法對于不同情況的焊縫特征提取精度高，抗干擾能力強。

投影法是對中心提取后的二值圖像進(jìn)行行或列投影，首先找到中心線的最低點，此處為焊縫根部特征點，再使用投影法將圖像向垂直方向投影，產(chǎn)生的峰值交點即為此處的焊縫特征點，這種方法的缺點在于當(dāng)出現(xiàn)較多環(huán)境光干擾，或者光條水平度較差時，提取誤差明顯。為了優(yōu)化投影法，楊雪君等[31]引入了最小二乘法，使用投影法找到基礎(chǔ)坐標(biāo)后，在該點先劃分出四個區(qū)域，再分別在區(qū)域內(nèi)使用最小二乘擬合，交點即為焊縫特征點。

在焊接環(huán)境中，會有一些焊渣、弧光和復(fù)雜環(huán)境光等噪聲對焊縫圖像處理過程引起干擾，這時就需要使用濾波算法對干擾信息進(jìn)行篩除，單一使用傳統(tǒng)濾波算法幾乎無法有效消除干擾，一些學(xué)者對這些算法進(jìn)行了優(yōu)化和改進(jìn)。劉習(xí)文[32]、何銀水等[33]采用頻域濾波方法對圖像先做出預(yù)處理工作，但由于算法計算量較大，運行過長，無法保證系統(tǒng)運行時的實時性。王平[34]采用連續(xù)的多幀圖像進(jìn)行運算，可以消除圖像中不同區(qū)域的噪聲干擾，但無法過濾掉圖像中相同區(qū)域的噪聲干擾。除了使用算法進(jìn)行濾波之外，也可以在硬件方面采取措施，如在視覺傳感器上加裝擋板來阻隔飛濺的焊渣或煙塵，在視覺傳感器前端加裝濾光片以濾除弧光等環(huán)境光干擾[35]。濾除這些干擾因素以獲得高質(zhì)量的焊縫圖像，可以為提取焊縫特征做好前期工作，以期獲得更好的提取效果。

3 當(dāng)前研究存在的問題及展望

線結(jié)構(gòu)光測量技術(shù)目前存在的問題可總結(jié)為以下兩個方面：

（1）傳感器的適應(yīng)性不足。線結(jié)構(gòu)光測量技術(shù)屬于機器視覺測量領(lǐng)域，準(zhǔn)確獲取光條圖像并避免噪聲干擾是測量精準(zhǔn)的前提條件。除了使用高清工業(yè)相機、提高激光器亮度、優(yōu)化算法之外，還要考慮被測物體表面材質(zhì)、制造工藝、反光度等因素對中心提取產(chǎn)生的干擾。除此之外，工業(yè)現(xiàn)場還可能存在其他各種環(huán)境光源干擾，這些干擾光可能會導(dǎo)致提取到的圖像亮度分布不均勻、圖像中出現(xiàn)噪點等不利因素，不僅會對測量精度產(chǎn)生影響，甚至可能直接致使測量的失敗。

（2）實時性不足。在基于線結(jié)構(gòu)光的自動焊接在線跟蹤檢測系統(tǒng)運行過程中，要想得到較為理想的焊接效果，系統(tǒng)需要很強的實時性來保證焊接軌跡準(zhǔn)確、焊接過程連貫。當(dāng)采用較為簡單的中心提取算法，例如極值法和灰度重心法時，這一過程提取速度較快，但依賴外界干擾低、光條質(zhì)量高等條件，精準(zhǔn)度和適應(yīng)性不高。其他算法精度較高但運算速度慢，可能會導(dǎo)致焊接軌跡運行不連貫，焊接過程中出現(xiàn)卡頓、停滯現(xiàn)象，無法得到良好的焊接效果。

針對存在的問題，提出一些未來展望：

（1）提高系統(tǒng)的適應(yīng)性，在設(shè)計和開發(fā)系統(tǒng)時要考慮其應(yīng)用場景并進(jìn)行模擬實驗，提高算法抗干擾性。通常一種算法只能解決某一類環(huán)境噪聲影響，面對環(huán)境中多種復(fù)雜干擾的情況下，先考慮硬件輔助減少干擾，再考慮多種濾波算法和優(yōu)化算法相結(jié)合來處理噪聲問題。例如在開發(fā)自動焊接在線跟蹤檢測系統(tǒng)時就要考慮焊接時焊渣飛濺以及弧光干擾對焊縫中心提取和焊縫跟蹤效果的影響。

（2）提高系統(tǒng)實時性，在系統(tǒng)開發(fā)過程中，針對于不同焊接件或者不同形狀的焊縫，選取不同的中心提取算法和特征提取算法，并且根據(jù)算法識別和提取的速率，設(shè)定適宜的機器人末端移動進(jìn)給速度，確保識別準(zhǔn)確的情況下讓系統(tǒng)能夠連貫且流暢地完成焊接過程，也可以添加反饋機制來保證系統(tǒng)的實時性。

除此之外，未來線結(jié)構(gòu)光測量技術(shù)還可以朝向深度學(xué)習(xí)領(lǐng)域發(fā)展，由于深度學(xué)習(xí)具有強大的適應(yīng)性和學(xué)習(xí)能力、強大的函數(shù)擬合以及模型訓(xùn)練能力，可以有效提高算法效率，不僅可以縮短系統(tǒng)的開發(fā)周期，系統(tǒng)的適應(yīng)性和實時性也會得到保障。

4 結(jié)語

本文從結(jié)構(gòu)光傳感器的分類及原理入手，對比了其各自的特點，在線結(jié)構(gòu)光測量技術(shù)的過程中，中心提取、傳感器標(biāo)定以及特征提取至關(guān)重要。本文分別對極值法、灰度重心法、曲線擬合法和Steger算法進(jìn)行了原理闡述，根據(jù)國內(nèi)外學(xué)者的研究和改進(jìn)算法對中心提取法進(jìn)行綜述。接著對傳感器標(biāo)定中的相機標(biāo)定和光平面標(biāo)定進(jìn)行描述，分析對比了國內(nèi)外學(xué)者簡化標(biāo)定方法、提高標(biāo)定精度的改進(jìn)算法。然后對焊縫特征提取進(jìn)行分析概括，列舉了斜率分析法和投影法并綜述了一些改進(jìn)算法。最后對目前線結(jié)構(gòu)光測量中存在問題及未來發(fā)展趨勢進(jìn)行了分析，提出線結(jié)構(gòu)光傳感器在提高適應(yīng)性和實時性上的展望。