CN105241397A - 基于结构光的实时测量拼接方法及其设备 - Google Patents

Abstract

本发明公开了一种基于结构光的实时测量拼接方法，实现物体的测量，包括如下步骤：步骤一，进行相机参数的标定和粗拼接参数的标定；步骤二，利用步骤一中标定好的相机多个视角拍摄被测物体，并将获取到的点云数据进行拼接；步骤三，对拼接后剩余的散乱点云数据进行结构化，进行点云精简；步骤四，利用PCL开源库提供的点云可视化类对最终处理完成的点云进行显示，完成对物体的测量。本发明的基于结构光的实时测量拼接方法，通过上述4个步骤的设置，就可以有效的对物体进行测量，测量的过程中不需要人去调节，有效的提升了测量效率。

Description

基于结构光的实时测量拼接方法及其设备

技术领域

本发明涉及一种光学测量以及三维建模的方法，更具体的说是涉及一种基于结构光的实时测量拼接方法及其设备。

背景技术

自动化在现代制造业中具有重要的意义，在三维测量领域，获取物体的精确模型的步骤主要包括有点云数据的获取以及拼接。

其中，点云数据的获取主要包括有激光扫描与光栅式测量，而光栅式测量由于其精度高、大量程以及简易化、抗干扰能力强等特性得到了广泛的应用。结构光法的基本思想就是利用光栅图的信息来帮助提取物体中的几何信息，得到物体的与摄像机镜头的距离，再通过***标定求得物体在世界坐标系中的三维坐标。

点云拼接主要用于将不同视角下测得的物体点云统一到一个坐标系下，问题的关键是坐标变换参数的求取。在实际测量过程中点云，拼接一般分粗拼接和精确拼接两步。粗拼接大致将不同坐标系下点云对准到同一坐标系下，常用的方法有转台法、标签法和曲面特征法等。其中转台法对测量设备的要求较高，定位精度一般不易保证，其拼合精度取决于转台中心轴线的精确标定。而标记点的设置比较繁琐，标志点的识别和定位会带来精度损失，且干扰了被测形貌自身特征，影响测量的真实性。曲面特征法则要求点云有较明显的特征，利用曲面特征寻找点云间的对应关系。一般粗拼接很难满足精度要求，精确拼接方法常用的迭代最近点(ICP)算法。其中确立对应点集为ICP算法的关键，决定了算法的收敛速度与最终的拼接精度。传统的基于点到点距离的ICP算法在迭代过程中容易引入错误对应点，效率与精度都难以满足实际需求。

由于粗拼接导致的错误点会对ICP算法的精确拼接产生较大的影响，因而国内外主要的三维测量仪器主要依赖于标签法，即通过人为的干预提高粗拼接的精度，也因此影响了测量的速度以及自动化程度。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种测量和拼接时不依赖标志点，且效率高的基于结构光的实时测量拼接方法及其设备。

为实现上述目的，本发明提供了如下技术方案：一种基于结构光的实时测量拼接方法，实现物体的测量，包括如下步骤：

步骤一，进行相机参数的标定和粗拼接参数的标定；

步骤二，利用步骤一中标定好的相机多个视角拍摄被测物体，并将获取到的点云数据进行拼接；

步骤三，对拼接后剩余的散乱点云数据进行结构化，进行点云精简；

步骤四，利用PCL开源库提供的点云可视化类对最终处理完成的点云进行显示，完成对物体的测量。

通过采用上述技术方案，通过步骤一的设置，就可以有效的对测量中使用的相机投影仪等设备进行参数设定，以便于后面设备对物品的拍摄，以及在拍摄好以后能够快速的进入粗拼接，通过步骤二的设置，就可以有效的拍摄到物品多个视角的被测物体，这样就不需要现有技术中的人工去调节了，而通过步骤三的设置，就可以将经过拼接后剩余的散乱点云数据进行整理，以避免这些剩余点云数据的缺失和散乱导致的测量精确降低的问题，而通过步骤四的设置，就可以有效的将上述三个步骤所测量到的数据显示出来，有效的完成物体的测量，这样整个测量过程不需要人手工的去干预，大大的增加了测量效率，而且测量完成之后没有点云数据的缺失和散乱，测量起来更加的精确。

本发明进一步设置为：上述步骤二由如下步骤组成：

步骤(1)，利用相机对被测物体进行一个视角拍摄，获取点云数据；

步骤(2)，对上述步骤(1)中获取到的点云数据进行降噪；

步骤(3)，创建点云拼接线程，加入线程池以对经过上述步骤(2)降噪后的点云数据进行拼接；

步骤(4)，通过电机旋转转盘并返回步骤(1)，判断是否完成所有视角拍摄，若完成则至步骤三，若未完成则至步骤(1)。

通过采用上述技术方案，通过步骤(1)的设置，就可以有效的通过相机获取到被测物体一个视角的点云数据，然后通过步骤(2)的设置就可以滤除掉掺杂在点云数据中的干扰数据，使得点云数据的内容更加的精确，通过步骤(3)的设置就可以有效对上述采集到并且经过处理后的点云数据进行拼接拼接，完成对被测物体一个视角的测量，通过步骤(4)的设置，就可以有效的实现测量完成一个视角之后，能够自动的转到下一个视角进行测量，最后完成所有的测量。

本发明进一步设置为：步骤(1)中的点云数据获取步骤是通过数字正弦光栅投影的三维测量技术获取。

通过采用上述技术方案，数字正弦光栅投影的三维测量技术可以很好的获取一个物品的点云数据，因而用在这里可以有效的获取到被测物体的点云数据。

本发明进一步设置为：步骤(2)中的点云数据降噪步骤是利用点云这种顺序排列的特点，可以快速地找到每个点的邻域，利用均值滤波的原理进行点云数据降噪。

通过采用上述技术方案，这样就额可以有效的对获取到的点云数据进行降噪处理，有效的增加了点云数据的精确性。

本发明进一步设置为：步骤(3)中的点云数据拼接包括粗拼接步骤和精拼接步骤。

通过采用上述技术方案，通过粗拼接的设置，就可以有效的大致拼出被测物体的数据，而通过精拼接之后，就可以有效的拼出所需要的测量数据。

本发明进一步设置为：所述的粗拼接步骤包括如下步骤：

a.首先在转盘上放置一带有标记点的标志物；

b.对标志物投射结构光，完成拍照；

c.计算得到拍照图片中各点二维坐标到三维坐标的对应关系；

d.检测图片中的标记点的二维坐标，利用(2)中的对应关系计算得到标记点的三维坐标；

e.保持标志物在转盘上的相对位置不变，控制步进电机旋转角度，重复b至d，得到旋转后标记点的三维坐标；

f.利用旋转前后两组标记点之间的对应关系，利用SVD法计算得到变换矩阵T。

通过采用上述技术方案，通过a步骤的设置，就可以为被测体的拍摄找到一个拍摄点，然后通过b步骤的设置，就可以有效的拍摄到较为清晰的物体影像，接着通过c步骤的设置，就可以得到二维坐标到三维坐标的对应关系，通过d步骤的设置，就可以得到标记点的三维坐标，通过e步骤的设置，就可以自动的改变物体的拍摄角度，获得另一个拍摄角度的二维坐标到三维坐标的对应关系以及标记点的三维坐标，通过f步骤的设置，就可以有效的对上述获取到的点云数据进行粗拼接作用，获得经过粗拼接操作后的变换矩阵T，这样就能有效的完成对点云数据的粗拼接作用，其不仅更加的精确，而且还不需要人工的参与，有效的提升了拼接效率。

本发明进一步设置为：所述的精拼接步骤包括如下步骤：

A.对原始数据进行等距采样；

B.计算点云中每个点到另一片点云中欧氏距离最近的点；

C.将最小点间距小于设定阈值的点对加入对应点集；

D.利用方向性约束和刚性约束对对应点集中的误匹配点进行剔除；

E.利用SVD法求解对应点间的变换矩阵；

F.计算旋转后的点云与旋转前的点云的距离平方和，若相邻两次计算的距离平方和的差值小于阈值ε，则停止计算；否则重复A-E，直至差值小于ε或迭代次数达到设定最大值。

通过采用上述技术方案，通过A步骤的设置就可以采样到一个具有规律的原始数据，通过B步骤的设置就可以获得另一片点云中欧氏距离最近的点，通过C步骤的设置就可以将另一片点云中欧氏距离最近的点加入对应点集，通过D步骤的设置就可以剔除掉对应点集中的误匹配点，通过E步骤的设置就可以有效的得到对应点间的变换矩阵，通过步骤F的设置就可以有效的完成点云的精拼接，这样通过上述步骤的设置就可以完成点云的精拼接，使得最后测量出的物体更加的准确。

本发明进一步设置为：步骤三中点云精简步骤采用基于曲面特征的点云精简算法，以各点的曲率用以描述曲面特征。

通过采用上述技术方案，为更好地保留点云细节特征以及更好的稳定性，选择基于曲面特征的点云精简算法，并以各点的曲率用以描述曲面特征。这种算法较其他算法精度较高，这样就可以有效的提升整个测量方法的测量精度。

本发明进一步设置为：采用主成分分析法拟合点云的局部曲率。

通过采用上述技术方案，通过主成分分析法的设置，可以简单有效的算出各点的曲率以及法向量。

本发明另一方面提供了一种应用于上述方法的设备，包括：

转盘，用于放置被测物体并驱动被测物体转动以获得各个角度；

投影仪，设置在转盘的一侧，以对转盘上的被测物体进行图像采集；

两个照相机，分别设置在投影仪的两侧，以向转盘上的被测物体提供测量背景；

计算机，耦接于投影仪和两个照相机，以对投影仪和两个照相机获取到的点云数据进行拼接和显示。

通过采用上述技术方案，通过转盘的设置就可以有效的驱动被测物体旋转，以达到多个角度拍摄的目的，通过投影仪的设置就可以有效的提供测量背景，两个照相机的设置就可以有效的采集到点云数据，通过计算机的设置就可以有效的利用上述方法实现对被测物体的最终测量。

附图说明

图1为本发明的基于结构光的实时测量拼接方法的流程图；

图2为应用于基于结构光的实时测量拼接方法的整体结构图。

图中：1、转盘；2、投影仪；3、照相机。

具体实施方式

参照图1所示，本实施例的一种基于结构光的实时测量拼接方法，实现物体的测量，包括如下步骤：

步骤一，进行相机参数的标定和粗拼接参数的标定；

步骤二，利用步骤一中标定好的相机多个视角拍摄被测物体，并将获取到的点云数据进行拼接；

步骤三，对拼接后剩余的散乱点云数据进行结构化，进行点云精简；

步骤四，利用PCL开源库提供的点云可视化类对最终处理完成的点云进行显示，完成对物体的测量。

通过采用上述技术方案，在测量的过程中，首先利用步骤一对测量前的设备参数和粗拼接参数进行设定，然后利用步骤二对被测物品进行拍摄和拼接，大致完成物体的测量，之后利用步骤三对散乱的点云数据进行结构化处理，进一步提升测量的精确度，最后利用步骤四就可以有效的完成对物体的测量，通过上述四个步骤就可以精确快速的完成基于结构光对物体的测量，就需要同现有技术一样，需要人为的去干预导致的测量效率降低的问题。

以下对上述四个步骤作进一步详细描述。

其中上述步骤二由以下步骤组成；

步骤(1)，利用相机对被测物体进行一个视角拍摄，获取点云数据；

步骤(2)，对上述步骤(1)中获取到的点云数据进行降噪；

步骤(3)，创建点云拼接线程，加入线程池以对经过上述步骤(2)降噪后的点云数据进行拼接；

步骤(4)，通过电机旋转转盘1并返回步骤(1)，判断是否完成所有视角拍摄，若完成则至步骤三，若未完成则至步骤(1)。

其中，点云获取步骤利用基于数字正弦光栅投影的结构光测量算法，输出原始点云数据，本步骤利用基于数字正弦光栅投影的三维测量技术获取原始点云数据。向被测区域投射一组光栅图像，利用两个数字相机拍摄得到经过调制而变形的光栅图像，再对这两组图像进行四步相移解相，得到光栅图像的相位主值；接着采用多频外差原理进行相位展开，最终得到相应的连续相位；然后利用基于极限约束的立体匹配算法获取两个数字相机所拍摄的图像的匹配点；匹配完成后使用双目立体视觉原理进行点云重构，计算得到被测物体表面的三维点坐标；

其中，两台相机对于拍照得到的图像进行相位计算时完全独立，利用OpenMP的sections分段并行功能对其进行并行化，绝对相位值计算完成后，通过线程同步再进行立体匹配。立体匹配算法为CUDA实现实验拍照得到的图像分辨率为1600×1200，为充分利用显卡的硬件性能，将每个block中的线程数设置为16×16＝256，block尺寸设置为100×75。由于数据需要由内存拷贝至显存中再进行计算，所描述的kernel函数较简单，执行速度很快，数据拷贝所占时间比例很大，影响了整体计算速度。因此，使用CUDA提供的异步流传输方式进行数据拷贝。

点云降噪步骤将点云获取步骤的输出作为输入，对有序栅格化点云降噪，输出降噪后的点云，原始点云数据通过结构光法拍照获得，点云数据类型为栅格化的有序点云，点云在平面xOy上按照二维图像的像素顺序排列。利用点云这种顺序排列的特点，可以快速地找到每个点的邻域，利用均值滤波的原理进行点云数据降噪。由于均值滤波用均值代替原始测量值，会使降噪后的点云产生误差，因此设计如下算法：创建一个n×n的窗口，为每个测点及其邻域共n2个点计算三维坐标中z值的均值z^-，设定阈值ε，若测点坐标的z值与均值z^-的差|z-z^-|＞ε，则认为该测点为噪点，直接从点云中删除该点。以上算法通过设定阈值ε，将噪点用直接删除的方式代替用均值替换，由于没有引入新的计算值，能够有效保证降噪后点云的真实性。此外，各点间的计算相对独立，并行度较高，可以利用CUDA实现提高计算效率。

点云拼接步骤分为点云粗拼接和点云精确拼接两部分。以两次相邻视角的降噪后的点云数据为输入，创建一个点云拼接线程对两片点云依次进行粗拼接和精确拼接，并加入线程池，线程池：用于使多组相邻两片点云的拼接操作并行执行，线程池拥有允许同时运行的拼接线程的最大值，当线程池中线程数大于最大值时，将线程放入等待队列，等待正在运行的拼接线程完成。线程池拥有同步机制，当所有线程均已完成后，才会进入下一处理步骤；点云的粗拼接，利用步进电机控制转盘1转动，使物体同步旋转，实现***的自动化。传统的回转拼接法需要读取每次旋转的角度对多视角点云进行粗拼接，这在实际应用中不便于自动化实现。因此提出了以下算法，用于实现回转拼接法的自动化，减少人工干预：

a.首先在转盘1上放置一带有标记点的标志物；

b.对标志物投射结构光，完成拍照；

c.计算得到拍照图片中各点二维坐标到三维坐标的对应关系；

d.检测图片中的标记点的二维坐标，利用(2)中的对应关系计算得到标记点的三维坐标；

e.保持标志物在转盘1上的相对位置不变，控制步进电机旋转角度，重复b至d，得到旋转后标记点的三维坐标；

f.利用旋转前后两组标记点之间的对应关系，利用SVD法计算得到变换矩阵T。

利用以上方法得到的变换矩阵，可以将旋转θ角度的两组点云完成粗拼接。对于旋转轴固定的转盘1，每次旋转的变换矩阵仅与旋转角度θ有关，与旋转的起始位置无关。因此，可以通过放置带有标记点的标志物对***进行标定，之后每次旋转θ角度进行测量，通过标定得到的变换矩阵进行点云粗拼接。

点云精拼接，本发明中采用基于点到点距离的ICP算法对点云数据进行精确拼接，从而达到较高的计算效率。在2.3中对ICP及其各种改进算法进行过了分析，点到投影的ICP算法精度很低，误差较大；点到面距离的ICP算法精度最高，但是由于需要对点云进行三角化，计算速度较慢。因此，本发明中采用基本的点到点距离的ICP算法，并通过利用CUDA的高性能并行计算能力对部分环节进行优化，提高整体的拼接速度。实现的点到点距离的ICP算法的基本流程如下：

A.对原始数据进行等距采样；

B.计算点云中每个点到另一片点云中欧氏距离最近的点；

C.将最小点间距小于设定阈值的点对加入对应点集；

D.利用方向性约束和刚性约束对对应点集中的误匹配点进行剔除；

E.利用SVD法求解对应点间的变换矩阵；

F.计算旋转后的点云与旋转前的点云的距离平方和，若相邻两次计算的距离平方和的差值小于阈值ε，则停止计算；否则重复A-E，直至差值小于ε或迭代次数达到设定最大值。其中，步骤B中最近点的计算：点云数据为有序栅格化点云，相邻两次测量的视角变化不会很大(过大会导致点云重叠区域过小，拼接误差较大甚至无法拼接)，两片点云的对应点在二维图像上的位置也不会有太大变化。因此，可以利用点云数据的这个特点，在计算一点在另一片点云中最近点时，无需遍历全部数据，在局部搜索最近点即可。这样，在提高计算速度的同时，减少由于测量误差导致的误匹配点数量。此外，这种算法数据结构简单，各点的距离计算可以并行完成，便于利用CUDA实现。

点云精简，获取的原始点云数据为有序栅格化的，但经过拼接处理，不可避免的破坏了原有的有序存储结构。为便于点云精简以及后续的曲面重建的工作，首先需要对散乱点云进行结构化。然后使用常用的八叉树结构对散乱点云数据进行结构化。

线性八叉树只保存叶节点的空间位置和属性，其中空间位置通过编码来表示。查询过程就是对编码的遍历和比较，查询效率较低，但结构更紧凑，可以直接访问任一叶节。考虑到CUDA在内存与显存间数据传输是通过拷贝连续存储区域的数据完成的，指针的随机访问特性不能很好的体现。因此，本发明中采用基于CUDA实现的线性八叉树的构建方法实现散乱点云的结构化，利用了Morton编码能够有效将多维数据映射到一维的特点。

通过以上方法，可以将散乱点云结构化，使用相应的搜索算法，可以在之后的处理中快速获取点云中各点的位置和邻域信息。

为更好地保留点云细节特征以及更好的稳定性，选择基于曲面特征的点云精简算法，并以各点的曲率用以描述曲面特征。这种算法较其他算法精度较高，但由于需要计算各点的曲率，会耗费大量时间。因此，本发明中利用拼接前点云为有序栅格化的特点，快速获取各点邻域，从而计算得到曲率。这种方法各点的计算相对对立，可以利用CUDA通过并行算法高效完成，解决此算法在计算效率上的不足。

其中，点云的曲率及法向量的估计：由于需进行精简的点云数据为散乱结构，但其在拼接前为有序栅格化的点云，在进行点云降噪时，已经通过窗口获取到了各点的邻域信息。因此，可以在点云降噪的同时，利用获取到的各点及其邻域进行曲率估计。

本发明通过主成分分析法(PrincipalComponentAnalysis，PCA)拟合点云的局部曲率。首先，利用点云中一点p_i及其邻域{q_j|1≤j≤n}，建立协方差矩阵C_3×3：

计算矩阵C的特征值λ₀、λ₁、λ₂，不妨设λ₀≤λ₁≤λ₂，则点p_i处的曲率c可以表示为：

此外，可以证明，将矩阵C的最小特征值对应的特征向量单位化即可作为点p_i处的近似法向量。通常，数学方法无法解决法向量的正负问题，可以通过朝向视点一致性调整法向量的正负，即：

其中为计算特征向量得到的法向量，v_p为视点，本发明中v_p＝(0，0，0)。至此，在点云降噪的同时即可求得各点的曲率以及法向量。

待精简的点云为含有曲率信息的八叉树结构点云。

利用八叉树获得点云中各点的邻域，计算各点及其邻域的曲率的均值，将曲率小于均值的点放入点集S₁，大于均值的点放入点集S₂。设定精简比例η₁和η₂，进行S₁精简比为η₁，S₂精简比为η₂的随机采样。为更好的保留点云模型的细节特征，一般使η₂＞η₁，即在曲率较小的区域保留较少的点，而在曲率较大的区域保留较多的点。

点云可视化及输出，利用PCL开源库提供的点云可视化类对最终处理完成的点云进行显示，该类重新封装了VTK有关点云显示部分的接口，通过设置点云、视角等信息便可实现点云的可视化。

本发明还提供了一种应用于上述方法的设备实施例，其包括：

转盘1，用于放置被测物体并驱动被测物体转动以获得各个角度；

投影仪2，设置在转盘1的一侧，以向转盘1上的被测物体提供测量背景；

两个照相机3，分别设置在投影仪2的两侧，分别对被测物体进行拍摄；

计算机，耦接于投影仪2和两个照相机3，以对投影仪2和两个照相机3获取到的点云数据进行拼接和显示。

在测量的过程中，首先通过步进电机将转盘1转至一定的角度，然后通过投影仪2以及两个照相机3来完成对点云数据的获取，在获取到点云数据以后就会输入到计算机内，通过计算机内部运算得到拼接后的点云数据，完成对一个角度的测量，然后步进电机驱动转盘1转动，改变其角度，重复上述步骤就可以有效的完成其他角度的测量，最后将所有角度的测量结果进行结合获得最终的测量结果，其整个过程完全自动化，不仅效率高而且还具有很好的精确度，相比于传统的测量方法具有十分明显优越性。

综上所述，本发明通过测量方法以及测量设备的设置，就可以高速准确的基于结构光测量拼接出被测物体，相比于现有技术中的传统方法和设备，大大的提升了测量效率和精确度，具有十分明显的优越性。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于结构光的实时测量拼接方法，实现物体的测量，其特征在于：包括如下步骤：

步骤一，进行相机参数的标定和粗拼接参数的标定；

步骤二，利用步骤一中标定好的相机多个视角拍摄被测物体，并将获取到的点云数据进行拼接；

步骤三，对拼接后剩余的散乱点云数据进行结构化，进行点云精简；

步骤四，利用PCL开源库提供的点云可视化类对最终处理完成的点云进行显示，完成对物体的测量。

2.根据权利要求1所述的基于结构光的实时测量拼接方法，其特征在于：上述步骤二由如下步骤组成：

步骤(1)，利用相机对被测物体进行一个视角拍摄，获取点云数据；

步骤(2)，对上述步骤(1)中获取到的点云数据进行降噪；

步骤(3)，创建点云拼接线程，加入线程池以对经过上述步骤(2)降噪后的点云数据进行拼接；

步骤(4)，通过电机旋转转盘并返回步骤(1)，判断是否完成所有视角拍摄，若完成则至步骤三，若未完成则至步骤(1)。

3.根据权利要求2所述的基于结构光的实时测量拼接方法，其特征在于：步骤(1)中的点云数据获取步骤是通过数字正弦光栅投影的三维测量技术获取。

4.根据权利要求2所述的基于结构光的实时测量拼接方法，其特征在于：步骤(2)中的点云数据降噪步骤是利用点云这种顺序排列的特点，可以快速地找到每个点的邻域，利用均值滤波的原理进行点云数据降噪。

5.根据权利要求2所述的基于结构光的实时测量拼接方法，其特征在于：步骤(3)中的点云数据拼接包括粗拼接步骤和精拼接步骤。

6.根据权利要求5所述的基于结构光的实时测量拼接方法，其特征在于：所述的粗拼接步骤包括如下步骤：

a.首先在转盘上放置一带有标记点的标志物；

b.对标志物投射结构光，完成拍照；

c.计算得到拍照图片中各点二维坐标到三维坐标的对应关系；

d.检测图片中的标记点的二维坐标，利用(2)中的对应关系计算得到标记点的三维坐标；

e.保持标志物在转盘上的相对位置不变，控制步进电机旋转角度，重复b至d，得到旋转后标记点的三维坐标；

f.利用旋转前后两组标记点之间的对应关系，利用SVD法计算得到变换矩阵T。

7.根据权利要求5所述的基于结构光的实时测量拼接方法，其特征在于：所述的精拼接步骤包括如下步骤：

A.对原始数据进行等距采样；

B.计算点云中每个点到另一片点云中欧氏距离最近的点；

C.将最小点间距小于设定阈值的点对加入对应点集；

D.利用方向性约束和刚性约束对对应点集中的误匹配点进行剔除；

E.利用SVD法求解对应点间的变换矩阵；

F.计算旋转后的点云与旋转前的点云的距离平方和，若相邻两次计算的距离平方和的差值小于阈值^ε，则停止计算；否则重复A-E，直至差值小于^ε或迭代次数达到设定最大值。

8.根据权利要求1所述的基于结构光的实时测量拼接方法，其特征在于：步骤三中点云精简步骤采用基于曲面特征的点云精简算法，以各点的曲率用以描述曲面特征。

9.根据权利要求8所述的基于结构光的实时测量拼接方法，其特征在于：采用主成分分析法拟合点云的局部曲率。

10.一种应用于权利要求1-9任意一项所述方法的设备，其特征在于：包括：

转盘，用于放置被测物体并驱动被测物体转动以获得各个角度；

投影仪，设置在转盘的一侧，以向转盘上的被测物体提供测量背景；

两个照相机，分别设置在投影仪的两侧，分别对被测物体进行拍摄；

计算机，耦接于投影仪和两个照相机，以对投影仪和两个照相机获取到的点云数据进行拼接和显示。