将神经网络引入基于结构光投影的复杂物体三维面形测量。在测量过程中,利用神经网络强大的函数逼近能力,得到离散条纹图的连续逼近函数,从中解出物体的相位分布信息,获得物体的三维面形分布。应用神经网络方法,在结构光投影条件下,只需要获取一幅条纹图,便可以完成复杂物体的三维面形测量。该方法相比传统的傅里叶变换轮廓术,不存在滤波操作,不会在测量过程中丢失被测物体的高频分量,具有更高的空间带宽积和灵敏度,能准确测量出复杂物体的细节,更加适用于恢复复杂物体的三维面形。并且该方法在条纹图存在阴影的情况下与傅里叶变

提出一种在数字加权滤波和调制度分析基础上形成可靠性控制模板,并按可靠度排序进行位相展开的新方法。该法用于傅里叶变换轮廓术中,可以兼顾所求位相精度和位相展开的可靠度,适合复杂物体面形的测量。给出了傅里叶变换轮廓术对复杂物体面形测量的应用实例。

基于调制度分析的光学垂直测量技术利用投影和成像共轴，可以有效地解决复杂物体和台阶状物体测量时所存在的遮挡、阴影等问题。该方法不需要截断相位计算和相位展开过程，只需解算条纹的调制度分布就能得到被测物体的三维面形，已成为广泛应用的光学三维检测方法。针对基于傅里叶变换方法的垂直扫描测量技术存在的问题，利用小波变换的局部和多分辨率特性，将小波分析技术用于调制度测量轮廓术中，提高了每个扫描位置获取单帧条纹的调制度测量的精度。推导了调制度和小波系数之间的关系，计算机模拟和实验均验证了方法的有效性。