3. 3D线扫成像原理：激光三角法、线结构光传感器、点云数据生成流程

3D线扫成像的核心是激光三角法，它利用几何光学中的三角相似关系，将相机拍摄到的激光线偏移量转换为深度信息。本节将系统讲解其数学原理、传感器构成以及从原始图像到点云数据的完整生成流程。

3.1 激光三角法基本原理

激光三角法通过一个线激光器和一个相机（或一对相机）构成测量三角形。激光器以固定角度投射一条线激光到被测物体表面，相机从另一角度拍摄该激光线。当物体表面高度变化时，激光线在相机图像中的位置会发生横向偏移，偏移量与高度变化成比例。

实际工程中，通常使用Scheimpflug 条件（光轴、镜头平面、像平面交于一线）来保证整个测量景深范围内激光线都能清晰成像，从而获得更大的测量范围。

3.2 线结构光传感器构成

一套完整的线结构光传感器由以下核心部件组成：

3.3 点云数据生成流程

从相机采集的原始图像到最终的三维点云，需要经过以下标准流程：

1. 图像采集：相机以全局快门模式同步触发，采集包含激光线的灰度图像。
2. 激光线提取：对每行图像进行灰度分析，通过重心法（CoG）或高斯拟合找到激光线中心亚像素位置。
3. 畸变校正：利用相机标定参数（内参、畸变系数）对提取的激光线坐标进行校正。
4. 三角法映射：根据标定得到的映射表（或多项式系数），将图像坐标 (u, v) 转换为物理坐标 (X, Z)。
5. 运动同步：结合编码器反馈的 Y 轴位置，将当前帧的 (X, Z) 数据与 Y 坐标对齐。
6. 多传感器融合：将四个相机各自生成的点云通过标定得到的外参矩阵进行拼接，消除重叠区域。
7. 点云后处理：滤波去噪、孔洞填充、下采样，最终输出标准格式点云（如 PLY、PCD、CSV）。

3.4 激光线提取算法对比

激光线中心提取的精度直接影响最终点云质量。以下是三种常用算法的对比：

3.5 多相机点云融合策略

四相机线扫平台需要将四个独立传感器生成的点云融合为一个完整的三维模型。融合策略分为以下步骤：

• 粗配准：利用机械安装时的已知几何关系（各相机相对位置固定），将点云初步对齐。
• 精配准：使用 ICP（迭代最近点）算法或标定块上的特征点，计算精确的旋转平移矩阵。
• 重叠区域处理：对四个相机视野重叠区域，采用加权平均或中值滤波融合，避免接缝处出现台阶。
• 离群点剔除：基于统计滤波（Statistical Outlier Removal）去除因激光线遮挡或反射异常产生的噪点。