[发明专利]一种非接触式三维测量系统

权利要求书

1.一种非接触式三维测量系统，其特征在于，所述系统包括：多个主测量柱和副测量柱，每个所述主测量柱都具有两个分别位于所述主测量柱顶部、底部的主测量头，所述副测量柱具有副测量头，所述主测量头、副测量头都具有取像单元、与所述取像单元相连的角度调节单元，所述系统还包括与所述角度调节单元相连的控制单元；

所述控制单元，用于：

获取多组第一样本数据；每组第一样本数据包括样本角度、样本调节速度和对应的实际惯性偏移量；

对于每组第一样本数据，将所述第一样本数据中的样本角度和样本调节速度输入预设神经网络模型，得到预测惯性偏移量；

计算所述预测惯性偏移量和所述实际惯性偏移量之间的误差；

基于所述误差对所述预设神经网络模型进行迭代训练，得到惯性预测模型；

将所述取像单元的当前角度和调节速度输入惯性预测模型，得到所述取像单元的惯性偏移量；其中，所述惯性预测模型是使用样本角度、样本调节速度和实际惯性偏移量进行训练得到的；

根据所述惯性偏移量通过所述角度调节单元微调所述取像单元。

2.根据权利要求1所述的系统，其特征在于，所述预设神经网络模型为卷积神经网络模型。

3.根据权利要求1所述的系统，其特征在于，所述控制单元，用于：

获取多组第二样本数据，每组第二样本数据包括样本角度、样本调节速度和对应的实际惯性偏移量；

对所述多组第二样本数据进行数据筛选，得到筛选后的样本数据；所述筛选后的样本数据用于后续对所述预设神经网络模型进行迭代训练。

4.根据权利要求3所述的系统，其特征在于，所述对所述多组第二样本数据进行数据筛选，得到筛选后的样本数据，包括：

基于主动学习算法从所述多组第二样本数据中筛选出所述筛选后的样本数据。

5.根据权利要求1至4任一所述的系统，其特征在于，所述角度调节单元用于调节所述取像单元的俯仰角。

6.根据权利要求1至4任一所述的系统，其特征在于，所述惯性偏移量为实际俯仰角与目标俯仰角之间的偏移量。

7.根据权利要求1至4任一所述的系统，其特征在于，所述取像单元包括黑白相机单元和彩色相机单元。

8.根据权利要求1至4任一所述的系统，其特征在于，所述系统还包括散斑投射器。