1. 文章概述   

     该论文介绍了一种名为SL Sensor的开源结构光传感器，专为建筑机器人高精度3D扫描设计。其核心创新在于：

• 高精度与实时性
  基于相移轮廓测量（PSP）技术，以5Hz频率生成亚毫米级点云。
• 动态适应性
  提出运动补偿策略，支持传感器在直线运动中扫描，突破传统PSP的静态限制。
• 开源与集成
  硬件设计（双工业相机+DLP投影仪）和ROS（机器人操作系统）软件均开源，便于机器人社区复用与扩展。

    实验表明，SL Sensor在室内表面重建中精度显著优于Azure Kinect和RealSense L515，且能捕捉石膏喷涂墙的微小缺陷。

2. 技术细节

2.1 相移轮廓测量（PSP）原理

• 多频投影
  投射两组正弦光栅（高频+低频），通过相位差计算绝对相位。
• 高频模式
  （3步相移）：解算包裹相位
• 低频模式
  （1步相移）：消除相位模糊，得到绝对相位Φ。
• 三角测量

结合相机-投影仪标定参数，将相位映射到3D坐标：

其中λ为投影条纹周期。

2.2 运动补偿策略

• 约束运动
  限制传感器沿单轴线性移动，避免相位偏移。
• 图像配准
  使用相位相关性算法对齐多帧图像，消除平移误差：
1. 计算两幅图像的傅里叶变换F
   和M
   。
2. 通过归一化互功率谱C(u,v),提取平移量

2.3 硬件与软件架构

• 硬件组成
• 相机
  双工业CMOS相机（1440×1080分辨率），支持硬件触发。
• 投影仪
  DLP投影仪（912×1140分辨率），投射自定义编码图案。
• 同步板
  Versavis板卡协调相机与投影仪时序。
• 软件模块
  （基于ROS）：
1. 图像同步节点
   根据投影时序匹配图像序列。
2. 运动补偿节点
   执行相位相关配准。
3. 解码节点
   将图像转换为投影仪坐标图。
4. 三角测量节点
   生成3D点云。

2.4 标定方法

• 分步标定
  分别标定相机与投影仪的内参，再标定外参。
• 标定板
  使用棋盘格标定板，通过OpenCV库求解畸变系数和投影矩阵。

3. 实验结果

3.1 静态精度测试

• 评估板扫描
  6个金属锥体的间距测量（地面真值来自GOM ATOS Core 300）。
• Azure Kinect：RMSE 1.45–5.55mm。
• RealSense L515：RMSE 2.16–5.55mm。
• SL Sensor
  RMSE 0.07–0.71mm，重复性标准差0.07mm。
• 对比设备
  • Azure Kinect：RMSE 1.45–5.55mm。
  • RealSense L515：RMSE 2.16–5.55mm
• 结论
  SL Sensor精度显著优于商业设备。

3.2 表面粗糙度评估

• 石膏样本扫描
  4种表面粗糙度的石膏板（ESD值对比）。
• SL Sensor
  ：ESD 0.076–0.155mm，与高精度GOM ATOS Core 300趋势一致。
• ToF相机（Lucid Helios）
  ：ESD 0.87–0.94mm，细节捕捉能力差。

3.3 动态扫描验证

• 线性运动补偿
  移动传感器扫描白色面具，补偿后深度波纹误差<0.5mm。
• 喷涂墙扫描
  结合机器人臂沿直线/垂直轨迹扫描，点云与激光扫描仪（TLS）对比：
• 偏差分布
  99%点云偏差<3mm（垂直轨迹），99.5%<2.87mm（水平轨迹）。
• 细节保留
  成功捕捉喷涂表面的微小边缘。

总结

    SL Sensor通过PSP技术、运动补偿策略和开源设计，实现了建筑机器人场景下的高精度动态3D感知。实验数据验证了其在静态和动态任务中的优越性，为自动化施工提供了低成本、高可靠性的解决方案。