在复杂产品的大批量制造及重要零部件(如汽轮机叶片)的检测过程中,经常需要对零件形状进行快速测量与及时评价,并采取相应对策,以减少废品的产生或生产事故的发生几率。接触式和非接触式测量是形状测量的两个主要方法。接触式探头(接触式)测量具有精度高、适应性强的特点,其不足是速度慢、效率低。基于激光的3D传感设备(非接触式)虽然具有速度快、效率高的优点,但是易受到光亮面的镜面反射等因素影响,导致测量数据残缺和不完整。由此可知,两种传感器的优点和缺点存在一种互补关系,即接触式传感器的缺点可以用非接触式传感器的优点进行补偿,反之亦反。通过集成两种方法优点,实现复杂形状特征的高速测量的测量系统,已成为当前的热点研究问题之一。本文重点对多传感器测量中的传感器测量标定、多传感器测量数据的融合、多传感器的精确对齐等关键技术进行深入研究,并通过构建实现复杂曲面零件测量的多传感器测量系统,验证本文的研究结论。具体研究工作如下:提出了基于正弦函数精密标块的多传感器标定方法。该方法在研究多种典型传感器测量工作原理的基础上,结合测量系统中移动及转动工作台的特点;基于标定形状变化愈丰富标定愈准确的思想,以含有两个方向变化、多个波峰波谷的正弦函数精密制造型面作为标块,对常用的接触式测量探头、点激光、线激光等传感器进行测量标定,使标定的三维测量数据点能够准确地反应测量型面的形状。经实际平面测量验证,测量误差可以控制在各自传感器的测量误差之内。提出了基于卡尔曼滤波的多传感器测量数据隐含曲面数学统计意义上的融合估计方法。为了实现多传感器测量数据的融合,将卡尔曼滤波应用于测量数据曲面的估计,不仅综合考虑不同传感器尤其不同种类传感器测量不确定性统计特征,而且融合了对工件外形的初始先验估计,实现了多传感器测量数据稳定估计。基于卡尔曼滤波的多传感器测量数据融合方法,推导了各向同性多传感器测量数据基于卡尔曼滤波的增量和批处理形式,并给出了增量和批处理融合形式等价条件,使用户可根据不同测量条件下优化选择测量数据融合形式,实现接触式传感器单点测量数据以及非接触式大批测量数据条件下的高效融合。同时,针对测量数据统计不确定性存在各向异性特征,本文在上述基于卡尔曼滤波的多传感器测量数据融合基础上,推导了各向异性多传感器测量数据基于卡尔曼滤波的融合公式,使其支持更一般条件下的多传感器测量数据隐含曲面的估计。为了建立工件外形多传感器测量数据统一描述,本文提出多传感器测量数据基于迭代融合的ICP对齐方法。此方法充分利用了基于卡尔曼滤波方法的多传感器测量曲面的高效稳定统计估计特性,通过ICP对齐方法,提高了不同传感器测量数据之间点与点之间映射的准确性,从而实现了多传感器测量数据到统一公共坐标系下的精确对齐。为了在对齐过程中实现测量数据对齐,推导了基于卡尔曼滤波的多传感器测量数据融合方法的数据收回公式,保证了该迭代融合对齐过程的收敛性。为了使包含多个传感器、工作台的多传感器测量系统得到灵活控制,提出了基于高脚本文件的可编程柔性测量控制方法。此方法实现了接触式测量、点激光、线激光及面激光的测量过控制及三个方向的移动工作和旋转控制台的运动过程控制。基于上述理论方法,构建了多个传感器(包括接触式测量、点激光、线激光及面激光等)以及多个工作台(移动工作台(X、Y、Z方向)、转动工作台等)的测量系统,以及支撑多传感器测量标定、对齐、可视化及曲面统计估计原型软件系统,并通过实例验证了系统的正确性。