近年来三维视觉测量技术广泛应用于现代工业制造及产品质量检测领域中,随着测量精度及效率的提高,目前已成为非接触测量方法的主要手段,也将是未来的工业检测领域的主流趋势。在针对大型复杂形貌物体的三维检测中,传统的线结构光传感器与位移平台的结合由于工作空间和位姿的限制无法实现对物体表面的有效测量,将工业机器人与线结构光传感器结合能够消除这种限制,实现任意位姿下对物体表面的三维扫描与检测。然而在物体三维扫描过程中,由于被测物体表面形貌复杂,以及传感器量程范围的限制,使机器人三维扫描路径的规划较为困难,测量设备操作繁琐。因此,研究一种能够智能规划三维扫描路径的方法对基于线结构光视觉的机器人三维测量系统具有十分重要的意义。针对以上问题,本文在传统的机器人线结构光三维测量系统的基础上加以改进,提出一种基于深度相机感知的智能化测量方法,解决复杂形貌物体三维扫描轨迹规划问题,进一步提高设备测量效率。并对测量系统模型、点云数据处理、扫描轨迹规划等进行深入的理论和实验研究,主要研究内容如下:首先对机器人线结构光测量系统的数学模型进行分析,通过修正D-H法建立机器人正运动学模型,计算六自由度工业机器人各杆件的修正D-H参数,分析线结构光传感器数学模型。对Eye-in-Hand手眼标定方法进行研究,将标准球的球心坐标作为空间固定点,控制机器人做四次平移和六次变位姿运动测量球心坐标,计算机器人末端坐标系到传感器坐标系的坐标变换矩阵。通过PCL点云库对扫描点云的处理与三维曲面重构算法进行分析和研究,采用统计滤波器的方法剔除稀疏异常值,并通过体素栅格的方法进行数据降采样,完成点云数据的预处理。分析基于KD-tree的点云数据索引及点云法向量的计算方法,采用贪婪投影三角化曲面重构算法实现点云数据的三维重构。研究基于Kinect深度相机感知的扫描轨迹规划方法,对深度相机的测量原理进行分析,并对Eye-to-Hand手眼标定算法进行理论研究和分析,实现机器人基坐标系到深度相机坐标系的位姿关系的标定。提出一种基于深度相机点云数据的机器人扫描轨迹规划方法,通过点云直通滤波、点云平面分割以及点云切片的方法实现三维扫描路径点的计算。对本文提出的测量系统进行设计与实现,完成了系统平台的搭建,编写了线结构光传感器数据采集软件,以及点云数据采集程序,实现了机器人关节角数据与传感器轮廓数据的同步采集与处理,以及扫描完成后的点云显示功能。通过PCL点云库实现了点云数据处理与三维重构算法,并与商用软件进行对比。对基于深度相机感知的三维扫描路径规划方法通过实验验证了该方法的有效性。将实验测得的点云数据与CAD模型比较进行精度分析,得出扫描数据的测量标准偏差优于0.46mm,对本文提出的测量系统的有效性进行了验证。