许多工业部门面临着日益增长的生产需求，需要在不影响质量的前提下降低成本。近年来，机器人技术和自动化的应用显著增加，但多功能机器人机械手在小型工厂中仍不普遍使用。虚拟仿真软件的使用和样本数字模型的可用性有助于机器人编程。然而，在许多情况下，虚拟模型不可用，或者虚拟和真实设置之间存在过度差异，导致机器人程序不准确和耗时的手动纠正。以前的工作已经演示了使用机器人操纵的光学传感器来绘制样本的几何图形。然而，使用简单的用户定义机器人路径，这并没有针对特定的零件几何进行优化，通常会导致样本的某些区域无法以所需的精度水平映射，或者根本无法通过光学传感器进行采样。这项工作提出了一个自主框架，以实现自适应曲面映射，而无需将零件几何体的任何先前知识转移到系统中。这项工作的新颖之处在于能够以所需的采样密度水平映射零件表面，同时最小化必要的视图姿势数量。它的发展也带来了一种高效的点云向下采样和合并方法。本文概述了该领域的相关工作，详细描述了所提出的框架，并通过模拟和实验证据证明了其功能。