Para abordar el problema de que los mapas de nube de puntos dispersos construidos por SLAM no pueden proporcionar información detallada sobre los objetos medidos, y los métodos de medición basados en secuencias de imágenes tienen problemas con el gran volumen de datos y errores acumulativos, este artículo propone un método de medición de escenas que integra secuencias de imágenes con un SLAM LiDAR mejorado. Al introducir características planas, se mejora la precisión de posicionamiento de LiDAR SLAM y se generan poses de odometría en tiempo real. Simultáneamente, el sistema captura secuencias de imágenes del objeto medido utilizando cámaras sincronizadas, y se utiliza NeRF para la reconstrucción en 3D. Se logra la sincronización temporal y el registro de datos entre los marcos de datos de LiDAR y cámara con marcas de tiempo idénticas. Finalmente, se emplea el método de mínimos cuadrados y el algoritmo ICP para calcular el factor de escala y las matrices de transformación entre diferentes nubes de puntos de la reconstrucción de LiDAR y NeRF. Luego, la medición precisa de los objetos podría implementarse. Los resultados experimentales demuestran que este método mejora significativamente la precisión de la medición, con un error promedio dentro de los 10 mm y 1 grado, proporcionando una solución sólida y confiable para la medición de escenas.