当下,各种计算机视觉应用层出不穷,传统的二维图片信息已无法适应人类生产生活的节奏,能够真实客观地重建出现实场景的三维模型成为该领域的主要任务之一。基于结构光的三维重建技术通过在物体上投影一定规律的编码光,利用投影光的信息实现立体视觉中的同名点匹配,从而得到高精度的三维模型。因其具有设备价格低廉,重建精度较高等优点,成为当下的一个研究热点。本文首先研究了立体视觉基础,并对本文的实验系统进行搭建和标定;然后研究了不同的结构光编解码方案,实现了亚像素精度的三维重建;最后针对多个视角的三维点云进行配准,得到完整的三维模型。具体的研究内容和创新如下:1.研究双目立体视觉的基本原理,即通过二维图片信息恢复场景的深度。主要包括相机模型、对极几何约束、对应点匹配、三角交汇和相机的内外参标定这几个部分。2.分别研究格雷码和相位码的编解码原理,采用了格雷码结合相位码和高低频相位码两种重建方法。格雷码结合相位码的方法解决了格雷码分辨率不能达到一个像素宽度的问题,可实现一对一的同名点匹配,达到像素精度三维重建。在此基础上,本文利用相位码的直线特性,进行相位的直线拟合,实现了亚像素精度的重建;高低频相位码解决了单频相位易受噪声干扰,高频相位存在周期歧义的问题,针对双频映射中,过高频直接映射到单频上,会出现映射错误,本文将双频映射改进为三频映射,进一步提高重建精度。3.研究点云配准方法。针对最近点迭代算法(Iterative Closest Point,ICP)对点云初始位置敏感,容易陷入局部最优的问题,本文利用数据采集时的旋转平台,对点云进行粗拼接,将粗拼接结果作为ICP算法的初始化,可提高配准成功率,减小配准误差。然后针对多片点云配准过程中出现的回环不闭合问题,使用全局优化算法将累积误差合理的分配到每一片点云上,以抵消配准误差的影响。最后利用体素滤波的方法进行点云融合,得到密度均匀的完整的三维模型。本文搭建了一套基于结构光的三维重建系统的实验平台,通过重建标准几何体并对其进行拟合,验证了改进方法在精度方面的提高。然后通过重建不规则的小型物体,展示了本文方法的实用性和本文实验系统的可靠性。