近年来,随着消费电子的高速发展,越来越多的厂商关注起了3D成像技术。特别是苹果公司的iphone X推出的智能3D人脸识别技术掀起了各大厂商对3D成像技术的研究热潮。相位式飞行时间（Time-Of-Flight,TOF）成像技术是一种比较受人关注的新兴3D成像技术。目前在自动驾驶,机器人视觉,虚拟现实,人工智能,3D建模等领域都有着广泛的应用,因其高分辨率,较高的精度,较快的成像速度极大的促进了相关领域的发展,这也给TOF技术带来了巨大的市场机遇。相位式TOF相机是通过调制的光源照亮场景,并通过入射光的相移来计算每个像素的距离的。计算时假设光线在场景中仅仅被反射了一次就返回相机,但是,这在现实的场景中很多是不符合的,因为很多被摄物体不仅会反射来自照明单元的光,还会反射来自其它间接路径的光。这就会很容易造成多径干扰效应（MPI）并导致深度测量出现较大的误差。经过对现有的多种多径干扰校正方法进行研究比较,Dorrington等人提出的方法有较好的校正效果和可行性,该方法的思路是将多径干扰效应建模为两个干扰光波成分的组合。考虑到TOF设备本身存在各种其它测距误差和噪声的干扰,本课题首先对相机内部误差进行优化校正处理以及分析了相机的噪声特性。接着基于现有的研究工作,对该方法进行算法优化实现降低计算复杂度的目的,进而建立了新的校正函数。然后使用数值优化对新的函数进行求解,实现对多径干扰误差的校正。最后使用ZYNQ对整个算法进行加速。本文的主要研究成果包括:1)对TOF相机的内部误差进行分析,包括摆动误差,像素内置误差,幅度、温度相关的误差等,并提出了对应的校正方法和实现。2)在校正了相机内部误差后,本文对MPI现象进行建模,使用基于多个调制频率进行测量的方法,构建校正函数,实现对MPI造成的误差进行了有效的校正。3)针对MPI校正算法运算量大的问题,本文利用FPGA进行算法加速,将整个算法的运算时间从一千多秒加速到几分之一秒。