三维测量技术因能为材料的成形性能评估,成形工艺改进,成形精度评价等提供有效的基础数据支持,现已是材料加工领域重要发展方向。其中数字散斑投影三维测量是较为先进的三维测量手段之一,隶属于单帧面结构三维测量方法。其在测量过程中仅需投影单幅编码图像,易于编码解码,测量过程灵活方便,因而在动态测量与手持式测量领域极具优势。但受限于匹配算法的准确性,往往无法兼顾高精高效测量。基于此,本文研究一种基于数字散斑投影的快速高精度三维测量方法。该方法利用单幅散斑图案投影增加被测物表面纹理,基于数字图像相关技术构建稠密高精度视差获取算法,并于GPU平台进行并行加速优化。具体研究内容如下:详细阐述了数字散斑三维测量方法的原理,其中包括相机成像原理以及双目立体视觉原理。介绍了双目立体视觉模型、对极几何、视差-深度映射原理,详细说明了从图像采集到恢复被测物体三维形貌的流程,并指出了视差获取算法在测量过程中的重要性。为解决数字散斑投影三维测量方法受限于视差获取算法准确性导致测量精度较低的问题,提出一种高精度视差获取方法-基于反向合成高斯牛顿迭代的半全局立体匹配算法（ICGN-SGM）。该算法利用基于Census的半全局立体匹配算法完成整像素视差初匹配,结合左右一致性检查、耦合唯一性检查以及连通区域法实现视差误匹配去除,并引入一种经典的数字图像相关（digital image correlation,DIC）领域算法-反向合成高斯牛顿迭代算法对初匹配视差结果进行亚像素级优化。实验结果表明,基于ICGN-SGM算法重建出的标准球球心距绝对误差为0.057mm,相对误差为0.038%。为有效提高上述高精度稠密视差算法的计算效率,在原有算法基础上引入高效的并行计算架构CUDA对其进行并行优化加速。从而充分运用CUDA多核心、高并行的性能优势,设计出了可应用于主流芯片的高精度、高效率稠密视差并行算法。实验结果表明,GPU平台下该视差算法的运行效率相较于CPU平台提高了250倍,实现了对于120万像素图像每秒5帧的视差数据输出,即最高可达到每毫秒6000个点的高效率三维计算,且其重建出的标准球球心距绝对误差低于0.06mm,相对误差低于0.04%,同时兼顾了效率与精度。基于以上研究,将该稠密视差获取算法结合数字散斑投影方法,可得到一种能兼顾高精度与高效率的数字散斑投影三维测量方法,其测量分辨率达到1296×966,测量效率达到每秒5帧,测量精度达到0.06mm,于动态测量、手持式测量皆有着巨大的应用潜力。