随着低温绝热气瓶应用越来越广泛,气瓶检验机构已经形成了市场化趋势,传统气瓶外观缺陷检测已经很难满足目前所需的检测精度和效率,而三维可视化检测技术以其非接触、无损坏、速度快、测量精度适中的特点被人们广泛应用于检测领域。本文以常州市低温绝热气瓶三维立体成像检测系统为研究背景,分析了国内外三维检测技术研究现状和发展趋势,针对当前视觉传感器采集的图像,通过畸变矫正、高斯滤波、阈值分割、连通域提取、细化、去毛刺等过程,完成对结构光光条中心的提取。使用摄像机模型实现对气瓶表面形状数据的三维重建。并针对重建后的点云数据分析了噪声点形成的原因,分别研究了迭代圆拟合、轮廓多变形以及Statistical Outlier Removal滤波器的去噪效果,由于迭代圆拟合、和轮廓多边形法会对部分气瓶表面点云数据进行删除,最终采用Statistical Outlier Removal滤波器对点云数据进行预处理。根据目前人工检测气瓶凹陷的方法,设计了针对预处理后点云数据的凹陷检测方法。并对比了三次样条和BP神经网络对缺失数据的填补效果及预测精度,针对预处理后点云数据的缺失情况,选取相应的填充算法。经实验验证,应用本文方法对气瓶点云数据进行处理,可对点云数据中的离群噪声点进行有效的去除,同时完成对气瓶凹陷的部位的提取及对缺失数据的填补。本文的低温绝热气瓶凹陷检测方法可行,具有一定的实际应用价值。