基于结构光投影的三维测量技术因其非接触、高精度和全场测量等优点,逐渐应用于智能制造加工、材料性能测试、人脸识别与医学整形等新兴领域。但传统结构光投影方法在解决各行业的新问题时,由于不同应用场景限制,需要在测量精度、测量速度、测量范围以及系统小型化等方面进一步优化或提升。本文将结构光投影技术与多视角几何约束、立体视觉、深度学习等技术相结合,以高效相位展开、高精度散斑匹配与全方位形貌测量为视角,开展高速、小型化与全方位三维测量应用系统设计与方法研究。相关研究成果将为结构光投影技术在高速、小型化与全方位三维测量的进一步发展与应用提供有效参考。本文的主要工作和创新点如下:（1）在时间相位展开的测量精度与测量效率方面,首次将深度学习引入时间相位展开,提出了基于深度学习的多频相位展开方法。通过同时提取输入的高、低频相位的时空域特征,以监督学习的方式自动且充分利用时空域相位信息,有效提升了高频相位展开性能。将传统多频法的相位展开错误率降低了80%,仅用6幅条纹图案即可展开64周期的条纹相位;提出了基于几何约束的数论相位展开方法。通过引入空间几何约束,将包裹相位的歧义性限制在深度约束所定义的范围内,设计了双频条纹图案的最优频率选择策略以最大化相位展开的抗噪性,将相位展开的最大相位容差提高到传统数论法的6倍。仅用6幅条纹图案即可展开51周期的条纹相位,实现了精度为53.66μm、速度达3333 FPS的高速三维测量。（2）在立体相位展开的测量精度与测量稳定性方面,提出了基于优化复合编码的立体相位展开方法。将散斑信号无损嵌入相移条纹以生成复合图案,通过设计具有周期唯一性的最优散斑图案以辅助去除相位的周期性歧义,利用几何约束和基于自适应窗口的局部匹配算法,实现了高效、准确的立体相位展开。此外,设计了基于区域扩散的相位误差补偿方法,确保了三维重构结果的完整度。仅用4幅复合条纹图案即可展开64周期的条纹相位,实现了精度为61.73μm、速度达5000 FPS的高速三维测量;基于此方法,提出了基于深度学习的复合立体相位展开方法。针对单帧散斑投影,设计了基于暹罗结构的局部匹配网络,对立体散斑图像实施基于学习的特征提取和相似度估计以提升散斑匹配精度。针对单帧条纹投影,设计了基于U-net结构的条纹分析网络以获得高精度包裹相位,对散斑匹配结果实施视差优化以进一步提升测量精度。仅用2幅投影图案即可展开57周期的条纹相位,实现了精度为50μm的快速三维测量。（3）在基于单帧散斑投影的快速三维测量方面,提出了基于深度学习的单帧散斑投影三维测量方法。设计了融合多尺度残差结构和3D U-net的端到端立体匹配网络,可直接获得亚像素精度的视差图,提升了立体匹配精度与稳定性。设计并嵌入了显著性目标检测网络,以准确提取图像中具有强散斑纹理的有效测量区域,避免了无效背景区域对立体匹配网络性能的干扰。最终将匹配精度提高了50%,实现了精度为110μm的单帧三维测量;研制了基于红外散斑投影的小型化单目三维传感器。通过定制垂直腔面发射激光器的投影图案,利用衍射光学元件的复制功能,实现了低成本、高质量的散斑投影。提出了参考散斑图标定方法与基于Open CL加速的优化半全局匹配算法,实现了高效、准确的深度重建。在0.8 m（宽度）×0.5 m（高度）×1 m（深度）的测量范围内,在桌面计算机和移动处理平台上分别以75 FPS和15 FPS实现了精度为1.277 mm的快速大视场单帧三维成像。（4）在三维全方位形貌同时测量方面,提出了基于平面镜的高精度全方位三维测量方法。通过将平面镜引入基于条纹投影的三维测量系统,建立了多视角三维成像模型及其快速、准确标定方法,将来自真实和虚拟视角的三维数据转换为被测物体的360度三维数据,实现了精度为65.12μm的全方位三维测量;基于上述标定方法,研制了基于平面镜的单帧全方位婴幼儿头颅检测系统。利用数字图像相关技术对穿戴散斑头套的婴儿实现了被动式单帧全方位三维头颅测量,为婴幼儿头颅的畸形诊断与医学矫正提供了重要的数据支撑。