随着计算机和数据处理等技术的不断发展,光学三维轮廓测量技术已获得了很大的进步。然而目前仍然存在整体测量精度低、测量盲区导致无法完全提取面形数据、测量数据需要人为修补以及多目测量数据拼接技术不成熟等难题。针对上述问题,本文综合了多目测量和结构光测量技术的优点,通过研究相机标定及校正技术、面形提取技术、精确匹配融合技术,同时提出了互补的算法思想,将多传感器(大于等于三个)测量获得的数据进行自动分析和互补,以实现物体三维面形的完整测量。本文确定了基于结构光测量复杂面形的研究方案,构建了新的三目测量结构模型及其数学模型,将测量方案的测量思想、测量系统的组成、测量技术流程进行了阐述,并确定了对于本测量方案中应研究的关键技术,即：基于Halcon平台的相机标定和校正技术、基于相移法和一种基于DCT变换的最小二乘解包裹算法的相位求解及展开技术,以及基于SURF算法的精确匹配和互补技术。相机标定的精度与校正的效果好坏直接影响到了系统的整体测量精度。本文基于Halcon平台,对比分析了多项式畸变模型和分式畸变模型标定的内外参数和均方误差,分析了影响标定精度的因素；根据标定参数和对应的映射关系,对采集的图像进行了畸变的校正和位置的校正实验,并获得了比较好的校正效果。面形提取技术是三维测量系统的核心。根据相移相位法提取包裹相位信息精度高,适应性强的特点,和最小二乘解缠法能够有效解决相位展开时错误传播的特点,本文引入了相移技术和基于DCT变换的最小二乘相位解缠算法用以面形提取,同时进行了三维面形的提取的实验,实验成功提取了人脸模型的面形数据,并对系统测量精度提出了评估方法。对测量数据进行精确匹配和互补运算是本方案中的关键步骤。由于选用的是基于二维的标定技术,而测量的是三维的面形特征,多视角三维测量数据在测量基面之外就存在着差别,需要通过精确地匹配算法实现测量数据的融合。本文引入了一种基于SURF图像匹配算法用以数据(或图像)的匹配,同时结合相机的校正技术和本文提出的互补思想,进行了相关实验,实现了对图像(数据)进行了匹配和融合互补,验证了该方法的可行性,对复杂面形的测量具有一定的借鉴价值。