随着科学技术的发展,三维信息在人机交互、三维重构、生物医学、机器视觉等诸多领域中,有着越来越广泛的应用。在深度获取技术中,实时性、高精度和高分辨率往往难以兼得。本文根据基于随机模板的深度获取方法[1]的原理,搭建了基于近红外投射装置的结构光深度获取平台,设计GPU平台的加速算法,实现了高分辨率深度图像的实时获取。本文介绍了基于随机模板的深度获取原理,包含散斑匹配和相位插值两个步骤。针对散斑匹配和相位插值算法费时的问题,提出了相应的GPU优化算法。散斑匹配需要计算图像中每个像素块与参考模板中所有像素块间的归一化互相关系数(NCC),计算量高达1013量级。为了提高散斑匹配效率,我们通过拆分NCC的计算公式,减少了冗余计算;并优化数据存储方案,降低数据访问延迟,从而大幅减少了运行时间。相位插值是通过Gabor滤波器对捕获的散斑图像进行二维卷积实现,然而二维卷积运算的复杂度很高。我们根据Gabor核函数的奇异值能量集中的性质,对Gabor核函数做SVD分解,将二维卷积运算转变为两个一维卷积运算,大大减少了计算量。本系统可以采集高精度和高分辨率的动态场景深度数据,并且具有很好的实时性,突破了高精度、高分辨率和实时性难以同时兼顾的瓶颈。所采用的近红外光源,对室内环境光噪声有较强的鲁棒性,为人机交互、机器人导航等应用提供了新的选择。