计算机视觉是近年来的研究热点，并已在移动机器人导航、目标识别、工业自动化及物体跟踪等领域得到越来越多的应用。结构光视觉技术是双目计算机视觉的一个分支，该技术采用一台投射器代替双目立体视觉的一台摄像机，由于其投射的结构光具有编码唯一性的特点，从而解决了双目视觉中像素匹配的难题，因而是一种简捷、高效的三维视觉检测方法。 本项目组提出了基于符号M阵列结构光的三维检测方法，以实现二值光源投射下动态场景的检测与三维重建。作为结构光技术的核心，结构光模式的编码与图像的解码直接影响到检测的成功率、分辨率、精度和鲁棒性。同时，图像的解码受到目标表面反射率、目标表面梯度、硬件噪声等因素的影响。特别是针对本课题组提出的二值面结构光，其采用的M阵列编码模式尺寸大、元素多、关键点密集、信息量大，对图像进行快速解码，有效还原符号码字，实现关键点准确定位是成功检测的关键问题之一。 本文针对项目组所设计的新的编码符号和编码模式，提出了一种新的符号M阵列结构光图像的解码方法，该方法在有效提取全局交叉点网络的基础上实现了符号的识别、窗口匹配、码字还原、关键点定位，并对重建的目标表面进行了滤波方法的研究。本文主要包括以下几个方面内容： (1)图像预处理研究。分析了传统图像滤波方法和阈值分割方法；研究了二值图像细化算法，并对传统细化算法增加了对边界点的选择，大大缩小了搜索范围，改进后的细化算法与原算法相比缩短了运行时间，提高了执行效率。 (2)符号解码方法的研究。研究了细化骨架有序遍历方法，实现了交叉点的提取，并形成全局的交叉点网络。针对细化的十字交叉变形，研究了交叉点合并方法，提出了基于识圈法的内部交叉点定位方法，以及基于向量角度的符号分类方法，有效地实现了符号码字的还原。 (3)窗体匹配方法的研究。研究了结构光图像中窗体的生成方法，并根据伪随机M阵列窗口唯一性的特点，提出了基于投票机制的窗体匹配方法，实现了结构光图像中符号与投射模式中符号的精确匹配，从而解决了投射侧与接收侧关键点的配准与定位。 (4)多分辨解码方法的研究。针对目标表面反射率不一致的结构光图像，任何一个全局阈值都无法对不同强度区域进行有效分割的情况。本文研究了水波扩展法对未识别小区域进行再识别的方法，提出了一种基于先验知识和直方图统计的多分辨识别方法，该方法针对结构光投射模式中信号点的分布密度，采用多阈值对结构光图像进行分辨识别，并通过桥接点的模糊聚类对多分辨识别结果进行覆贴，大大提高了符号的识别率。 (5)基于曲面拟合的滤波方法研究。针对三维重建曲面中存在的噪音，研究了基于移动小区域三次B样条曲面拟合的曲面滤波方法，有效降低了拟合曲面中的噪音，改善了重建结果。