3D视觉传感器是人工智能的“眼睛”,它能够像人眼一样获取周围环境的三维信息。通过对比国内外现有的3D视觉传感器产品,发现国内的产品相对来说起步较晚,质量和精度上相对较差。为此本文开发了一套基于激光散斑的3D视觉传感器测距算法,搭建了测距系统,然后以此传感器在移动机器人的地图构建领域进行了应用,建立了三维栅格地图。具体工作如下:(1)研究了基于激光散斑的3D视觉传感器测距理论。通过对散斑图像的散斑自相关性分析,证明散斑具有唯一性的特点;构建散斑3D视觉传感器测距模型,推导深度测距公式,分析偏移量与测量深度之间的关系。(2)开发了基于激光散斑的3D视觉传感器测距算法。针对散斑测距算法鲁棒性差的问题,使用局部自适应二值化方法对散斑图像进行预处理;为简化散斑的信息,使用回溯算法提取出散斑的中心像素坐标;为提高测距算法的处理速度,根据偏移量与测量深度之间的关系反推出匹配的搜索范围,缩小匹配搜索范围,进而减小算法的计算量;针对匹配结果可能出现的误差,通过建立筛选准则对匹配结果进行筛选,增强了匹配结果的置信度,最终完成了测距算法的开发。(3)搭建了基于激光散斑的3D视觉传感器测距系统并进行相关实验。使用红外摄像头和散斑发射器搭建测距系统,为验证本文测距算法在精度上和稳定性上的优势,本文使用测距系统进行测距算法实验,包括局部自适应二值化实验,散斑描述子窗口大小设置实验,以及本文测距算法在不同测量距离下的精度实验。(4)建立了三维栅格地图。针对理想ISM测量模型不够准确的问题,通过理想ISM测量模型与测量传感器的高斯噪声进行卷积得到了真实的ISM模型,以提高ISM模型的准确度;为得到3D视觉传感器的ISM测量模型,计算出3D视觉传感器在不同测量距离下的方差,使用二次曲线拟合得到方差与测量距离之间的关系,进而确定了3D视觉传感器的ISM模型;搭建三维栅格地图构建的实验平台,进行三维栅格地图构建算法实验,证明了本文的地图构建算法具有精度高的优点。