近年来,物体三维测量在工业自动化领域受到了广泛关注,相应开发研制出了大量的三维测量仪器,如商业三维扫描仪、激光测距仪、立体视觉相机、BGA检测器等。物体的三维测量是计算机视觉研究的一个重要方向,它的目标就是获得目标物体表面几何形状的精确描述。目前已有相当多的三维测量方法,如立体视觉、结构光测量、探针测量、从纹理特征重建、从明暗重建、从轮廓重建等,每种方法都有其缺点和使用范围。其中结构光以其使用简单、测量精确、无破坏性的优点而获得了广泛的应用。所谓结构光就是有一定规律有一定组织结构的光。所谓结构光三维测量就是利用投影仪对目标区域投影有一定规律且可以区分出很多特征点的图像或图像组,然后利用这些图像中特征点的二维信息计算得出物体上特征点的三维信息。而三维重建还需要利用这些特征点的三维信息重建出物体的轮廓。本文旨在对自适应结构光实时进行三维重建做一些技术研究,主要包括以下三个方面:第一,结构光二维信息解析,也就是要尽可能多得区分出包含结构光图像或图像组中的特征点。结构光二维信息解析其实就是结构光的编解码过程。本文首先综述了目前结构光的各种编解码方式,然后提出了对结构光进行自适应解码的改良,来提高结构光二维信息解析的精度和速度。第二,结构光三维信息解析,也就是利用图像中特征点的二维信息计算得出物体上特征点的三维信息。本文首先介绍了传统基于三角测量原理的结构光三维信息解析方法,然后介绍了一种新的基于单应性矩阵对应原理的结构光三维信息解析方法,最后从理论上把两个方法做了一些对比,可以看出新的方法在速度上是有优势的。第三,结构光三维重建,也就是利用特征点的三维信息重建出物体的轮廓。通过结构光测量得出大量特征点的三维信息形成点云,最后我们要把这些点云连接成三角面片并给定法向量,这就是点云重构。在对散乱点云进行重构时,有多种连接选择需要筛选,速度上必然受到影响。但是我们可以根据结构光的编解码特点,得到点云的一些特点,在重构时相应地进行优化,以提高速度。最后给出试验结果,进行了分析总结,虽然在一定程度上达到了自适应结构光实时进行三维重建的预期目标,但是还有需要改进的地方,并提出了将来需要更进一步的研究工作目标。本文具有以下创新:对结构光二维信息解析算法进行了自适应解码的创新性改良;对结构光三维信息解析算法进行了全面的创新性改革;对结构光三维重建算法进行了根据结构光的编解码特点加速面片划分的创新性改良。