基于图像的三维测量技术因其装置简便而适合机器人视觉系统,长期以来一直是计算机视觉中的热点问题。其中最具代表性的双目视觉技术和辐射立体视觉技术已被广泛研究。近些年来,基于散焦的物体深度算法逐渐受到重视。它属于单目视觉,不存在立体视觉中目前尚未解决的特征点匹配以及遮挡等问题,在某些领域具有更好的实用性。目前的散焦测距算法(Depth from defocus,简称DFD)需要两幅以上的图像,根据同一物体散焦成像的差异来确定所测物体表面的深度。二次成像的约束增加了单目测距操作的复杂度,限制了其应用实时性。实际上,目前DFD的算法中并没有利用图像的整体灰度信息关联。而利用辐射立体视觉原理,二维图像的灰度分布在重建物体三维形状的同时,也提供了替代二次成像要求的约束条件,从而使基于单目单幅图像的物体表面测距在理论上成为可能。本论文结合图像的灰度信息,对基于单幅图像的散焦测距这一探索性课题进行了研究。本论文的主要工作是研究单幅图像的散焦测距算法,主要分为两部分,第一部分是在求取点扩散函数的过程中引入清晰度评价函数,通过对原图像进行复原的方法来得到点扩散函数；第二部分则是利用图像的二维灰度信息,通过灰度梯度法来解决单幅图像散焦测距算法中难以确定聚焦像面与具体成像面位置关系的问题。本论文的主要研究内容如下：1.对目前在自动调焦过程中应用较多的几种清晰度评价函数进行了比较,根据单目散焦测距的要求,主要针对局部区域图像清晰度评价函数的性能进行了分析,并通过实验验证选取适合的清晰度评价函数。2.对散焦模糊采用高斯函数模型的点扩散函数描述,以清晰度评价函数作为优化准则,通过图像滤波复原方法求取物体表面不同位置处的局部散焦模糊参数。3.为了确定物体的具体成像面位置,利用图像的二维灰度信息替代经典的DFD算法中的二次成像约束。通过解灰度约束方程确定物体上相邻两物点的相对位置关系。在此基础上,结合此两物点在图像中的点扩散函数以及透镜成像模型来确定物体成像面的具体位置。这是本论文的主要创新点之一。4.为了实现灰度约束方程的稳定解,本项研究中提出将物体连续表面的局部区域进行平面近似,某测量区域内的所谓像素点被认为处在同一平面,拥有相同的法向,因此可以方便地求解灰度方程。这一假设不仅仅是单纯为解方程而加的数学约束。其物理意义在于：(1)单目散焦测距原理本身是依据物体表面局部区域的模糊程度实现物距测量的,因此严格来说此类方法不能实现逐点测量；(2)从应用的角度,多数情况下机器人视觉的任务并不是对环境目标的精确重建,而是诸如避障、导航、识别等不需要致密测量的操作。所以,本论文所提出的算法是以牺牲精度为代价换取更为简便的实用性。这是本论文进行探索研究的意义所在。5.通过实验验证了算法的可行性,为机器人视觉应用提供了一种基于单幅图像测距的新思路。