智能驾驶技术是目前高新科技领域的重点研究对象,它对社会发展、经济建设和科技进步等都有着重要的影响。传统智能驾驶环境感知领域是通过图像传感器、激光传感器和雷达等多传感器信息融合感知环境信息,该方法存在传感器数量多、计算复杂和成本高等缺点,而利用视觉图像来进行道路静态目标的检测识别具有无可比拟的优势,通过一次视觉图像的获取可同时获得路面的多种目标信息。基于聚焦形貌恢复技术的原理,本文提出一种利用车载单目相机在移动中获取目标物序列图像,从而快速构建环境3D信息的方法。此外,本文详细研究了聚焦形貌恢复的原理和以及恢复过程中的关键技术,并对常用的滤波方法与聚焦评价函数进行对比与选择。然后将现有常用的聚焦形貌恢复过程中关键技术的算法集合,应用于目标物表面形貌的三维构建。本文的主要研究内容为:（1）研究聚焦形貌恢复技术在智能驾驶领域的应用,研究了该技术测量目标物表面深度的原理及操作步骤。针对现有聚焦形貌恢复技术的不足,本文从其关键技术及其性能的主要影响因素入手,对此技术中包括图像预处理、聚焦评价函数、峰值定位和初始深度图连续化等技术进行改进算法研究,筛选出了利用单目视觉三维重建过程中的相关算法,为被测物表面形貌的恢复实验提供了理论和实验基础。（2）针对传统图像滤波器去噪质量差和丢失图像细节等问题,提出了一种中值修正维纳滤波器。通过对常见的滤波方法和本文提出的滤波方法处理图像的效果和时间进行定性定量的比较,证明本文提出的滤波可以在去除图像噪声的同时较好的保留边缘信号,保持图像的原有信息不被破坏,为之后实验中聚焦评价值的精确计算奠定基础。（3）研究聚焦评价恢复技术中点云精简、分割、曲面拟合等点云处理操作,将点云拟合成各个曲面,完成环境信息的三维重建。针对聚焦形貌恢复技术中点云数量大、计算成本高等问题,本文研究了基于八叉树的点云数据精简算法,经过验证,该算法能够有效地减少原始点云数据,同时原来的细节和结构并没有发生变化。在点云精简的基础上研究了基于NURBS曲面拟合的三维重构算法,通过对不同目标物三维重构的实验验证,此算法可以很好地构建目标物的三维轮廓。结果表明,利用车载单目镜头获取聚焦序列图像能够快速有效的构建目标的3D形貌,提升图像传感器对于环境3D信息内容的实时感知能力,为智能驾驶中的环境信息感知提供可靠的三维形貌测量方案。