条纹投影轮廓测量（FPP）作为非接触式三维（3D）感测/成像的流行技术之一,在过去几十年中得到了快速发展。3D光学传感已经开始成为我们日常生活中不可或缺的一部分,例如智能手机上的3D传感器启用的Face ID等设备。随着FPP在人工智能（AI）,机器学习,智能制造,机器人技术以及在其他领域的不断应用,这类技术将产生更加深远的影响。然而,这种先进的光学系统在工业应用中仍然存在一些基本的问题。在结构光三维测量领域,系统的测量精度是评价该系统整体性能的重要指标。其中,系统标定的精度直接对整个系统起着决定性的作用,因此,如何准确的进行系统标定一直是结构光投影测量的一个重点内容。目前基于平面靶标的系统标定方法由于其原理简单、操作简便而受到广泛的应用。但是,由于投影仪是一种强光投射装置,因此投射的靶标图像在被相机收集时,靶标图像的边缘区域像素往往呈现出强饱和状态。这些饱和像素影响了特征点亚像素坐标的提取,导致投影仪标定精度较低。针对于此类问题本文从光的偏振角度出发,提出在最优的偏振角度下采集靶标图像,消除图像的部分高光区域从而恢复角点边缘的纹理细节信息。同时提出了基于单应性矩阵映射的亚像素角点提取算法克服了传统Harris角点提取算法对角点错误检测或遗漏检测的问题,提高了角点提取的精度。在系统参数优化方面,采用自适应权值和变异粒子群算法对摄像机和投影仪参数进行非线性优化。通过个体搜索能力,动态调整惯性权值,并引入变异操作,克服了传统优化算法的缺点,提高了全局搜索能力,从而可以快速、精确的对系统标定。另一方面,在FPP中,通常采用一系列正弦条纹图来获取相位信息,用于被测物体三维几何形状的恢复。在工业生产中,测量的环境通常比较复杂,除了系统的投射光源外,环境中还存在着许多的干扰光源。这些干扰光源在测量时会对投射的条纹图像产生一定的干扰,造成捕获的条纹图像强度偏离真实值,对图像的解码产生误差。对于不同的环境光源对测量系统造成的非线性影响,本文提出了一种新的结构光3D测量方法,该方法将相位与偏振相结合。对于测量过程中环境光强对条纹质量的影响,使用斯托克斯参数表示环境光被目标物体反射后的偏振状态。理论证明了环境光对系统的影响程度只和目标物体表面的穆勒矩阵有关。使用傅立叶变换通过频域滤波增强条纹对比度,另外,使用一种改进的自旋滤波方法用于图像的边缘去噪从而有效的去除环境光源对系统造成的影响,最终可以得到高质量的相移图像恢复出目标物体的三维轮廓。最后开发一套针对于漫反射物体的结构光三维测量系统,对复杂环境下不同反射率的物体表面进行三维轮廓测量,验证所提算法的有效性。