计算机视觉的快速发展,以及深度图像采集设备Kinect的普及,促使深度图像的处理变成计算机视觉领域研究的一个热点。基于深度图像的视觉目标下一最佳观测方位的确定亦成为三维重建,目标识别,智能机器人导航等领域重要且困难的研究课题之一。为了能够更加准确和快速的获取视觉目标的三维信息,本文就基于深度图像的视觉目标下一最佳观测方位确定方法进行了深入的研究。首先,提出一种基于视觉目标深度图像利用遮挡和轮廓信息确定下一最佳观测方位的方法。该方法首先对当前观测方位下获取的视觉目标深度图像进行遮挡检测;其次根据深度图像遮挡检测结果和视觉目标轮廓构建未知区域,并采用类三角剖分方式对各未知区域进行建模;然后根据建模所得的各小三角形的中点、法向量和面积等信息构造目标函数;最后通过对目标函数的优化求解得到下一最佳观测方位。然后,通过进一步研究深度图像和无监督聚类算法的特点,提出了基于无监督聚类的下一最佳观测方位确定方法。该方法尝试把机器学习的理论应用到下一最佳观测方位求解问题上。通过建模所得的各小三角形的中点和法向量提取相关特征,然后通过改进的K-means算法计算视觉目标的下一最佳观测方位。最后,通过与已有相关算法的实验对比验证本文所提方法的可行性和有效性,并对实验结果进行分析和总结。