目前,获取目标深度信息最常用的方法之一,是激光雷达测距技术。为了获取目标的3-D图像,激光雷达系统需要通过光栅扫描的方式,对目标场景中的每个空间像素点进行逐点探测,并估计其深度信息；然后,根据所有像素点的深度信息,重构出目标的3-D图像。可以看出,深度估计是获取目标3-D图像的关键,特别是在低光子计数率的探测条件下。本文主要研究在低光子计数率的条件下,如何快速、准确估计目标的深度信息,获取目标的高精度3-D图像。为了准确估计目标的深度信息,本文首先深入研究了光电探测器的光子计数过程,并考虑了激光光斑内目标深度函数的影响后,建立合理的目标回波数学模型,并将光电探测器接收到的目标回波信号描述为发射激光脉冲信号和目标的响应函数的卷积积分。然后,在此基础之上,为了解决传统激光雷达无法处理激光光斑内存在不同距离分布的多个目标回波的问题,本文着重研究了两种时下较为主流的基于马尔科夫链的全波形分析算法——可逆跳马尔科夫蒙特卡洛算法和模拟回火马尔科夫蒙特卡罗算法,用于提取激光光斑内完整的目标回波信息。其中,后者是对前者在算法运行时间性能方面的改进。最后,本文针对传统的基于最大似然估计算法的成像模型的固定采样积分时间、均匀等扫描的逐点规则扫描成像方式,在目标特性未知的情况下,无法直接准确估计每个像素点所需要的累积采样积分时间或是激光光斑扫描步长问题,提出一种基于光子计数的快速自适应深度成像方法,并通过概率理论模型分析和实验结果两方面证明,即使是在高背景噪声水平条件下,该自适应成像方法仍能够更快、更准确地估计目标的深度信息,重构出目标清晰的3-D图像。