为克服传统质量导向相位展开方法无法正确展开多孤立物体的局限性，提出一种基于区域分割的立体质量导向相位展开方法。该方法将包裹相位分割为多个区域，并为每个孤立区域通过立体匹配算法确立左右相机多视图相位展开初始点，通过质量导向相位展开算法实现多视图孤立物体相位展开。进一步提出了基于区域双目立体展开相位匹配的单频条纹结构光三维（3D）测量，实现了单个频率包裹相位下的多孤立物体3D重建。实验结果表明，所提方法可以实现多孤立物体运动状态的3D重建，在四步相移和单幅条纹图条件下重建标准球的直径平均绝对值偏差分别为0.0135 mm和0.0347 mm。

相比传统的三维重建方法，神经辐射场（NeRF）在隐式三维重建方面显示出了优异的性能，然而简单的多层感知机（MLP）模型在采样过程中缺乏局部信息，产生细节模糊的三维重建场景。为解决这一问题，提出一种基于MLP的多特征联合学习方法。首先，在NeRF嵌入层和采样层之间构造多特征联合学习（MFJL）模块，有效解码输入的多视图编码数据，补充MLP模型缺失的局部特征信息。然后，在NeRF采样层和推理层之间建立门控通道变换多层感知机（GCT-MLP）模块，学习高阶特征交互关系，并控制反馈给MLP层的信息流，实现对歧义特征的选择。实验结果表明：所提基于改进MLP的神经辐射场可以避免三维重建中的视图模糊和混叠现象；在Real Forward-Facing数据集部分场景上的平均峰值信噪比（PSNR）、结构相似度（SSIM）、学习感知图像块相似度（LPIPS）分别为28.08 dB、0.887、0.061；在Realistic Synthetic 360°数据集部分场景上的PSNR、SSIM、LPIPS分别为32.75 dB、0.960、0.026；在DTU数据集部分场景上的PSNR、SSIM、LPIPS分别为25.96 dB、0.807、0.208；与NeRF相比，具有更好的视图重建性能，并且在主观视觉效果上得到更加清晰的图像和细节纹理特征。

基于视觉的光学三维重建技术得益于对场景干预少、获取信息丰富等优点，在探测范围有限、非接触的场合得到了广泛应用。首先，主要介绍了基于主动视觉下的结构光法、莫尔法、飞行时间法、激光扫描法和基于被动视觉下的立体视觉法、运动恢复结构法，并分析了这些技术的优缺点；其次，总结并讨论了光学三维重建技术在农作物信息感知研究中的应用现状；最后，对光学三维重建的未来研究进行了展望。

结构光三维测量技术由于精度高、非接触等优点在传统制造业中得到了广泛的关注和应用。智能制造、人工智能等新兴领域的高速发展对如何高效获取高精度三维数据源提出了更高的要求。应用于三维测量系统的相位误差补偿技术作为实现高精度结构光测量方法的重要步骤，对测量结果的获取精度和效率起着关键性作用。首先简要介绍相移测量轮廓术的基本原理和不同误差来源导致的相位误差形式，随后分类讨论各个误差类型的补偿方法、优化方向及适用场景，最后总结基于相移条纹分析的相位误差补偿技术所面临的挑战及潜在的发展趋势。

为检测软包电池表面缺陷，开发一套基于线结构光的软包电池表面检测系统。首先搭建基于激光三角测量原理检测系统；对相机、光平面和移动位姿进行标定，通过相机与线结构光获取电池表面条纹图像；其次运用Steger方法提取条纹中心线；最后三维重建还原电池表面的形貌特征，结合表面条纹特性曲线，判断缺陷类型。试验结果表明，该系统能够检测软包电池表面缺陷类型及受损程度，满足软包电池表面检测的需求。

针对汽车仪表盘内凹六边形卡槽尺寸检测中存在人工检测速度慢、精度差等问题, 提出一种基于点云数据密度提取的内凹多边形自动化测量方法。首先使用双目结构光扫描的方式, 获取零件表面的点云原始数据; 使用KD-tree建立点云拓扑关系并进行半径滤波; 利用贪婪算法重建网格曲面; 最后采用基平面偏置与密度提取融合, 实现点云的边缘特征点和噪点分类, 提取内凹多边形孔径特征, 并计算其尺寸。选用带有内凹六边形特征的弧形汽车仪表盘零件为试验工件进行算法验证。试验结果表明, 该算法可以有效提取特征且内部特征尺寸测量精度为60 μm; 相较于传统测量方法, 单个内凹六边形测量时间可缩短至1 s, 能够实现内凹型不规则工件的自动化快速尺寸测量。

针对目前图像匹配算法在月面宽基线、弱纹理和光照变化等条件下匹配成功率低的问题，提出基于视图合成与全局注意力的月面图像匹配方法。首先对同站点月面双目图像使用稀疏视差虚真值训练立体匹配网络，完成同站点图像的三维重建。基于场景深度，结合站点之间惯导先验位姿将待匹配图像转为新的合成视图用于匹配，解决不同站点宽基线图像对之间图像重叠度低、视角变化大等问题。进一步使用基于Transformer的图像匹配网络，提高弱纹理场景下的图像匹配性能，并在后处理阶段引入考虑平面退化的外点滤除方法。在真实月面宽基线图像数据集的结果表明，相比现有算法，提出的匹配算法大幅度提高了宽基线场景下的月面图像匹配精度与成功率，为月球车大跨度行驶中的自主视觉定位提供了重要基础。