从部分观测信息中推断出完整三维形状与语义场景信息对自动驾驶、机器人视觉、元宇宙生态体系构建等而言是至关重要的，因此，主要围绕三维形状补全、三维场景补全和三维语义场景补全任务而展开的三维补全技术被广泛研究。本文围绕上述三维补全任务，对近年来的相关研究工作进行了系统性的分析和总结。首先，针对三维形状补全任务，对基于传统方法的形状补全和基于深度学习的形状补全这两个方面的研究进展进行了综述。其次，针对三维场景补全任务，对基于模型拟合的场景补全和基于生成式的场景补全方法这两个方面的研究进展进行了综述。再次，针对三维语义场景补全任务，深入分析了场景补全和语义分割两大任务之间的耦合特性，并根据输入数据的不同类型，对基于深度图的语义场景补全方法、基于深度图联合彩色图像的语义场景补全方法、以及基于点云的语义场景补全方法这三个方面的研究进展进行了综述。最后，对三维补全任务目前面临的主要问题及未来发展趋势进行了分析和展望，旨在为三维视觉中这一新兴领域的相关研究者提供一些有益的参考。

针对目前常用配准算法不能满足生产制造行业中高精度工艺要求的问题，本文基于三维点云提出一种改进三维形状上下文（3DSC）点云配准的有效解决方案。首先，通过改进的降采样方式设定阈值采集轮廓点云，对采集的点云依次进行三维网格划分形成形状上下文。然后，进行改进的3DSC初始配准，进而采用迭代最近点（ICP）精确配准，实现了源点云与目标点云之间的旋转平移变换。为验证改进算法的有效性，采用FPFH-ICP、PFH-ICP、传统3DSC和本文改进算法进行配准实验对比。实验结果表明，对于bunny点云和flowerpot点云，本文改进算法精度分别可达2.253 55e-05 m和9.969 02e-06 m，明显优于其他算法的配准精度。与传统3DSC配准算法相比，改进的3DSC配准算法可节省75%~85%的配准时间。改进的3DSC点云配准方法有利于提高配准精度且能优化配准时间，提高了配准效率。

矿石自动筛选是提高矿产资源加工效率的关键环节之一。针对矿石开采现场光照复杂多变，传送带矿石难以实时自动检测等问题，提出了一种基于红外线结构光的现场矿石3D视觉实时筛选方法。为了解决复杂光照条件下太阳辐射对矿石表面结构光成像干扰的问题，提出采用800 nm附近红外线结构光作为成像主动光源，在各种光照条件下获取稳定的矿石表面结构光图像；提出邻域累积差分特征分析方法，通过快速定位光条边界点来提取结构光光条中心，实时获取矿石3D坐标数据。对复杂光照条件下的大量现场矿石表面结构光图像采用多线程进行处理，实验结果表明，与现有方法相比，文中方法速度更快，稳定性更强，能适应线结构光形态和方向变化。对每幅矿石结构光图像筛选的时间为13.2 ms，满足现场矿石3D实时筛选需求。

针对水体浑浊所造成水下图像退化和多介质引起的光线路径改变等问题，提出了基于径向多线结构光的水下视觉测量方法。首先，建立了基于折射的水下视觉测量模型，在投影仪垂直于折射平面投射且光平面经过投射光轴的条件下，陆上光平面和水下光平面共面，陆上标定可代替水下标定；采用蒙特卡洛模拟方法，分析了像点误差对点云计算精度的影响。其次，设计了黑白交错的中心旋转径向多线编码光模式；采用黑白条纹边缘作为测量点，减弱了编码光解码对图像质量的依赖性；通过中心旋转的方式，提高了表面的测量分辨率。最后，在1 m×1.2 m×0.8 m的水体中加入泥沙模拟自然河流水体环境，实验分析了浑浊水体对条纹提取、编码光解码和三维视觉测量精度的影响。实验结果表明，该方法在1 500 mm的测量距离上，对清水条件下的瓷瓶进行了不规则表面的三维表面测量；对清水、含有40，60和90 g泥沙的浑水中规则物体进行三维表面测量，获得了平面残差分别为0.95，1.93，5.43和21.43 mm的测量结果；当泥沙量超过某数值（如60 g）时，条纹提取精度急剧恶化，泥沙量为40和90 g的浑水中测量平面拟合残差从1.93 mm增加到21.43 mm。