近十几年来，机器视觉在移动机器人导航、工业智能控制、以及安防跟踪等领域得到了越来越多的应用，已成为热点研究领域之一。结构光视觉技术作为双目机器视觉研究领域的一个分支，它通过对投射在目标对象上模式符号的解码分析，重构出目标曲面的三维几何结构模型。由于结构光具有简单、可靠等特点，因此，在机器视觉研究领域中占据较大优势，并得到越来越广泛的应用。本文针对于课题组前期在解码方法存在的缺陷和待改进之处，在新的M阵列模式符号的基础上，提出了新的克服照度场的自适应阈值分割方法以及改进型的M阵列结构光的解码方法。该方法较能适应照度场的干扰，并为后期的三维重建提供了较好的数据支持。本文主要是从以下几个方面进行了讨论和研究。1．自适应阈值分割方法的研究。为避免前期的多次阈值分割，本文采取一次性解决阈值分割问题。通过分析处于照度场中模式符号的分布特点，以模式符号的分布特点为基础，结合正态点估计法，从全局遍历扫描单位有效区域，进而高效地进行模式符号的阈值分割工作。2．处理打断的“段”。对于“段”的形成，若某一个符号域位置存在误识别可能导致以该符号为中心的邻域区域的若干个模式符号甚至成片区域的不能识别问题。故在文中利用回溯法提高“段”的形成过程，剔除不合规范的点信息，重新形成新的游程链。加强了单位区域模式符号算法的独立性和健壮性。3．基于窗口唯一性的模式符号匹配。在模式符号图像中若出现因被打断或者干扰的误识别符号时，这时可借助模式符号2×2形成的4符号窗口唯一性，根据模式符号在标准模板中的位置解码出模式符号的对应位置。4．破损符号识别的讨论分析。在实际操作过程中，对于CCD相机拍摄回来的模式符号图像存在局部像素的损失问题或者处于边缘符号的破损状态问题，本文把这些未识别的区域进行额外的标记，并试图通过残损黑色或白色“段”的像素点拟合成线段进行相交性的研究。最终判别该未识别区为干扰信号或是破损符号，并根据其相对位置得出其相应的测量点。