在公安领域中,现场勘查工作是案件侦查的重要环节。受场地复杂和环境多变等因素影响,案件现场中的关键线索容易遭到破坏和遗漏,亟需新的技术手段以提高现场勘查效率。基于结构光的三维重建方法是一种融合了计算机视觉和信息光学的新型三维成像技术,具有成本低、精度高、速度快、非接触、配置简单、成像稠密等优势,能够满足当前现场勘查的需求。为了提高案件现场三维重建的适应性,本文使用条纹投影测量法对关键证据进行精确三维重建,利用深度相机拍摄到的深度数据对案件场景进行实时三维重建,并分别对这两种方法进行了算法优化。具体工作与创新如下:首先,提出了一种基于同心圆网格的特征点检测方法。该方法使用同心圆网格作为摄像机标定图案,利用局部亚像素边缘检测算法和同心圆共同自极三角形的性质,实现了特征点亚像素坐标的精确定位;为了提高检测的鲁棒性,网格图案中的每个同心圆由半径逐步递减的圆组成,这种多层次的几何结构建立了一种特征点投票机制,用于解决计算投影中心时导致的数值不稳定的问题。仿真和实验证明,在图像噪声、透镜畸变和分辨率的影响下,使用同心圆网格进行特征点检测的算法性能优于目前流行的标定图案。其次,设计了一种可以抑制表面反射的高频正弦条纹图案,并提出了一种基于有理函数畸变模型的系统标定方法。该方法将有理畸变模型带入到平面外高度表达式中,有效地消除了由摄像机和投影仪的透镜畸变对测量结果造成的影响。在测量设备任意放置的情况下,无需精密的测距仪器和投影仪标定便能精确地恢复关键证据表面的三维模型。最后,使用了基于引导滤波的深度数据预处理方法,该方法能够在保留深度边缘信息的前提下对深度数据进行快速和精确的去噪;基于深度相机的三维重建方法通过深度数据预处理、三维模型融合、反投影模型和位姿估计四个步骤对真实场景进行实时三维重建,在对TUM数据集中的freiburg1＿room数据进行重建时,测量轨迹和真实轨迹在1351帧间的最大轨迹误差仅为0.207m。