基于机器视觉的深度感知技术具有无接触、速度快、精度高、应用范围广等特点,被广泛应用于三维打印、医疗成像、体感设备、地理测绘、工业测量、三维影视和游戏制作等领域,进一步拓展了人们的三维信息感知能力,在当前的科学研究及工程技术中具有重要的应用价值。如何更加实时高效地通过视觉信息获取客观物体三维数据,是这一研究领域的关键问题。基于结构光的深度感知技术具有硬件要求低、结构简单、数据运算量小、动态适应性好等特点,受到研究者的广泛关注。本文以提高标定速度和感知精度为目标,对相机与投影仪标定、条纹非正弦性校正、相位展开算法以及系统软硬件构建这几个方面进行了较为深入的研究,主要研究内容包括:(1)传统系统标定中往往分开标定相机和投影仪,分开标定往往影响标定速度,针对这个问题,本文深入研究了相机和投影仪成像的几何模型,根据投影仪和相机的数学模型的相似性,建立了投影仪的逆相机数学模型。利用相机标定的外参,来确定同一个标定平面上的投影图像所在的平面方程,实验结果表明该方法能够有效降低系统标定的时间。(2)分析比较了时间域和空间域相位展开算法的优点和缺点,由于空间域相位展开算法是基于连续路径的,因此导致解相位时的误差累积问题。针对这个问题,在实验中采用了改进的基于非连续路径的相位展开算法,实验结果表明该方法有效地抑制了误差累积。同时在时间域上采用三频外差法,从原理上消除了误差累积,实验结果表明该方法能够有效隔离误差。最后研究了噪声场景下的相位展开方法。(3)针对投影条纹非正弦性失真问题,本文以相位的单调性作为校正的约束条件,使用了基于能量最小原理的算法。针对实验中相位范围缩小问题,对算法进行改进,在校正前首先对相位进行幅值拉伸。最终实验结果表明该方法较好地满足了实验的校正要求,误差累积得到了有效抑制。以上研究主要覆盖了结构光的深度感知技术中的数据获取部分的工作,为进一步进行深度感知技术的研究和应用奠定了理论基础。仿真和实验结果表明,文中使用的方法具有可行性和有效性。