三维成像是目前计算信息技术领域的热点研究方向,在无人驾驶、机器人导航、深空探测等领域具有广泛的应用价值,而激光强度调制飞行时间三维成像作为一种重要的三维成像方法正在相关领域得到应用。当前激光强度调制飞行时间三维成像技术的分辨率较低,本文针对飞行时间三维点云数据进行了亚像素测量多源数据融合算法的研究,研究内容包括点云数据预处理、目标提取、配准和融合四个部分。本文具体研究工作包括以下几个方面:1.研究了激光强度调制飞行时间三维成像数学模型和光学畸变校正理论,通过拍摄空间校准标准板对飞行时间传感器由于光学系统产生的光学畸变进行校正,研究了常见深度误差相关的噪声抑制方法。2.研究了室内场景中背景环境几何特性,室内建筑物多个平面特征及位置几何关系,提出室内条件下面特征及位置几何关系的面拟合目标提取方法,实现了对场景中目标的有效提取。研究了K近邻算法并利用距离信息滤除点云数据中噪声产生的离群点数据。实验结果表明,面拟合目标提取算法对背景面几何关系变化和不同材质的背景面具有较好的适应性,能够实现室内复杂背景中目标点云数据的有效提取。3.研究点云配准的理论模型,研究从不同位置姿态采集相同目标点云数据的配准方法,提出适用于飞行时间点云数据的配准方法。针对FPFH(FastPointFeatureHistogram)特征提取粗配准算法效率较低的问题,提出使用KD(KDimensional)树优化配准中的搜索效率。针对ICP(IterativeClosestPoint)精配准算法的配准精度和运行效率低的问题,提出使用法向量夹角特征采样的改进Point-to-planeICP算法实现精配准。使用法向量夹角特征对点云数据进行特征采样,使用KD树算法优化算法的搜索效率,同时使用RANSAC(RandomSampleConsensus)算法去除错误的对应点,使用Point-to-plane的匹配方法,减少由于两组点云数据不完全一致造成的配准误差。实验结果表明本文提出的配准算法与其他配准方法相比,具有较高的计算效率,较好的稳定性,较高的配准精度,同时算法对较大的位置姿态变化后的点云仍具有良好的配准效果。4.对目标所在区域建立更精细的亚像素网格,通过对目标区域中的数据进行统计分析,将配准后的点优化到亚像素网格区域中,将每个网格内不同点云数据优化到亚像素网格的质心位置。再利用K近邻算法对点云表面进行平滑处理,减少由于系统误差所产生的融合误差。实验结果表明融合后场景中的目标区域点分辨率平均增加88.81%,等效传感器的空间分辨率从640×480pixels提高到860×640pixels,距离分辨能力提高了15.51%,融合后点云的结构更加清晰,几何特征得到进一步增强,对室内复杂场景中不同目标特性的飞行时间点云数据具有良好的适应性。