深度信息的获取是计算机视觉领域一项重要的研究内容。现阶段,机器人通常使用激光雷达对未知空间进行深度感知,但是激光雷达价格高昂,无法获得广泛的应用。结构光深度感知方法精度高,但噪声干扰是一个亟待解决的关键问题,严重制约了结构光技术的发展与应用。本文基于结构光深度测量原理,利用折反射全景相机视场大的优点并结合环带结构光,搭建主动式全向深度测量系统,实现一次拍摄获取场景360度方向深度信息。首先,设计一种全向深度测量传感器并进行标定研究。自行设计一种基于结构光的全向深度测量传感器,然后依据折反射全景相机数学模型进行相机标定,获得设备主要参数之间的内在关系。然后,基于移动机器人在室内场景中采集不同噪声环境下的结构光光条图像,对视频数据进行分帧处理,对每一帧图像采用滑动窗口法截取感兴趣区域,用来制作数据集并对图像中的噪声进行分析。再次,基于获取的结构光光条图像数据集,采用卷积去噪自编码网络对不同噪声干扰的光条图像进行预处理,重构出一幅背景干净,光条轮廓清晰的图像,与传统方法相比,有效地提高深度测量精度,具有稳定性高、抗干扰力强等特点。最后,基于改进的灰度重心法对去噪后的光条中心点进行定位,根据成像物体的像素偏移量与空间距离的拟合关系计算得到空间的深度距离。通过多组实验数据验证,对深度学习去噪后的光条的深度计算结果与传统图像预处理方法去噪后的光条的深度计算结果进行对比,本文算法可以获得更稠密的深度点云,提高了深度测量的准确性与鲁棒性。同时,设计了高效的点云存储算法,更便于后续点云处理。