结构光三维重建技术具有许多优点,在诸多领域都得到了广泛应用,然而现有的结构光编码及解码算法在处理具有丰富颜色、复杂纹理或强反射特性的目标表面时,存在显著的鲁棒性不足问题。本文提出了一种基于二值几何空间编码结构光的三维重建方法,该方法基于极线约束原理,通过对传统编码算法的改进和优化,实现了具有高编码容量和小唯一性窗口的编码策略,以二值几何图形为编码元素,提高了编码图案对表面颜色、纹理及反射的抗干扰性。基于张正友相机标定法,采用了基于射影变换原理的投影仪标定法,完成了结构光系统的标定。基于结构光编码图案的空间几何拓扑关系,提出了一种具有高精度和高稳定性的编码特征定位算法。在解码阶段,通过采集大量各种目标表面在不同光照条件下的空间几何编码元素样本,训练具有高识别率的卷积神经网络模型,进而实现结构光图案的高鲁棒性解码。在三维点云重构阶段,基于结构光系统三角测距原理,实现了三维点云重构算法。实验结果表明,本文所提出的二值几何空间编码策略、基于模板卷积的特征检测算法及基于卷积神经网络的解码策略大大地提高二值几何编码结构光三维重建算法的鲁棒性。本文在二值几何空间编码策略及基于卷积神经网络的高鲁棒性结构光解码方面具有显著创新性,相关成果可用于工业检测、人体扫描、3D影视特效制作等领域,具有重要的研究价值及应用前景。