近年来,虚拟现实技术的快速发展对人机交互技术提出了新的要求。传统机械式的人机交互方式已经不能满足虚拟世界场景中高自由度的交互需求。基于肢体动作、面部表情、自然语言等高级人机交互方式成为了新一轮的研究热点。其中,三维手势估计作为手势人机交互中的重要一环,能够帮助计算机准确捕捉人手与物体、环境及设备在三维空间中的位置关系,对计算机理解场景并作出反馈具有重要意义。深度学习技术在计算机视觉领域的突破性进展,极大地推动了视觉三维手势估计的相关研究。其中,早期的三维手势估计方法利用了深度图中的手部深度信息,在受限场景中能够较为准确地还原手部关键点的三维坐标。为了摆脱深度图对应用场景的限制,基于彩色图像的三维手势估计方法通过设计复杂的神经网络充分提取手部特征,在大量带标注数据的训练下学习直接回归三维手势,极大地提高了手势估计的应用便捷性。另一方面,基于双目图像的三维手势估计通过训练简单的神经网络预测双目图像中的二维手势,并利用双目立体成像原理求解对应的三维手势,缓解了仅使用单张二维手部图像所存在的尺度不确定性问题,提升了三维手势估计应用的稳定性。但由于要同时处理双目图像,此类方法往往运行速度较慢,较难满足实时应用的需求。除此之外,现有的手势估计方法主要针对的是常规图像,对于广角镜头成像的含畸变的手部图像的手势估计研究还相对较少。而广角镜头所具有的视场范围大、成像距离短等特点使其广泛应用于微小型成像系统,如用于虚拟现实、增强现实可穿戴设备中的鱼眼镜头,就是一种典型的广角镜头。本文在充分调研现有三维手势估计方法的基础上,对上述关键问题展开深入研究。为此,本文的工作主要有:1)本文结合了深度学习在图像特征提取方面的最新进展,优化了手势估计网络的模块化设计,提出了一个基于全卷积结构的三维手势估计网络U-Hand Net,在提升了手势估计准确性的同时简化了网络结构设计,能够较好地满足不同计算资源场景下的性能平衡。2)本文分析了畸变图像的成像原理,并在此基础上结合手势估计任务的特点,提出了一种高效的手势估计畸变校正方案,在几乎不增加整体耗时的情况下使得常规手势估计方法兼容畸变的输入图像,并构建了一个大型的含畸变图像的多视角三维手势估计数据集,充分验证了本文所提的基于畸变图像的手势估计实现方案,极大地拓宽了手势估计的应用前景。3)在上述工作的基础上,本文构建了一个实时的三维手势估计系统,实现了单目及双目场景下的兼容畸变的三维手势估计方案。本文在最后部分对三维手势估计领域的研究进行了总结与展望,讨论了该技术的应用前景以及在实际应用中可能存在的问题。