光学测量技术已经在工业检测、文物数字化、医学、CG、农业等领域得到了广泛应用,但是其精度仍然无法和三坐标测量仪等接触式测量设备相比。制约面结构光三维测量设备精度的关键因素有相机标定精度和相机参数因环境因素影响的变化。由于标靶特征点像素坐标提取精度对相机标定结果有重要影响,本文先分析了常见的标靶特征点亚像素坐标提取算法,并用实验对比了重心矩法和椭圆拟合法两种圆形特征点标靶亚像素圆心坐标提取算法,发现二者精度相差不大。目前提高相机标定精度的主要方法是对标定结果的优化,光束法平差是最常用的方法,但是光束法平差不能直接应用于常见面结构光三维测量系统相机的优化;现有消除环境因素对面结构光三维测量系统精度影响的主要方法是在使用过程中频繁进行相机参数标定,缺少在线检测机制,且操作过程繁琐。因此,适应相机标定优化的光束法平差算法以及在线精度自检测与自校准算法对提高和维持面结构光三维测量设备的精度具有重要意义。稀疏的光束法平差(简称SBA)已在摄影测量和机器视觉等领域得到广泛应用。但是直接用SBA优化张正友单相机标定算法结果会得到多组不同的相机内部参数和畸变参数(统称相机参数)。本文在SBA的数学模型基础之上增加了相机参数相等的约束,建立了一种受约束的稀疏光束法平差(简称CSBA)模型,并根据此模型雅克比矩阵的结构特点提出了一种新的矩阵分块策略,提高了稀疏线性方程组的求解效率,实现了一种能够适应单目、双目相机标定精度优化问题的CSBA算法。然后运用模拟实验将CSBA运行结果和SBA的结果进行了对比,验证了CSBA在图像特征点像素坐标不具备零均值高斯误差时,也能得到唯一的优化相机参数。最后,通过实际优化立体标定结果,并与现有相机标定优化SBA算法进行了对比,发现CSBA算法能够同时优化立体视觉中的相机内外部参数,提高了重建结果的精度。为了解决面结构光三维测量设备精度监测困难、相机标定过程复杂的问题。本文提出了一种基于相互垂直两个方向多频外差对应点匹配,利用对应点到极线距离衡量相机参数精度,进行在线精度自检测,利用极线约束与levenberg-marquardt算法相结合的相机参数自校准算法。为了提高相位匹配精度,本文提出了一种矩形区域相似度匹配去除孤立杂点和一种自适应阈值的相位精细匹配算法。为了尽可能准确地匹配对应点,本文运概率分布原理,提出了一种新的误匹配点去除方法。最后通过实验验证了算法的有效性,能够监测工作过程中相机内外部参数的变化,并进行一定的修正和补偿使测量精度长时间维持在可控范围内。