三维视觉检测技术极力推动着传统制造业向智能自动化转型升级,如何实现高效稳定的三维测量和三维识别定位是当前三维视觉研究领域面临的重大挑战。针对目前工业检测领域结构光三维测量的速度和精度相互制约的问题,本文提出基于新型彩色复合编码的结构光三维测量方法,在保证一定测量精度的前提下,大大减少投影幅数,提高了测量效率。针对现有多视角点云自动拼接方法易出现配准错位及算法效率低等问题,提出基于多匹配约束原则的粗精结合点云配准方法,极大减少点云错误特征匹配对,提高了多视角点云配准精度和效率。针对目前复杂场景下物体三维识别方法准确率低的问题,研究基于加权特征的机器学习识别方案和基于加权点对特征的识别方法,权重因子提高了算法识别的准确率。最后,集成开发出一套快速高精度的三维测量拼接与识别系统。本文的主要内容概括如下:(1)深入调研国内外关于结构光三维测量、多视角点云配准、复杂场景点云识别等三维视觉技术,对现有方法进行归纳总结和对比分析,指出目前三维视觉领域的难点问题,确立本文的研究重点。(2)针对结构光三维测量技术存在的高速与高精度矛盾问题,提出一种新型彩色复合编码的结构光三维测量方法,通过正弦编码、分段阶梯相位编码和格雷码的复合编码方式,可在保证测量精度的同时,实现四帧彩色图案完成测量,大大减少条纹图的投影幅数,提高测量效率。同时,采用基于Caspi颜色响应模型和7阶多项式光强响应模型分别对条纹图像的颜色串扰误差和gamma非线性误差进行补偿,提高三维测量系统的精度。(3)针对三维测量系统的多视角点云拼接效率低、配准精度差等难题,提出基于多匹配约束原则的粗精结合点云配准方法。考虑特征点的错误匹配对点云配准结果准确性的直接影响,创新性结合互惠性、几何一致性及随机采样一致性等原则准确筛选待配准点云的特征匹配对,避免错误匹配点对的配准计算,提高配准效率和精度。同时,为缓解精配准易陷入局部最优解的问题,采用随机采样一致性粗配准与改进迭代最近点精配准相结合的方法完成多视角点云拼接,实验表明该方法能有效应对点云存噪声且重叠区域少的配准需求。(4)针对目前复杂场景三维点云识别定位方法鲁棒性低的问题,研究基于加权特征的点云识别方法。对传统基于机器学习的结合全局与局部特征的点云识别方法和基于点对特征的点云识别方法进行深入研究。考虑点云噪声及密度的影响,在特征求取过程引入权重因子,并分析对比加权前后两种方案的优劣,最终选择识别准确率更高更稳定的基于点对特征识别方法进行系统相关功能模块的开发。(5)在上述理论与方法研究基础上,采用编程语言C++,Qt软件开发框架、Open CV图像处理库、PCL点云处理库及Eigen矩阵运算库实现各项算法功能模块,结合开发出一套快速鲁棒的物体三维测量与点云识别系统,该系统三维测量范围为300x250x30mm,精度可达200μm,测量时间约为1.3s。最后,通过对实例物体的三维测量拼接与识别实验,验证本文开发的三维视觉系统各项功能及相关算法的有效性。