基于光学原理的三维成像方法是人们对现实三维世界作立体感知的重要手段,近年来,伴随着计算机技术和光电子器件的快速发展,光学三维成像数据在图像的分辨率、信噪比、数据量上均比传统的成像手段有了大幅的提升。但是,在获得了这些高质量的成像数据后,如何高效地对其进行分析成为了一个新的难题：一方面,在如生物医学领域上的许多应用中,仍存在对人工分析和解读的大量依赖,这些人工方法已不能满足大数据条件下的分析要求,使用计算机来进行自动数据分析已成为大势所趋；另一方面,三维成像获得的数据总是冗余的,需要从背景中将真正有意义的目标数据提取出来,而这一过程往往还涉及了对一些关于三维目标的几何结构、动态特性等关键参数的量化测量。在这一背景下,本文针对光学三维成像数据的自动量化分析方法进行了研究：首先,在光学三维成像数据的分析理论上,回顾和总结了当前图像分析和处理的一般性理论框架,针对光学工程领域对量化测量的需求,提出了一种新的多层次三维数据自动量化分析体系,打通了从三维成像到图像分析再到图像伺服之间的通路,为光学三维成像的数据后处理方法提供了一个较为完善的框架。其次,在三维成像数据的空间关系校准方法上,研究了单视图和多视图的空间关系校正方法,提出了适用于多种立体视觉系统结构的传感器内外部参数校准方案,显著提升了三维成像测量的精度。此外,还对三维图像伺服中多变换共存的空间关系校准问题进行了研究,提出了一种伺服投影矩阵的量化校准方案,实现了三维图像数据空间与现实世界中的伺服机构坐标系的精确校准。再次,在三维图像数据的特征提取方法上,分别从三维图像的边缘特征检测和区域分割算法上重点开展了研究：首先,在分析了当前三维图像的特征提取方法的研究现状的基础上,提出了一种基于动态规划算法的边缘检测方法,实现了稳定性较高的连续的单线线条提取；其次,还提出了一种使用区域属性来对生长过程进行约束的区域生长和分割的算法思想,结合实际应用设计的算法在层析堆叠图像的区域分割中取得了比传统方法更为优秀的特征提取效果。再次,在三维目标的自动量化评价方法上,进行了三维目标的模型简化、目标结构参数的自动量化测量等方法的研究,提出了一种利用投影空间关系来统一二维-三维数据的混合量化分析方法,扩展了分析方法的适用范围。此外,还提出了一种通过对二维图像特征提取精度的统计分析来反推三维数据质量的方法,实现了在硬件结构确定的情况下仅通过图像分析来进行三维成像精度的量化判定。最后,在光学三维成像数据的自动量化分析方法的应用上,分别对立体视觉伺服的柔性激光加工、基于立体视觉的羽毛形貌质量量化评价、基于内窥OCT的呼吸道管壁多层结构数据的自动分析、以及基于多普勒OCT的大脑动脉血流动态特性的量化分析等若干三维数据分析应用开展了探索。通过根据这些应用的实际需求来设计分析方法,提出了一些具有针对性的自动量化分析手段和系统,取得了较好的分析效果。总之,本文针对光学三维成像的数据分析问题展开了较全面的研究,主要创新性体现在提出了一些具有独创性和普适性的三维图像数据自动量化分析的新方法,大幅提高了三维图像数据分析的效率,在一定程度上解决了当前对光学三维成像数据的自动量化分析方法的迫切需求。