三维感知技术是计算机视觉领域中的重要组成部分之一。如今,获取三维信息的方法有很多。其中,通过双目视觉便可以获取被测物体的三维信息。但是传统的双目视觉算法计算量大,匹配算法复杂且特征点识别困难,对没有明显特征的图像匹配精度较低。本文提出了一种基于近红外双目结构光的三维感知方法,将主动方式的深度测量技术与被动方式的深度测量技术相结合,解决了特征点匹配困难的问题,进而提高了测量精度。与传统结构光成像采用单目相机相比,该方法采用了双目相机立体解决了投影仪标定困难的问题,降低了系统的复杂性,提升了近红外双目结构光系统的可操作程度和灵活程度。本文的具体内容如下:首先,本文在构建近红外双目结构光成像硬件系统的基础上,研究一种基于平面标定的双目结构光成像系统标定算法。标定算法不仅能够获取双目结构光系统中左右相机的内部参数而且可以计算能否体现左右相机相互关系的外部参数。在此基础上,通过Bouguet极线校正法对双目结构光相机进行极线校正,使双目相机的光轴平行,从而保证像点在左右相机的高度一致。然后,本文提出了一种Census-PatchMatch双目结构光立体匹配算法。在该算法的匹配代价函数中使用了光照强度代替PatchMatch中的色差因子,使用Census变换函数作为权重函数。同时在迭代过程中,本文提出了一种基于稀疏归一化的优化方法,其中,在迭代时仅提取图像隔行、列的像素数据进行分析。提取完图像中的角点之后,左右摄像头采集图像的角点个数不一定相同,接下来,使用归一化的方法对包含角点对的图像进行优化,从而使左右两幅图像的角点对相对应,从而提高了算法的运算速度。在通过Census-PatchMatch匹配算法得出深度图后,与双目立体视觉系统以及基于PatchMatch匹配算法的双目结构光系统的实验结果进行对比,得到了本文提出的算法的精度均高于上面两个算法精度的结果。最后,本文基于Census-PatchMatch双目结构光立体匹配算法获取视差图,同时使用三角测量法将视差图转换成深度图,将深度信息和彩色信息进行融合,形成具有彩色信息的三维点云图,然后给出了具有彩色信息的三维点云实验结果。