随着结构光和计算机图形学的飞跃发展,基于结构光的三维测量与目标重建已经成为了计算机视觉的主要任务,工业、影视、军事和医疗等行业对其提出了迫切的要求。利用结构光可以简单、快速并且精确地对被测物体进行三维测量,对获取的三维数据点集进行三角剖分,可以快速准确地重建被测物体的三维形状。本文对基于结构光获取的深度图像进行三维信息提取方法和目标重建算法这两部份进行研究。首先针对深度图像获取系统的特点,研究分析了图像滤波、阈值选取和条纹细化的方法,采用了一种图像线性平滑和图像锐化相结合的滤波方法,有效的去除了噪声。选用基于灰度图像直方图双峰法进行图像二值化和Hildtch细化算法能够很好地提取出目标的三维数据,通过对深度数据点集插值得到了目标更多的深度信息。文中重点研究目标的三维数据点集空间直接剖分算法,以三角形来逼近目标的三维形状进行三维重建。采用了一种大规模散乱数据的空间划分方法及其相应的数据结构和编码方案,以提高在数据点搜寻和遍历时的速度,研究分析了在局部增量剖分算法中如何采用外连剖分和内连剖分相结合的剖分原则,确定了边剖分边优化和一种计算空间点到直线距离的简单方法来判断三角形是否合法的原则。并对这一算法进行了软件设计,给出了计算实例,剖分结果证明了该算法能较好地对三维数据点进行剖分,相对于Delaunay剖分算法的时间复杂度O(n~2),本算法的时间复杂度为O(n),具有一定的实用性。