基于相位移动深度感知是指利用相位编码获取高精度和高分辨率的深度信息。广泛应用于工业生产制造、文物保护、生物医疗、传媒艺术和国防安全等领域。在相位移动深度感知中,感知精度受限于相位展开的快速性、准确性和鲁棒性。相位展开的目的是消除相位的周期性混叠,在整个图像上实现相位的一致性分布。由于场景光照复杂,目标表面颜色干扰等因素,高精度相位展开仍存在许多技术难点。本文在分析和总结国内外相关研究成果的基础上,对现有方法存在的不足进行了综合评价,对相位移动深度感知方法进行了深入地研究。本文主要研究内容和创新成果体现在以下几个方面:针对结构光深度感知系统中投影仪的非线性响应引起伽马误差的问题,设计一种基于离焦投射效应的相位投影图案和三种辅助相位展开投影图案。在二值相位投影图案方面,为了获取离焦效应下相位移动投影图案,基于误差扩散和灰度相位校正设计了二值相位移动投影图案优化方法。在辅助相位展开投影图案方面,为了提高相位展开的准确性和鲁棒性,获取离焦效应下时序编码的准确码值,基于格雷码设计了 CGC投影图案。为了进一步精简时序编码数量,提高相位展开的快速性,基于灰度阶梯编码设计了 GSC投影图案。为了获取离焦效应下空间离散编码的准确码值,基于随机散斑和线图案设计了随机网格投影图案。针对相位移动深度感知在相位展开过程中鲁棒性低和抗干扰能力差的问题,提出两种基于时序编码的相位展开方法。为了提高复杂场景中相位展开的准确性和鲁棒性,提出基于CGC时序编码图案设计相位展开算法,该方法可以实现复杂场景高精度相位展开。为了进一步提高相位展开的快速性,提出基于GSC时序编码图案的相位展开算法,该方法在提高相位展开准确性和鲁棒性的同时提高了相位展开的快速性。针对相位移动深度感知在相位展开过程中辅助信息多、边界误差大的问题,提出基于稀疏深度的相位展开算法。该方法利用随机网格感知的稀疏深度作为辅助信息,以实际相对相位边界为基础,利用稀疏深度校正相位序数,在边界偏移方面的表现有优越性,可以实现快速高精度相位展开,有效地提高了相位展开的效率。为了快速获取离焦效应下空间离散编码的准确稀疏深度,以随机网格拓扑特征匹配结果作为真值,提出了基于机器学习的随机网格快速稀疏深度感知算法,提高了辅助信息的生成效率。针对相位移动深度感知在相位展开过程中辅助信息繁冗的问题,提出基于R-CNN和LSTM的RP-Net相位展开网络。将分割的不规则相对相位区域块作为RP-Net输入,利用R-CNN获取相对相位区域块的高维度特征,利用LSTM提取高维度向量序列间的关联特征。利用Softmax分类器对区域块高维度特征向量分类,求取准确的相位序数信息。该方法将相位展开问题转化为相位区域分类问题。可以实现无辅助准确相位展开,与传统相位展开方法相比具有优越性。