圆环编码标识点因易于识别、定位精度高、稳定性好等特点,在三维测量领域有广泛的应用,尤其在相机标定和摄影测量中。标识点的解码关系着不同视角图像的匹配和深度数据的融合,标识点的中心提取直接影响着测量系统的精度,二者是三维重建的两个关键因素。当前的解码方法和中心提取方法存在一定问题,相机分辨率、拍摄角度、拍摄环境等多种因素都会影响到解码效果和提取精度。因此,如何进一步提高圆环编码标识点的解码准确率和中心提取精度是一个值得探索的研究方向。论文主要对相机标定过程中圆环编码标识点的提取解码技术展开研究,主要的工作内容如下:针对标识点的解码,提取了尺度不变特征变换（Scale Invariant Feature Transform,SIFT）和全局Hu矩作为标识点的特征描述,SIFT特征通过特征词袋（Bag of Features,BOF）进行量化。特征融合后,针对不同连通域个数的标识点,利用支持向量机（Support Vector Machine,SVM）分别训练分类器。最后通过对应分类器预测标识点的编码值。对上述方法,利用透视投影模型制作数据集,选择出最优的BOF聚类中心数目和特征融合权重。在成像角度小于70 o的测试集上,本方法的平均解码准确率达到97%,且对噪声变化有很好的稳定性。针对标识点的中心提取,提出一种基于编码环带径向直线拟合的中心定位方法。首先提取标识点边缘,分割出编码环带中的径向直线,对直线边缘点进行亚像素定位。然后将提取出的亚像素边缘点集映射到参数空间,求出所有曲线之间的交点。最后利用随机采样一致性（Random Sample Consens,RANSAC）算法对交点进行拟合,曲线逆映射回原始空间得到中心坐标。仿真分析表明,相比于椭圆拟合提取中心的方法,随着标识点尺寸和拍摄角度的增大,本方法的中心提取误差从1个像素降低为0.05个像素,提取精度更高,对成像尺寸和拍摄角度的变化有更强的稳定性。最后,搭建条纹投影三维测量系统,并制作圆环编码标识点构成的平面标靶,验证本文提出方法的有效性。拍摄不同位置与角度的标靶图像,标靶成像角度小于70 o的情况下,本文解码方法的解码准确率超过96%,相对传统方法有明显提升。利用标靶标定相机,本文中心提取方法的标定重投影误差相对椭圆拟合方法减少了20%。相机标定后三维测量系统的测量误差小于50 um,测量精度提高了10%,证明了本文中心提取方法能一定程度上提升相机标定精度和系统测量精度。