随着计算机视觉相关领域的蓬勃发展，利用三维信息来理解各种场景变得越来越重要，其中深度数据的获取是必不可少的，快速、高精度、稠密的深度数据的获取是现阶段的研究重点。但是已有的方法或者能够在牺牲效率的情况下获取高精度的深度数据，或者在牺牲精度的情况下高效率的获取深度数据。本文提出了两种基于条纹结构光的深度获取方法。第一种使用黑白条纹模板，该模板中黑白条纹依照De Bruijn序列进行编码，以保证译码简单快捷。为了获取高精度的稠密深度数据，本文引入相位差匹配算法。该匹配算法能够保证图像中每个像素实现亚像素级匹配。另外，由于深度数据在区域边缘处误差较大，本文采用同一连续区域内深度数据的连续性对深度数据再优化处理。实验证明，对于场景中包含大面积连续区域的情况下能够快速获取高精度深度数据，但是当场景中含有过多小面积目标时，该方法失效。因此，本文提出第二种基于随机模板的方法。该随机模板中各列白色像素点的密度是周期的，对该模板积分后是周期信号，本文在匹配算法方面仍然选用相位差法，以保证匹配精度为亚像素级。该方法相比于第一种方法的优势在于当场景中含有大量条状区域时，可以使用区域相关匹配算法对匹配结果进行改进，最终保证深度数据的高精度。除此之外，第二种方法与其他全局搜索的区域相关匹配算法相比，所得深度数据的精度更高，计算量大幅度减少，更容易满足实时性要求。实验结果显示，该方法对硬件要求较少，所得数据精度较高，计算时间短，满足实时性要求。