遮挡现象在人类的日常生活中随处可见,当视觉目标沿着观测者的观测方向在空间结构上产生交错,必定会导致对观测者观测行为的干扰,比如在模式识别、自动化场景认知、三维重建等应用场景的中,遮挡现象的产生都将带来极大的干扰。近年来,由于深度图像蕴含着观测物体的三维信息的这一特性,使其得到了迅速的发展及应用,并且使得如何基于深度图像检测和规避遮挡成为亟待解决的问题。本文在综合分析国内外研究现状的基础上,对基于深度图像的遮挡检测以及通过计算下一最佳观测方位的方式规避遮挡进行了深入的研究。首先,介绍了深度图像的定义和采集方法、遮挡的定义和产生方式;同时介绍了常用的遮挡检测方法的思路、遮挡规避的概念;之后介绍了基于机器学习思想的遮挡检测方法中表现较好的分类器原理,以及梯度下降法的基本原理。其次,在研究深度图像的遮挡检测方法过程中,深入挖掘当产生遮挡现象时物体在三维空间中所呈现的形态,以及三维坐标的分布特点,将遮挡现象分为两类处理,并可以完全的找到其中一种的遮挡现象下的遮挡边界。再次,基于遮挡边界检测结果,建立遮挡区域外接表面模型来描述遮挡区域未知信息,构造下一最佳观测方位数学模型,采取梯度下降优化算法求解下一最佳观测方位数学模型,实现遮挡规避。最后,通过实验对所提的遮挡边界检测及规避方法的可行性和有效性进行验证,并且结合实验结果与其它方法进行比较分析。