随着机器视觉技术的快速发展,三维重建技术成为一种工业上物体形貌测量的重要手段。对于弱纹理物体的三维重建,传统方法难以匹配到足够的特征点,导致重建不完整。因此针对视觉测量中高精度的要求,本文提出一种兼顾重建对象主体和细节的综合三维重建方法,对弱纹理物体表面以及细节部分进行高精度重建。首先,对三维重建方法原理进行探究,分析传统增量式三维重建方法流程中的相机标定模型和特征匹配原理模型,研究传统线性三角测量和非线性光束法平差的重建方法,分析弱纹理物体在传统重建方法下的难点,建立了初步的三维重建流程。然后,建立了基于面片扩展滤波重建算法的点云稠密化模型,通过空间面片扩展来丰富点云密度。设计了层次分析法来筛选误匹配的特征点,使用预训练的神经网络模型控制特征点数量。随后研究了基于深度图融合的重建方法,利用深度信息对上述未重建出的细节部分进行补充重建,得到较为完整的点云模型。在此基础上针对高光环境下深度图会产生孔洞的问题,设计了一种光参数估计的光照补偿方法,以及一种基于均值漂移算法的深度图平滑方案。采用标准测试图片进行仿真,初步检验该方法的可行性。最后,对上述三维重建方法进行实验验证,首先对室内场景下的弱纹理物体进行重建实验,在得到稠密点云模型后,将点云扩展成三角网格模型,并使用泊松算法优化模型缝隙,再将模型表面进行渲染,得到完整的弱纹理物体三维重建模型。在此基础上对室外环境下的弱纹理物体再次进行实验验证,使用多种性能指标对实验数据进行评价,结果表明,重建后的模型表面参数,精度可控制在1～2mm,模型结构相似性在90%左右,性能指标均符合视觉测量要求,验证了本文方法的鲁棒性和有效性。本文从三维重建的效果完整性和算法实用性出发,提出一套弱纹理物体表面三维重建的解决方案,研究内容为工业视觉测量提供了理论和技术支持。