计算机视觉在移动机器人导航、工业检测、军事侦察等方面具有很广泛的应用,试图创建能够从图像或者多维数据中获取“信息”的人工智能系统,在图像检测、图像的索引创建、医学图像分析和拓扑建模方面也有较新的应用。三维重建是计算机视觉重点研究方向之一。本课题提出了一种新的三维重建的方法,采用了理论分析,仿真分析以及实验验证三结合的方法从相机标定,图像匹配,图像融合,三维重建四个方面开展研究,以提高三维立体重建细节特征的精确性。(1)介绍了摄像机成像模型、坐标系变换、矩阵运算、摄像机标定等基础理论,详细分析了相机坐标系和世界坐标系之间的转换以及摄像机内外参数的数学推导过程,并对当前主流的张正友平面标定法进行仿真实验和实际实验,具有较高的标定精度和较好的鲁棒性。(2)介绍了一种基于新型不变特征的新型多视图匹配框架。该框架主要针对SIFT角点,分散的尺度空间,并使用模糊的局部渐变,还引入了一种新颖的异常值拒绝过程,图形匹配概率模型验证,该过程基于不正确的特征匹配的背景分布来验证成对特征匹配。使用捆绑调整来解决所有相机参数的一致性。(3)在深入研究了图像特征提取与匹配算法中为了最大限度的提取图像中的有利信息,提出并详细阐述了多频段融合算法。本文通过引入增益补偿和自动矫正步骤,将单一图片多频段信息加以综合,消除多图片拼接之间可能存在的冗余和矛盾信息,改善了光照不均造成的匹配性渐晕现象、解译的精度以及由于光学中心的不期望的运动引起的视差效应所造成的错误匹配段和径向失真。(4)本文涉及三维立体图像重建的问题。虽然2D问题得到了充分的研究,但2D或多维图像拼接实际效果有待提高并且在基于二维图像拼接上进行的三维重建依然是难点。以前的方法是手动输入图像序列,以便建立匹配的图像,此方法受到手动的限制。为此,我们本文以多图像匹配问题为出发点,并使用不变的局部特征多视图匹配框架来找到所有图像之间的匹配,结合标记点深度信息,通过仿射变换匹配到不同物面,以达到三维立体重建的效果,形成对目标的清晰、完整、准确的信息描述。