计算机视觉三维重建技术的研究是计算机视觉学科的一个重要领域，有助于实现非接触三维测量及快速建模。该项技术工作效率高，有利于生产过程自动化程度的提高，是三维建模的一个重要的发展方向。 本文主要对双目立体视觉重建技术的摄像机标定、特征提取和立体匹配等内容做了详尽的研究。 在摄像机标定部分，本文将神经网络标定技术应用到实际中，利用神经网络的学习记忆功能，通过样本训练使神经网络学习立体视觉系统中的非线性关系和摄像机的内外方位元素，并且保存起来，可以一次性完成对双目视觉两个摄像机的标定，并且克服了传统校准方法计算复杂、计算量大而且建模不准的缺点。 在特征提取部分，本文对传统的Barnard边缘点提取、新近的SUSAN角点检测等技术做了详细的分析和研究，并在此基础上提出了基于Freeman差分码的多特征提取方法，包括拐点、直线及曲线，而且提取的直线利用多直线段分解法进行拟合，提取的曲线利用B样条技术进行拟合，最终形成有意义的轮廓。 在立体匹配部分，针对提取的各类特征，详细研究了基于特征点(包括边缘点、角点、拐点)匹配的松弛迭代法，并在Freeman差分码边缘线段检测的基础上，提出了基于线段特征的最大相似度匹配方法。该方法匹配速度快，并有利于三维重建的快速实现。 论文最后给出了实际模型三维坐标重建的全过程，并应用MATLAB编程进行了实验。