智能机器随着人类社会的发展得到了越来越广泛的使用,为使智能机器能更好的服务于人类,使机器具备类似于人眼的感知能力和大脑的决策能力是许多科研工作者不懈努力的目标。机器视觉研究的目的就是让机器具备类似于人类视觉的感知能力。三维重建是计算机视觉技术的主要内容之一,基于双目视觉的二维图像特征点的提取及特征点的匹配是三维重建技术的核心。因此,本文对角点的提取算法与角点的匹配方法进行了研究。首先,本文介绍了三种经典的角点检测算法的思想、原理,并且基于这些算法分别对图像进行角点检测试验。同时,也对传统匹配方法的流程做了简要的说明。其次,本文针对经典角点检测算法的不足进行了改进与创新,提出一种新的角点检测方法：多尺度角点检测算法。该算法首先对图像按复杂程度进行了分类,对于有固定场景的单一图像,先进行边缘提取,并将边缘在不同尺度下进行高斯平滑,通过比较平滑后边缘差异来判断角点；对于无固定场景的复杂图像,不断对图像进行高斯平滑和Harris算法检测的迭代,利用角点比噪声更稳定的特点,来区分多次尺度平滑后的真实角点与噪声。通过试验,验证了多尺度角点检测算法的检测效果明显好于经典角点检测算法。再次,针对于传统的直接基于相似性测度的匹配方法的缺陷,本文提出了一种基于尺度、距离、旋转测度的角点匹配方法。该方法首先利用频域相似性对角点进行初始匹配,而后对每对候选匹配角点进行基于尺度、距离、旋转测度的计算,利用计算后的函数值来判断是否为正确匹配。通过试验,验证了基于尺度、距离、旋转测度的角点匹配方法的匹配结果要明显好于经典的匹配方法。最后,本人总结了所取得的成果,并提出了关于角点的检测与匹配研究的一些想法以及对角点的检测与匹配的展望。