随着虚拟现实和三维建摸技术在国内的迅速发展,计算机视觉技术得到了快速发展,并逐渐应用到人民的日常生活中。其中,三维重建技术作为计算机视觉里相当热门的领域。面对泊车时出现的场景,怎么有效率的、精确的进行三维重建,已经变成了关键问题。对于泊车的场景重建任务,主要从不同角度采集空间的信息,之后计算图像对中坐标的视差,这样就得到了泊车场景的三维信息。利用双目视觉进行三维重建,这个过程一般分为相机标定,图像预处理、特征点提取,立体匹配、三维重建。通过对双目视觉的原理进行了研究,泊车背景下的场景进行深入探索与分析。将三维重建的方法灵活应用泊车等场景中,构建了一种基于双目视觉的泊车场景重建方法。之后主要从以下三个方面对双目视觉及其三维重建进行改进。首先,图像匹配里传统的尺度不变特征变换(SIFT)因为存在数量与维数相对较多,导致出现计算量大匹配时间长的问题。故提出了一种基于主成分分析法改进尺度不变特征变换(PCA-SIFT)的算法。该算法采用了一种圆形描述符对SIFT降维,同时利用主成分分析法将描述符继续降维,以此来剔除描述符的维度带来的误差数据;其次在匹配时通过分层粒子群算法优化欧式距离与余弦相似度函数,根据差异性进行分层处理,以此找到函数的极值,得到匹配点;最后,通过采集小车双目图像,对收集的图像使用SIFT算法与PCA-SIFT算法进行特征匹配,建立稀疏点云对泊车场景进行三维重建。对两种重建图像进行了实验验证与结果分析,验证了提出算法的有效性。图26幅;表6个;参55篇。