近些年来,基于目标物体结构或者场景的图像序列来重建出目标结构已经成为科研工作中的热门问题。而仅通过相机围绕目标中心的环绕拍摄来重建出与之对应的三维模型需要多方面的领域理论技术支持才能得以发展。伴随着计算机视觉、模式识别、图像处理、计算机图形学等领域理论技术的不断发展使得该三维重建技术的应用越来越贴近我们的生活,如虚拟现实、增强现实、医学辅助诊断、机器人视觉导航等。为了实现基于双目视觉的零件自动识别与筛选,本文提出一种基于双目视觉多视图的零件三维重建方法,该方法对于机器视觉感知检测、三维模型恢复重建等领域有着广泛的应用。针对基于双目视觉多视图的零件三维重建,本文以SFM(Structure from Motion)算法为切入点展开研究,由于SFM算法是基于单目图像序列的目标结构恢复,在三维重建过程中易受视界误差以及环境亮度不同等影响,容易造成重建结果的鲁棒性差。针对以上问题,本文在SFM算法中引入双目视觉理论,首先通过组建一台双目相机,并调整左右相机的成像平面,使其在同一水平面内,随后对调整好的双目相机运用双目相机标定方法求解相机的内外参变量,然后对通过双目相机拍摄的目标零件结构图像序列进行立体校正,使得对应的一对左右图像中像素点处于行对齐状态。然后着重对基于双目图像序列的三维重建算法进行了研究,并对算法流程展开详细阐述。通过基于双目图像序列的三维重建算法将重建出的左右部分点云进行合并得到目标零件结构的最终三维点云,之后通过实验验证了算法的可行性。在获得了目标零件结构的较为准确的三维点云模型之后,又对点云模型的表面重建算法以及纹理映射方法进行了研究。为了使重建出的三维点云模型表面具备良好的封闭性,以及与待重建目标结构相似的表面特征,本文通过泊松表面重建,处理求解泊松方程实现目标结构三维点云的表面重建,最后对零件三维模型进行了纹理映射,得到最终带有纹理信息的目标结构三维模型。