三维重建是计算机视觉模拟人眼功能所需要完成的最后一步,即从二维图像获取景物的三维结构信息,具有成本低廉、操作简单、真实感高等优点,有着广泛的应用前景,已成为计算机图形图像和计算机视觉等领域研究的热点之一。困扰视觉图像三维重构建模研究的问题主要在于特征点的获取阶段,特征点三维坐标的重建过程是一个复杂的逆问题,中间各个环节的耦合性较强,对噪声或离散化引起的误差极其敏感,并且每个环节都会对最后结果造成影响。尽管国内外在此领域取得了丰硕的研究成果,但仍有许多关键问题需要解决,包括：重建计算、图像对应特征点提取与匹配、基础矩阵估计、相机标定等。因此,围绕这几个关键问题,对中间环节进行改进,提高特征点坐标重建的精度,是目前该领域的研究重点。本论文在前人研究的基础上,对视觉图像三维重建过程中的关键技术问题进行了探索和研究,所完成的主要工作有： 从三维重建原理入手,分析了涉及到的关键问题,讨论了基于被动视觉的各类欧氏重建方法,总结了三维重建过程的一般性框架。实验性分析指出要获得良好重建结果的首要前提是准确的特征匹配和高精度的相机标定。 对多视点图像的三维重建计算方法作了细致研究,基于最优化理论和统计学理论,提出了一种鲁棒的最优化计算方法,用于解决视觉几何重建中的多种问题。仿真数据和标准序列图像数据的实验证实了该方法既能保证理论上的全局最优解,又能消除计算数据集中出格点数据的影响,较大程度的提高了计算精度。 在视觉图像三维重建中,普遍存在着灰度变化大、视角变化大、几何变形和图像噪声等不利于图像特征点提取和匹配的因素。有鉴于此提出了一种新的分阶段优化匹配策略,首先采用一种基于直方图的自适应提取初始匹配点的方法,确保在光照变化和视角变化条件下以很高正确率提取尽可能多的特征点,随后采用了自适应的RANSAC高精度基础矩阵估计方法,进一步消除各种的错误匹配,再进行图像对投影校正和基于图割的视差匹配处理,综合利用了全局极线几何约束和视差平滑约束,真实图像实验中获得了更多的反映物体形状特征的对应匹配点,证明了该方法的鲁棒性和精确性。 基础矩阵估计是视觉图像重建的关键环节,对它的估计精度将直接影响对应点的匹配准确性和特征点坐标的重建计算。本文对现有的各种基础矩阵估计方法进行了全面而深入地研究,并通过实验分析了M-estimators,LMedS,RANSAC等鲁棒估计方法的性能和优缺点,提出了自适应的RANSAC高精度估计方法和基于自适应进化算法的一致性估计方法,简化了参数设置,适应性强,实验证明这两种方法可以有效去除出格点,受图像噪声的影响小,而且估计精度高,能精确恢复外极几何关系,满足了不同场合下的三维重建实际应用要求。 在多数计算机视觉应用中,相机建模及标定是非常关键的处理步骤。本文在研究总结了四类相机标定方法之后,结合视觉图像三维重建系统的要求和特点,通过仿真数据和真实图像实验,对两类主要的高精度相机标定方法进行了性能分析和对比。在此基础上,本文从透镜畸变对拍摄图像的影响入手,提出了利用普遍使用的棋盘平面网格快速判断镜头非线性畸变的方法,根据畸变程度自适应的选择相机参数模型,并改进了2D平面约束的标定方法,减少了优化计算时间,提高了标定精度,并通过多个实验进行了验证。 在完成匕述研究的基础上,将特征匹配和相机标定的结果,应用于基于两幅图像的三维重建过程中,真实场景实验表明：本文在几个关键技术问题上开展的研究取得了良好的效果。针对单视图平面重建的应用需求,本文还提出了由单幅图像的矩形特征重建其空间平面几何形状的方法,并用实例验证了该方法的有效性和实用性。