三维点云模型在人脸识别、三维动画、虚拟现实等许多领域有着广泛的应用。在各种三维点云重建技术中,双目立体视觉由于其实现灵活、配置要求低的特点而受到广泛的关注。立体匹配算法是双目立体视觉技术的核心而低纹理图像的有效匹配是立体匹配的难点,本文对低纹理图像的立体匹配进行了深入的研究,结合现有的立体匹配算法,提出了两种实用的低纹理图像三维点云重建算法:　　 1.提出了一种基于立体匹配的低纹理图像三维重建算法。该算法首先通过约束匹配窗口的大小和形状聚集匹配代价,在低纹理区域能够获得足够的灰度支撑匹配的同时不至于使视差边界产生过平滑现象,再采用一种基于像素间相似性和像素自身特异性的函数增大低纹理区域像素间匹配代价的区分度；然后采用一种全局意义上的简单树形动态规划对图像进行逐点匹配,最后运用一种简单有效的视差校正方法消除误匹配得到最终视差图。该算法能够很好解决在立体匹配中纹理稀疏特征带来的困难,以及改善传统动态规划带来的条纹问题。　　 2.提出了一种基于彩色图像分割的立体匹配算法。由于在低纹理区域没有足够的颜色信息指导匹配,将彩色图像进行分割然后运用可靠的匹配点进行模板拟合计算不同低纹理区域的视差模板；一方面由于区域模板视差值比较集中且接近于真实视差值,减小了视差搜索范围；另一方面将模板结果作为参考项来构造能量函数,减小了低纹理及边界区域的误匹配率,而且加快了搜索的速率。　　 基于上述的匹配算法,实现了完整的获取图像三维点云模型的系统,并基于Middlebury标准库图像及实拍图像对算法和系统的有效性进行了检验,同时对所得三维点云结果进行了定性和定量的分析。实验结果表明,重建得到的三维点云模型稠密且光滑逼真,准确度较高；最后通过纹理映射所得贴片模型与实物相似度高。