三维重构技术广泛应用于工业、农业和手工制造业等领域,其精度、实效性、时间以及经济成本等是各行业对三维重构不断改进与优化的目标。当前,基于立体视觉系统的三维重构技术研究已成为研究热点。立体视觉目的在于重构场景或物体目标的三维几何信息,在航空测绘、反求工程和医学成像等领域得到广泛应用。机器学习近几年来广泛应用于生物特征识别、搜索引擎和医学诊断等各个方面,使计算算法更具智能性。将机器学习引入到三维重构技术中,能够提高重构精度、加快重构效率、减少重构成本,在三维重构技术领域引起了广泛的关注。本文从农机零件和采摘果实模型构建的实际需求出发,重点研究基于立体视觉与机器学习的三维重构技术方法。通过两种立体视觉系统对目标物体的表面信息进行获取,完成目标物体的三维重构。本文阐述了从平台搭建、图像获取到最终曲面生成的三维重构整体流程,并对现有算法进行一定的改进,以提高三维重构的效率与精度。本文的主要研究内容如下:1)分别搭建了双目立体系统与四目立体系统的图像获取平台。阐述了双目、四目的视觉成像模型以及单目、双目、四目的标定原理,并简单介绍了坐标系转换与相机内外参数等获取的相关理论。通过试验展示了双目、四目立体系统的平台的室内场景效果,采用双目视觉对室外场景进行了三维重构试验,对得到的三维重构结果进行了分析。2)提出了一种复杂背景下图像预处理的方法。依据试验环境与重构目标特点,对图像进行了背景抑制处理,将机器学习在图像分割中的算法应用进一步引入到三维重构的图像预处理中,并在Grab cut图像分割与深度学习Deeplab图像语义分割两种算法的基础上利用腐蚀与膨胀等形态学处理,对算法进行改进与融合,得到了一种新的图像分割算法,能够有效地将拍摄目标快速从复杂背景下分离出来,克服了传统三维重构试验中图像获取时依赖单一背景的局限。研究了图片的ROI截取与背景反相,并在此基础上进行立体匹配,进而生成三维点云。3)对比各种点云处理以及点云配准方法,提出了获取较好目标三维重构效果的算法搭配。对比研究了双边滤波、直通滤波、体素栅格滤波以及半径与统计滤波以去除原始匹配点云中各种噪点的效果;在点云关键点提取与特征描述算法的选择中,比较Harris、SIFT、NARF以及PFH、FPFH、VFH等算法的特点,最终选择NARF作为关键点提取算法,FPFH作为点云的特征描述符。点云配准包括粗配准与精配准两个步骤,粗配准采用SAC-IA算法,而精配准通过经典ICP算法与3D-NDT算法的结果对比,最终选择3D-NDT作为试验的精配准方式。4)研究了三维重构模型的优化方法,即点云平滑、曲面重建与曲面填补的相关算法。获得重构对象的点云后,先使用移动最小二乘法对其进行平滑处理,再运用泊松曲面拟合算法来实现曲面重建;针对模型中出现的曲面孔洞,或重构时目标特征丢失的部分,运用径向基插值算法进行曲面填充,得到完整的三维重构模型。5)为了验证三维重构算法的有效性,完成了三种不同模型的重构试验,即基于双目立体视觉的小车模型重构,基于四目立体视觉的农机零件重构,野外环境下香蕉果串模型构建与定位试验,通过三个试验,验证了重构方法可以满足工程建模及辅助农业果实采摘决策的需求。