料面的三维重构一直是测量领域中热门的研究课题之一。三维重构的基本步骤为图像获取、相机标定、特征提取、立体匹配、及三维重建。针对国内外企业对料面三维重构手段复杂、成本高、精度低的弊端,本文将料面三维重构问题抽象为双目相机标定曲面三维重构问题,进而提出基于主动立体视觉法,借助激光网格标记物体,建立预测模型实现像素坐标与世界坐标数学映射关系,重构料面模型。具体工作及文章的创新点如下:1、在自然光照背景下激光标记图像特征提取步骤中,针对激光特征非自动提取及彩色图像边缘出现漏检和过检的弊端,本文提出一种基于信息熵的自适应聚类激光标记图像提取算法,本算法使用信息熵评价函数以及聚类数作为K均值聚类的聚类数优化指标,自动确定K均值聚类最佳聚类数。实验结果表明该算法能更精确地将激光标记从复杂背景中自动提取出来。2、针对传统标定存在求解参数多、操作性差、标定精度低的缺陷,提出改进人工蜂群优化最小二乘支持向量回归机(ABC-LSSVM)预测模型。人工蜂群算法容易陷入局部最优解,收敛精度低的不足,在跟随蜂的邻域搜索中添加瑞利分布函数,增强搜索的随机性。从不同维度验证四个基准函数,改进人工蜂群算法验证结果提高了收敛精度并且减少陷入局部最优解的次数。改进后算法与PSO-LSSVM、GA-LSSVM以及标准ABC-LSSVM比较,改进ABC-LSSVM的X、Y、Z模型MAPE为0.061、0.125、0.055,RMSE为0.3793、0.4241、0.309,提高了预测性能。根据改进人工蜂群优化LSSVM预测模型输入匹配的实验模型数据得到空间点坐标值,模型X、Y、Z的平均误差分别为1.22%,2.25%,1.1%,效果较佳。本课题的料堆面重构测量方法在一定程度上,实现了料面测量的自动化,并且通过实验室建模测试,验证了算法的正确性。该方法操作性强、成本低、适合普遍推广。