摄像机是一种非常有用的测量设备,它不仅能产生真实的场景图像,同时能提供所拍摄场景的几何特性等信息。三维重建就是利用图像或其它信息和手段定量研究实物或场景的三维空间特征的技术。目前,三位重建是计算机视觉中最活跃的研究课题之一。该问题的研究成果广泛应用于机器人导航、物体识别、建筑学、考古学、医学和军事等各领域。从理论上说,通过摄像机获取的图像一般为二维的灰度图像,它是三维物体的几何特征、光照、物体材料表面性质、摄像机参数和所拍摄图像的环境等许多因素的函数,由灰度反推以上各种参数是逆问题,这些问题往往都是非线性的。如何对受噪声干扰的二维信息恢复出三维信息是计算机视觉领域的一个研究难点。立体匹配、摄像机标定及三维重建是基于立体视觉三维重建的三个主要部分,本文重点对立体匹配进行了研究。在立体匹配部分,首先提取子象素级角点作为特征点,有效的提高了定位精度,通过立体图像对特征点之间的相关性得到候选匹配对。然而,由于图像噪声、特征点提取算法以及非匹配点的局部相似性和遮挡的影响,相关匹配中必然存在较多的误匹配。针对此问题,本文采用具有强约束关系的极线几何消除初始匹配对中的误匹配,采用鲁棒的最小中值法计算基础矩阵,恢复极线几何,剔除误匹配,获取新的匹配对。经过以上各个阶段的匹配,基本得到一个精度较高的匹配点集,该点集剔除了误匹配和一些不确定的匹配点对,恢复的极线几何相对也很精确,但同时得到的最终匹配点对也很少,所以可以利用求出的基础矩阵从初始匹配集中提取一些新的、符合极线几何约束的匹配点对,得到更多的匹配点对。本文应用VC++及INTEL提供的专门用于计算机视觉开发的OPENCV库,实现了两幅图像的立体匹配。摄像机标定是立体视觉中非常重要和困难的一步,标定结果的好坏直接影响着三维重建效果。由于实验条件的限制,本文只是简要介绍了传统的标定方法和自标定方法。在三维重建方面,通过OPENGL实现空间离散点的重建。