相对于传统立体视觉,旋转立体视觉具有标定次数少、成本低、易于对物体实现整体重建等优点。本文针对旋转立体视觉进行了比较全面的研究,包括基于旋转立体视觉的特征点匹配算法、三维重建算法、自标定算法。首先,本文在研究图像的特征点匹配算法时,利用旋转立体视觉的固有空间特性改进了传统的SIFT特征点匹配算法。实验结果表明,改进后的SIFT算法降低了特征点的误匹配率。其次,根据旋转立体视觉中各摄像机坐标系的特殊空间关系,本文通过设定世界坐标系的位置,提出了两种基于旋转立体视觉的重建算法。一种是通过设定世界坐标系的一个轴与旋转轴重合,另一种是使世界坐标系的一坐标平面与我们用于手工标定的标定板平面平行。本文通过计算机仿真和实际实验对算法分别进行了验证,结果验明了算法的可行性。再者。本文根据极点成像原理,推导了摄像机的极点坐标、内参数与旋转矩阵之间的关系,进而得到一种旋转立体视觉的外参数自标定方法。即先通过在一个方位对摄像机进行手工标定得到摄像机内参数:然后,获取同一物体在两个方位的成像图片的极点坐标,通过对极点、摄像机内参数和旋转矩阵的关系计算出旋转轴方向向量;由极点、摄像机内参数和旋转轴在摄像机坐标系下的平移矢量的关系计算出旋转轴在摄像机坐标系下的平移矢量;最后根据之前得到的旋转轴方向向量和旋转轴在摄像机坐标系下的平移矢量计算出摄像机外参数矩阵。由于旋转立体视觉只需要一台摄像机就可以完成对物体的全方位拍摄,同时基于旋转立体视觉的外参数自标定方法只需对摄像机从一个方位上进行标定就可获得摄像机处于任一方位的摄像机投影矩阵,这样本文研究的基于外参数自标定方法的旋转立体视觉进行物体三维重建方法,易于获得序列图像,可以减少标定次数和降低操作的复杂性,从而提高对物体的整体三维重建速度和精度,同时也节省了三维重建的成本。