如今,随着社会的持续快速发展,伴随而来的噪声问题也愈加突出,对噪声治理的需求也逐渐增大。噪声治理措施需要根据特定场景的声学分布特性进行制定,这涉及到声学模型的构建与计算,但建立声学模型,尤其是复杂结构需要众多尺寸数据,可能使得建模效率低下且不完备的几何参数还会影响建模准确性,而基于图像的三维重建方法能将物体丰富的结构细节表现出来,为解决这个问题提供了一条途径。为探索通过机器视觉与三维软件联合建模,高效建立目标场景声学计算模型的方法,本文完成了如下研究工作:首先研究了经典视觉三维重建系统的框架及原理,为缓解SIFT算法在特征提取时存在提取效率低、特征冗余等问题,提出一种8邻域标准差模板的特征预筛选方法。首先将图像进行3×3图像块划分,然后以中心像素周围8个像素的灰度标准差作为灰度阈值,通过讨论图像块中心像素与邻域像素的相似数来剔除无用图像区域以提升检测速度。实验证明,相比于传统SIFT算法,特征点数在平均减少1.9%的情况下,检测耗时平均降低了11.4%。其次,考虑到RANSAC算法在内点率较低的情况下收敛速度慢甚至失败的问题,提出了一种基于匹配信息的自适应3维多峰直方图投票方法。利用初始匹配结果中像素坐标与主方向角位移量的拉普拉斯分布特性,以变化量的标准差为步长构建三维直方图,通过剔除明显的错误匹配实现对RANSAC算法的优化。结合改进SIFT算法在多种类型图像的实验结果表明,本文方法相比于SIFT+RANSAC算法,总运行时间平均降低了10.3%,正确匹配数平均提升2.8%,召回率与F值平均提升高于2.7%,并且基于上述改进的Open MVG系统重建出了更高质量的模型,新算法的综合性能得到有效验证。然后为高效建立目标场景的声学模型,总结了一套基于三维软件与机器视觉联合建模的方法与流程。形状复杂或几何参数难测的结构利用机器视觉进行重建,通过格式转换、模型逆向优化与尺度恢复实现重建模型到声学模型的转化;而尺寸参数已知且轮廓简单的结构,仍采用三维软件进行建模。最后根据位置关系融合两种模型形成声学计算模型。为验证该方法与流程的可行性,本文以“西南交通大学—华川电装公司”电机声功率实验室为重建对象,结果表明计算工况声压级与实测声压级变化趋势一致,在距声源1.1m距离内误差为0.1-2.0d B,证明了本方法的可行性。最后,以中车资阳机车有限公司某大功率柴油机实验室为工程应用对象。一方面,对室内柴油机、从动装置以及管路系统等复杂结构进行机器视觉重建,然后将预处理后的模型与CATIA绘制的壁面、台架模型进行结合以恢复出室内布局。另一方面,将柴油机进行等效点声源处理,并利用19个测点的声压数据推算声源强度。计算结果证明,各关注测点的仿真结果与实测声压级误差均在2.4d B以内,验证了重建模型的准确性及其声学应用的可行性。本文研究成果对机器视觉重建模型的其它拓展应用,亦具有一定借鉴意义与参考价值。