随着计算机技术的发展和现实需求,三维重建技术成为国内外研究的一个热点问题。三维重建就是利用二维图像中的基元(点、线、面等)恢复三维场景。由于特征点检测和匹配的结果会直接影响到后续工作,因此特征点检测和匹配技术是三维重建的基础和最重要的工作。Harris角点检测算法是在Moravec算法基础上发展起来的,算法精度高、稳定性好、且计算迅速,是角点检测算法中最为经典的算法。但是该算法在单一尺度下检测特征点的检测效果完全依赖于算法中阈值的设置情况,而阈值的取值依赖于图像的属性,特别是颜色深浅不同,难以确定,使得用户在设定具体阈值时比较盲目,只能多次设定比较后才能获得相对理想的角点,另外如果阈值设置不合理会产生角点聚簇和角点分布不均匀,这样对后期图像的匹配产生很大影响。针对上述Harris角点检测算法的不足本文提出了自适应角点检测算法。该算法在原Harris角点检测算法的基础上首先对匹配的图像采用固定分块的思想进行分块,这样避免了其阈值难以确定,保证特征点分布均匀;其次采用SUSAN算法的思想去除图像中的伪特征点,这样防止角点聚簇现象的产生。基于局部不变量描述符方法的尺度不变特征转化(SIFT)算法是图像匹配算法中较为经典的算法。但是该算法为了确保描述符的旋转不变性需要给关键点分配一个主方向,而且128维的特征点描述算子生成对算法效率影响较大,改进的SIFT算法生成的描述算子本身就有很好的抗旋转能力,并且把原来的128维描述算子减少为24维降低了算法的复杂度。