物体三维重建是计算机辅助几何设计、计算机图形学、计算机动画和数字媒体创作等领域的共性科学问题和核心技术。基于双目立体视觉的三维重建利用处于不同位置的两台相机或一台相机经过平移或旋转拍摄同一场景，通过计算物理点在两幅图像中的视差，得出该点的三维坐标值，从而重建该场景。该技术由于其价格低廉、适用性广等优点已经成为三维重建领域中的重要方法。如何有效标定相机、有效校正图像、提高立体匹配的精度和效率及三维点云的高效重构是其中的重点和难点，本文针对以上四个问题进行了研究。首先，分析了两种相机成像模型的标定方法，根据本课题研究中采用的双目相机以及支架的特点，提出了基于2D棋盘格平面模板进行单目相机的二次标定方法，提高了标定精度。其次，提出了一种基于内参估计的未标定立体图像对的校正方法，只需要给出初始图像中的几组匹配点，基于匹配点在校正后的图像中满足极线几何约束这一条件，通过最小化所有匹配点的桑普森误差值，得到系统方程并估计内参，从而得到最优的校正图像。实验结果表明，在标定参数未知的情况下可以得到较好的校正图像，为立体匹配提供标准的立体图像对。再次，提出了一种基于联合相似性测度和导向滤波器的立体匹配算法。该算法采用像素的灰度及其梯度的线性组合作为相似性度量，同时采用具有保边特性且计算量不依赖于滤波核大小的导向滤波器作为自适应支持权重。实验结果表明，该算法能获得有效的视差图，算法效率较高且具有良好的辐射不变性。最后，针对三维点云数据重构中的点云精简问题，提出了基于八叉树的保留边缘点的点云精简算法，对庞大的景物点云进行精简，在保留边缘点的同时，减少了重构点云的数量，有效提高了点云重构效率。