三维重建综合了图像处理、立体视觉、多视几何以及计算机图形学等多个领域的技术,是计算机视觉领域重要的研究方向。基于图像的三维重建因为其成本低,重建结果纹理丰富等特点在视频监控、测绘与导航、虚拟现实等领域有着丰富的应用。随着技术的进步,相机的分辨率越来越高,更丰富的图像信息使得重建结果更加精确和真实,但是也对三维重建的实时性造成了挑战。本文以双目重建理论为基础,对构建三维实时重建与测量系统的各个核心环节进行了研究。本文讲述了三维重建过程中相机标定,立体匹配,点云求解和融合等环节的原理和具体实施方法。相机标定环节本文使用了一种基于SIFT特征的多目标定方法,该方法能够一次性输出多个相机的内外参数。在关键的立体匹配环节,本文使用了一种基于最大后验概率的立体匹配算法。针对其中的特征描述方法,本文对FAST特征描述子进行了改进,并将其和SIFT以及颜色矩特征相结合,提高了匹配算法的速度和精度。实验证明,在合适的先验信息基础上,该算法能够实现快速的稠密点云重建。本文使用了六台相机以获得更完整的目标影像,为了得到较好的点云融合效果,本文使用了外参数、ICP以及手动调节方法进行融合,三种方式层层递进使得融合结果更加精确。针对系统在复杂环境中运行可能出现相机参数和相对位置变化,导致图像变形无法行对准的问题,本文提出了一种基于边缘匹配的自适应行配准算法,该方法能够抵抗相机参数的小范围变化,增强系统鲁棒性。在四台i7-4790(3.6GHz)计算机,六台500万像素相机的硬件环境下,本文构建的三维重建系统能够达到每秒2~3帧的处理速度,测量误差在自动模式下不超过3.5%,在手动模式下约0.14%。