数字摄影测量技术自产生以来，就因为具有非接触、测量范围大、成本低以及快速精确等优点而被越来越多地应用于各种空间三维测量领域。从不同图像中识别出同名关系是由二维坐标恢复三维信息的前提和基础，其中最基本的是点的匹配问题，它决定了摄影测量发展的方向。能否实现高效、自动的点匹配，决定了视觉测量技术能否融入现代工业生产中，而且决定了计算机是否可以像人一样具有主动视觉的能力。极线几何是最常用的匹配约束条件，可以将匹配的搜索范围缩小至一条直线。然而，由于同一条极线上可能密集分布很多特征点，而且复杂的场景环境以及拍摄方位又决定了遮挡和闭塞现象的必然存在性，点匹配依然存在歧义性。 本文主要在结合场景无关信息的最优化和图形变换两个方面提出了算法：算法一使用动态规划的方式快速寻找能够最小化全局视差梯度和的匹配问题最优解。视差梯度是表述简单但是具有丰富约束信息的场景无关特征。算法利用动态规划的方式遍历了各条共轭极线对上所有可能的匹配形式，并寻找具有极线内和极线之间视差梯度和最小的最优路径，为匹配问题寻找最优解。算法二利用仿射模型描述匹配点之间的位置变换关系，并使用RANSAC(随机取样一致)的方式求解精确的模型参数。在极线约束提供的可能同名关系中，寻找满足一种具有旋转、缩放和平移不变量的仿射变换模型，借以描述同名点之间的变换关系。算法利用RANSAC的方式进行了模型拟合，并且通过循环的方式获得满足不同模型的同名关系子集，将它们组合得到最大匹配集合。