随着科学技术的发展，越来越多的大型结构在人类的生产、生活中发挥着日益重要的作用。作为力学性能的直接表征，物体形貌及变形的高精度测量是保证这些工业产品和工程结构正常发挥其功能的基本要求。这一要求不仅贯穿其制造、运行以及维修阶段，在设计阶段，也是逆向工程的前提。传统接触式三维测量技术速度慢、量程小、操作不便，有时甚至无法完成测量。由于具有检测速度快、量程大精度高、数据容易实现自动化处理等优点，摄像测量技术成为了国内外研究发展的热点和重点。摄像测量基于双目立体视觉原理，通过对摄像成像系统拍摄的图像进行分析计算，测量出被测物体在三维空间中的几何参数和运动参数。一般来说摄像测量分为相机标定、图像特征提取与匹配和目标参数解算三步，其中图像特征提取与匹配的精度不仅直接影响到相机标定的精度，还与目标参数解算的精度有关，所以高精度的特征提取与匹配十分重要。本文着重研究了运动测量与大型结构测量中特征的提取和匹配算法。特征包括自然特征与合作标志，其中合作标志可分为编码标志和非编码标志。本文首先研究了自然结构特征的提取方法。针对角点的提取问题，本文研究了Harris算法以及适应尺度变换的Harris-Laplace改进算法。Harris-Laplace在尺度空间内搜索角点，保证了同一物体在不同尺度的图像中能够检测到相同角点。针对斑点的提取问题，本文研究了SIFT算法。SIFT利用高斯差分算子在尺度空间中检测斑点，并生成128维的局部图像描述子用于匹配。针对Harris角点匹配问题，本文提出了利用SIFT描述子辅助Harris角点匹配的算法，实验证明，该算法能够克服光照、尺度、旋转、噪声等影响，准确地匹配角点。本文介绍了圆形、对角、十字丝等三种非编码合作标志的特点与传统检测方法，和针对每种标志的特点提出的改进算法。圆形标志可以用基于边缘信息的随机霍夫变换检测，与传统全局的随机霍夫变换相比，减小了计算量；对角标志可利用本身的灰度特征设立判据并根据判据来进行检测，并根据检测到的对角标志信息制作理想模板，通过模板匹配的方式来进行亚像素精确定位。与传统的检测方法相比，这种方法有效提高了速度和正确率；十字丝可利用边缘的梯度信息对同一梯度方向的边缘进行聚类，减少了计算量，提高了准确度。在此基础上，本文提出了联合自然结构特征与SIFT描述的合作标志检测方法，该方法能够有效减少计算量，提高合作标志检测的鲁棒性。本文详细介绍了矩阵与圆形两种编码标志的生成与检测识别方法。通过在圆形编码标志中心添加定位圆，提高了圆形编码标志的检测精度。两种编码标志结构简单，成像效果清晰，适合应用于工程实践。本文提出了用编码标志匹配结果计算基本矩阵，通过极线约束对合作标志和自然结构特征的匹配进行提纯的方法，实验证明该方法能够有效去除误匹配，提高匹配正确率。本文对摄像测量中的特征提取与匹配问题进行了研究，验证了已有自然结构特征与合作标志特征的提取与匹配算法的实用性和参数对算法结果的影响，并在总结了各种特征的提取与匹配算法的基础上，进行了一些改进，提高了算法的正确率，扩大了算法应用范围。通过实验验证算法的可行性，本文为工程实践提供了实施方案、理论依据和数据支撑，并且能够为摄像测量中的特征提取与匹配问题的后续研究提供一定的参考。