对目标物体信息的获取是一个永无止境的课题，如何获得更多、更有效、更精确的信息是信息获取的主要发展方向。二维信息已不能满足人类对未知世界探索的需求。人类发明了很多三维探测方法，如基于二维成像与距离探测的三维成像技术、采用合成孔径雷达(SAR)和逆向合成孔径雷达(ISAR)的三维雷达成像技术、采用视觉测量的三维重构技术。这些技术经过近几十年的发展，已经越来越成熟，并得到了越来越广泛的应用。但是，还没有对数百公里的目标的三维成像或测量的有效方法。针对这一方面的技术空白，本论文对远距离目标的三维重构技术进行了研究，提出了一种基于计算机视觉的，利用使用自适应光学技术(AO)的望远镜拍摄的图像，实现数百公里及以上的目标的三维信息测量的数学模型与求解方法。　　传统的视觉测量方法需要先估计目标--相机的运动关系，再计算目标上点的第三维信息，即深度信息，因此运动估计的精度商接影响到深度信息的计算精度。在远距离探测中，由于归一化像素值非常小，为1e-5量级，因此。按视觉测量的方法要求特征点探测精度优于le-5像素，这是不实际的。针对这种先运动估计再深度计算带来的误差累积的问题，本文提出了一种适合于数百公里及以上的远距离目标测量算法，该算法通过适当的近似，得到了一组包含旋转、距离比及相对深度信息的方程组，并使用Levenberg-Marquardt方法(简称LM法)来获得其最优化解。　　本文分别利用视觉测量的数学模型和本文提出的测量算法的数学模型，对远距离目标测量的精度作了误差分析。两种分析结果均表明，在对数百公里的目标--相机的运动关系估计准确的前提下，本文提出的测量算法的精度最优可达到0.1m的。为验证误差分析，本文通过仿真考察了深度计算误差与探测距离、特征点探测精度、特征点数量、目标物体尺寸大小及搜索初始值之间的关系，仿真结果表明，由于优化目标函数不是二次型函数，因此目标函数有多个极小值点，即数学模型为病态的，因而使计算精度明显依赖于搜索的初始值。　　针对提出的求解数学模型的病态情况，本文提出了基于正则化方法的改进算法，从仿真结果可以看出，正则项的引入使深度计算的精度不再依赖于搜索的初始值，大大提高了求解的精度和可靠性。另外，针对实际测量过程中会出现错误匹配点的问题，引入了RANSAC技术。并结合正则项和RANSAC技术各自的优势，提出了基于RANSAC技术与正则项改进的深度计算方法，仿真结果表明，这种改进的算法同时具备了正则项改善求解模型适应性和RANSAC技术提高匹配鲁棒性的优点，具有较高的鲁棒性、计算精度及可靠性，满足课题目的的需求--深度计算精度优于1m。最后，针对视觉测量中对运动估计的需求，提出了基于远距离目标测量算法的运动估计方法，可以估计出旋转矩阵和平移向量。　　另外，本文对望远镜系统中提高分辨率的关键技术--自适应光学技术中的闭环控制作了研究。搭建了用哈特曼-夏克波前传感器和BIMORPH变形镜组成的自适应光学实验系统，并使用直接斜率法、模式法和本征模法实现了系统的闭环，并对闭环结果进行了讨论。同时，根据矩阵理论对三种闭环方法的相互区别与联系作了深入的分析，并定量的给出了根据变形镜驱动电压的精度和范围选择本征模的方法。