随着制造产业飞速发展,对产品的生产快速化与测量准确化的要求也在日益提高。计算机视觉技术的问世,使得非接触、实时高效、高精度的产品测量技术在实际生产中得以广泛应用。基于多视角几何的高精度测量得益于将模板CAD模型对准目标对象的多视图观测。它不仅改进了多相机标定校准,而且可以作为“支架”辅助测量。一种简单的方法是重建目标对象并与CAD模型进行三维配准。然而,这种三维配准的精度不能满足高精度的要求。本文的主要研究内容如下:（1）多相机标定校准是计算机视觉中一个传统的难题。本文将该问题表述为一个光束调整平差问题,我们提出了一种同时联合优化模板模型和多个相机的6自由度位姿的算法。我们首先在图像上检测特征点,根据图像特征点重建出三维稀疏点云。与传统的光束调整平差方法不同的是,我们将模板模型与该稀疏点云配准并取代稀疏点云,再次投影到图像中优化重投影误差。（2）为了适应产品制造误差,我们提出了一种基于离散-连续优化的简单鲁棒算法,该算法将配准选择和位姿优化相结合。在离散步骤中,基于RANSAC的鲁棒选择过程根据当前模型/相机姿态选择匹配良好的2D-3D特征点。在连续的步骤中,对CAD模型的6自由度位姿和多个相机位姿进行联合优化,这种交错优化构成了一种新的混合光束调整（HBA）。在HBA算法中,根据离散选择步骤,通过观测图像与CAD模型的2D-3D配准或多幅图像的交叉视图配准来测量一个特征点的重投影误差。通过对真实世界数据的广泛评估,我们证明了HBA能够实现高精度的多相机校准,显著优于其他方法。（3）为了获取高精度的三维点云,我们提出了一种点云拼接的算法,该算法使用深度相机获取单帧点云,并根据估计的相机位姿将单帧点云拼接成完整点云。（4）使用SFM三维重建方法时,得到的稀疏点云缺失了尺度信息。在进行视觉测量时,尺度信息对测量结果有决定性作用。为此,我们提出了一种借助标定板的算法。在该算法中,我们使用多视角灰度图像重建出标定板特征点,将该点集与使用深度相机获取的对应点集进行放缩配准,获取到尺度比例。我们将该尺度赋值给相机位姿,多组实验数据证明,该算法能够实现高精度的尺度信息恢复。