立体视觉测量在工业中受到广泛应用和研究,其中包括产品检验,装配和逆向工程等领域。立体视觉组网测量是三维测量得以实现的技术保障,决定着测量的速度和测量结果精度,在实际应用中具有较大的工程意义。本文对立体视觉测量网络进行深入研究。首先在研究了工业立体视觉测量理论数学模型的基础上,提出了一种立体视觉测量网络优化方法,该方法通过运动恢复结构(Structure From Motion)算法获得待测物的模型,根据待测物模型进行基准定义,研究相机站位约束条件,估计相机与待测物之间最佳距离,结合椭球模型几何性质,设计了大量围绕待测物的初始视点位置,然后基于工业多目立体视觉三维重建方法和可见性约束条件,提出了一种基于聚类分析和循环迭代的筛选方法,对初始视点位置进行筛选,获得最少数目的视点相机,得到满意的图像。通过研究像点误差物理模型、相机外参标定理论和相机内外参参数标定方法,对得到的立体视觉测量网络中视点位置的相机进行标定。最后以灯罩作为测量对象进行实验,在摄像机F数分别为f/1.4、f/2、f/2.8、f/4、f/11、f/16时,分别对椭球型成像网络和球型成像网络进行对比分析,对灯罩进行三维重构。结果表明,经筛选后,在保证了覆盖率和测量精度的基础上,网络节点数明显减小,也即摄像机摄像次数明显减少,同时表明,椭球型成像网络优于球型成像网络,验证了此方法理论的可行性。本文利用机器视觉实现三维测量,在保证测量精度和覆盖率的同时提高了测量速度,为实现工业测量提供了理论和技术支持。