计算机视觉是使用摄像机、电脑等设备实现对三维场景的识别、理解与重建的技术,随着硬件设备及深度学习理论的发展,计算机视觉成为近年来众多研究的重点且逐步应用于各专业领域。本文基于计算机视觉领域中的双目立体视觉技术与图像识别技术,提出了一种针对网架结构球节点及杆件的三维重建方法,并采用图像处理技术初步实现了简单背景下杆件的弯曲判断。采用双目立体视觉技术对被测结构进行拍摄,由双目相机的相对位置关系以及球节点在图像中的位置计算球心坐标,实现球节点的三维坐标重建。相机单次拍摄视野受相机视角和相机至被测物的距离所限制,而网架结构多用于大跨度建筑,对网架结构的双目视觉测量往往需要进行多次图像采集工作。对于多次测量下的球节点坐标结果,采用任意旋转角下的三维坐标转换模型,实现多次测量结果坐标系的统一,从而使该方法可适用于大跨度的网架结构建筑中。引入深度学习网络进行重建过程中的球节点和杆件的识别定位工作。对于杆件的自动识别,采用Mask R-CNN实例分割框架,实现对图像中的杆件定位及获取掩码信息,由杆件掩码信息与球节点的图像坐标作为依据,判断杆件的连接关系,实现对杆件的三维重建。以实例分割得到的杆件截取图像作为研究对象,比较多种图像增强算法及边缘检测算法,选用限制对比度的自适应直方图均衡化方法对杆件截取图像进行对比度增强,选择Canny算子进行杆件的边缘提取,采用二次曲线近似拟合杆件的轴线,计算最大曲率从而实现弯曲杆件的判断。通过对一正放四角锥网架结构模型进行实测试验,实现了对该网架模型的三维重建,验证了由计算机视觉技术进行网架结构三维重建方法的可行性。