计算机视觉是一门新兴的技术，此技术运用在很多的领域，例如双目视觉测距、机器人导航等方面。普通测量大面积例如建筑物面积的方法不利于人工的操作，此时基于计算机视觉的测量技术在此方面体现了巨大的优势，它是一种非接触的测量技术，无需人工处在危险的工作环境下，并且测量精度高、降低了测量成本以及操作简单，因此在航天测绘、机器人导航、工业甚至医学等方面有着非常广阔的应用前景和很深的研究价值。基于双目立体视觉，本文利用其一种特殊的系统模型即平行双目立体视觉模型，对测量图像的实际面积进行了研究，测量过程中的三个关键技术为：摄像机的标定，立体匹配和面积计算。主要研究内容和成果如下：在摄像机的标定模块中，首先运用传统的Harris算子对摄像机采集来的图像进行像素角点检测，但是传统的Harris算子角点检测算法只能检测出像素角点，为了得到更精确的摄像机内部参数和降低特征点匹配时的漏匹配和误匹配概率，本文在Harris算子角点检测算法的基础上，利用亚像素角点到周围像素点的矢量应垂直于图像的灰度梯度这个观察事实进一步检测出亚像素角点。然后运用经典的张正友摄像机标定方法，得到摄像机的内外部参数，本文在摄像机标定过程中为了减小标定误差，左右摄像头分别采集了标定板的10幅图像，并分别把左右摄像头的10幅图像检测出的亚像素角点坐标作为张正友摄像机标定方法的输入，最后标定出左右摄像头的内部参数，亚像素角点检测和摄像机标定均用Matlab编程实现。立体匹配模块中，主要在特征点匹配上重点进行了算法研究，本文研究了经典的SIFT特征点匹配算法并对不同情况下得到的图像进行了特征点匹配实验，但考虑到本文研究的图像是比较简单的图形，运用SIFT特征点匹配算法反而觉得算法复杂和匹配时间较长，因此本文基于实际情况，找到了一种适合本课题实验中的图像的特征点匹配的方法，实验中首先对左右图像分别进行了角点检测，然后把左图中的特征点作为模板图像，与右图中的特征点进行模板匹配，相似度最大的，则认为是最佳匹配点，这种算法不仅简单而且匹配时间较短。最后的面积计算模块中，本文提出了一种新的测量面积的方法，利用双目视觉测量物体的实际图像与其在图像平面上的图像之间的空间几何关系，进而得出实际图像的面积。并与现有的像素面积法和空间坐标法进行比较，分别运用上述三种方法，对同一组图像进行实验和分析。本文方法较像素面积算法更简单且误差小，较空间坐标法实现条件更容易。本文利用两个相同的普通USB摄像头作为图像采集设备，在VC2006和Matlab编译环境下,运用Matlab编程实现摄像机标定和亚像素角点检测的课题实验；基于OpenCV计算机视觉库，运用C++编程实现特征点匹配的课题实验。