三维计算机视觉的中心任务是从二维图像恢复三维空间物体的几何形状，主要步骤有：图像对应点的确定，摄像机内外参数的标定，关键点重建，稠密点重建，纹理映射等。本文主要围绕摄像机标定和关键点重建等内容开展了一些工作。论文的主要工作有以下四部分： 1：提出了利用平行平面的投影来求解两个视点间的无穷远平面的单应矩阵，用代数方法构造性地证明了下述结论：(A)如果场景中含有一组平行平面，则可以通过求解一个一元4次方程来确定两个视点间的无穷远平面对应的单应矩阵；(B)如果场景中含有两组平行平面，则可以线性地确定两个视点间的无穷远平面对应的单应矩阵，并对上述结果给出了相应的几何解释和具体算法。 2：探讨了摄像机正交平移运动下关于内参数方程的独立性问题。一般来说，5组摄像机的正交运动就可以线性标定摄像机的5个内参数。然而，关于这5组摄像机运动应满足什么条件才可以保证所产生的5个线性约束方程是独立的，文献中对这个问题至今没有答案。一种流行的猜测是只要这5组正交运动下的平移向量任意3个不共面，则对应的5个摄像机内参数约束方程必然独立。我们证明了当5组正交运动中其中的三组构成一个三正交运动时，此时尽管构成5组正交运动的7个平移向量没有任意三个共面，但产生的5个约束方程却可能不独立，并给出了一个不独立的具体例子。 3：系统地研究了摄像机简化模型对3D重构的影响。主要工作有：(1)当摄像机在两幅图像间的运动为纯平移运动时，从理论上证明了使用摄像机简化模型重构空间点与实际空间点之间满足仿射变换；实验表明，简化模型焦距与实际摄像机焦距的相对误差在±10％范围之内，使用简化模型所重构的物体保持原物体的形状。(2)当摄像机在两幅图像间的运动为一般刚体运动时，理论分析和实验表明，使用简化模型的重构只有在满足下述两个条件下才能较好地保持原物体的形状：条件A、简化模型焦距与实际摄像机焦距的相对误差在±2％范围之内；条件B、对一幅512×512的图像，实际摄像机的主点坐标误差在±5个像素范围之内。一般地，使用简化模型的重构不能很好地保持原物体的形状；(3)指出在简化模型下，基于Kruppa方程的方法所估计的焦距精度不能满足3D重构的要求。因此，在3D重构中，我们不能使用简化模型，必须对摄像机内参数进行全面地标定。 4：提出了基于单个平行四边形单幅图像的物体定位方法。主要结论有：如果平行四边形的两组边长均未知的话，则从该平行四边形的单幅图像，仅可以确定物体坐标系与摄像机坐标系之间的旋转矩阵和平移向量的方向，平移向量的大小无法确定。当知道平行四边形任一组边长时，旋转矩阵和平移向量均可以唯一确定。另外，诸如相邻边长之比，相邻边之间的夹角等信息，由于它们不是射影不变量，所以它们对基于单幅图像的物体定位来说，提供不了任何有用的额外信息。