本文研究的是近景摄影测量和结构光光栅测量相结合的逆向工程三维光学测量中测量参考点的设计及其图像自动检测。这套光学测量系统需要在被测物体表面贴两类测量参考点，一类是近景摄影测量系统和光栅测量系统都可以识别的，没有固定编号的参考点，称为非编码参考点，此类参考点只需识别其特征的中心位置；另一类是只有近景摄影测量系统可以识别的、表面特征各为不同并且有固定数字编号的参考点，称为编码目标点，这类参考点在图像识别中既需要识别其特征的中心位置，又需要识别其具体的编号代码。其中，非编码参考点的作用是作为每次光栅测量得到的点云拼合的参照。而编码目标点的作用则是通过近景摄影测量原理，根据其自身的空间坐标和两类测量参考点之间的距离关系，将不同的数字图像上的参考点进行拟合，以获得贴放在物体表面上的非编码参考点的空间坐标信息，从而提高点云拼合的精度。本课题的任务是设计一组合理的非编码参考点和编码足够多的编码目标点，然后就测量参考点的图像自动检测技术，即测量参考点的定位和识别进行探讨和研究。本文的主要研究内容包括三个方面： (1)测量参考点的设计。本课题中编码目标点的设计理念主要运用近似代数中关于群论的相关知识，把编码目标点的设计转化为正n边形涂色问题。在确定505个编码目标点的对应特征编号及编码图案后，完成非编码参考点和编码目标点的尺寸样式设计。 (2)测量参考点的自动检测，即提取测量参考点的中心像坐标及识别编码目标点的编号。本文在Visual C++编程平台上首先利用一系列的图像处理技术将原图像转化为含有较少干扰杂质块的二值图像；然后通过特征矩与结构形态分析相结合的技术将两类测量参考点的中心像坐标提取出来；最后根据大量的图像实验，提出利用特征不变矩匹配识别的方法确定编码目标点的对应编号。在其中运用了最大类间方差法、“甲虫”算法、特征矩匹配算法等方法，成为测量参考点图像处理和识别工作的行之有效的算法。 (3)在图像处理和识别技术的理论基础上，运用图像编程技术实现对应的测量参考点自动检测算法，并将整个图像操作过程整合成一个程序实现。 通过对实验图像运行得到的数据证明了本文所提出的测量参考点自动检测算法的可行性及稳定性，反过来也说明了所设计的测量参考点的合理性。